共查询到18条相似文献,搜索用时 156 毫秒
1.
针对水环境系统的复杂性,采用含有1个隐含层的3层BP网络模型和改进的BP算法,以南四湖的主要污染物CODCr、NH3-N、TP和TN共4个指标作为模型输入层的神经元,以水质等级Ⅰ类-劣Ⅴ类共6个等级作为输出层神经元,应用Matlab7.1中的神经网络工具箱NN Toolbox4.0反复训练,建立了南四湖水质综合评价模型,并利用建立的BP神经网络模型对南四湖上、下级湖水质状况进行了综合评价. 相似文献
2.
Shi Fengzhi et al. 《工程勘察》2008,(10)
介绍了BP神经网络的基本原理和计算方法。采用6-11-5三层拓扑结构的BP神经网络模型对伊通河下游地下水质进行评价,并与内美罗指数法、模糊综合评判法和物元可拓法评价结果比较。结果表明BP神经网络计算简便、评价结果客观准确,很好地反映了地下水质量的总体状况。 相似文献
3.
文章根据青弋江芜湖市区段水质特点构建了合适的BP神经网络评价模型,并通过插值的方法增加了样本数量。训练和评价的结果说明BP网络模型在青弋江水质的评价方面是一种简单有效的方法。 相似文献
4.
5.
将误差反向传播前馈(BP)神经网络模型和径向基函数(RBF)神经网络模型应用到CAST工艺中,并采用多输入、双输出神经网络模拟处理过程中各变量之间的关系和预测出水水质.误差分析结果表明,训练阶段RBF神经网络模型的拟合精度比BP神经网络模型的高,但两者的预测精度相差不大;测试阶段BP神经网络模型和RBF神经网络模型预测出水COD的平均相对误差分别为6.35%、6.80%,预测出水TN的平均相对误差分别为7.19%、5.49%,均在8%以下,这说明两种神经网络模型均可用于模拟CAST污水处理工艺各变量之间的关系和预测出水水质,为污水厂的运行管理提供了理论依据. 相似文献
6.
基于BP神经网络的项目投资风险评价 总被引:3,自引:0,他引:3
风险项目投资具有高风险、高收益的特点,科学、准确的评价方法对项目投资至关重要.传统的评价方法主观因素太强,而人工神经网络模型克服了传统项目评价依赖专家经验的弊端,为项目投资风险评价开辟了新途径.本文首先阐述了BP神经网络的原理,然后结合实例给出了用于项目投资风险评价的UP神经网络模型,仿真试验表明,采用该模型的结果是令人满意的. 相似文献
7.
8.
利用小波分析和BP神经网络,建立一种用于基于静力触探数据进行土类划分的神经网络模型。该方法基于实测数据,利用小波分析获得不同土层触探参数的特征值,并用BP神经网络建立特征值与土类之间的映射关系,从而得到BP神经网络分类模型。结果表明,该方法可以有效地进行土类划分。 相似文献
9.
10.
BP人工神经网络模型在地下水水质评价中的应用 总被引:1,自引:0,他引:1
《供水技术》2015,(6)
为了能够客观地对地下水水质进行综合评价,本文以西鞍山矿区为例,采用基于BP人工神经网络模型的评价方法对区内14个地下水水质监测点的水质进行了评价。考虑到地下水水质随季节性变化不大,以枯水期水质监测的主成分总硬度、溶解性总固体、硫酸盐、氯化物、铁和锰、硝酸盐、氟化物等指标作为评价因子,建立了地下水评价指标体系,并和模糊综合评价法的评价结果进行了比较,分类结果令人满意。评价结果表明,该模型设计合理、泛化能力强,对地下水水质评价具有较好的客观性、通用性和实用性,可为水质评价提供技术依据以及为有关部门治理水质提供理论依据和参考建议。 相似文献
11.
12.
针对标准BP 神经网络建筑工程项目投资估算模型收敛速度慢、预测精度低的问题,提出融合改进天牛须和正余弦双重优化算法(BAS-SCA)优化BP 神经网络的建筑工程项目投资估算模型。以某市高校建筑工程项目为研究对象,分析相关文献并结合显著性理论初步选择工程造价影响因子,利用粗糙集属性约简算法筛选出关键因素;基于此,通过构建基于BAS-SCA-BP 的神经网络估算模型实现快速、准确的建筑工程投资估算。研究结果表明:基于BAS-SCA-BP 的估算模型较标准BP 神经网络估算模型的估算精度有了大幅提高,与其他智能算法改进的BP 神经网络估算模型的性能相比较,该模型在稳定性和预测精度方面表现更佳。 相似文献
13.
将遗传算法的全局搜索能力和BP神经网络的局部学习能力有机结合,得到一种快速高效的建立供水管网余氯的水质模型的新方法。验证结果表明,遗传算法优化后的神经网络模型所需要考虑的参数较少,应用方便,预测精度和效率较高,在城市给水系统水质模拟预测研究中有一定的参考应用价值。 相似文献
14.
遗传-BP神经网络法预测叶绿素a浓度变化 总被引:1,自引:0,他引:1
基于2009年—2010年对临江河回水区水质指标的监测数据,采用遗传算法结合BP神经网络的方法对回水区的叶绿素a(Chl-a)浓度变化进行动态模拟预测。通过灰色关联法确定了对Chl-a浓度有显著影响的指标与网络输入变量,即水温、DO、流速、透明度(SD)、TP、CODMn及Chl-a。模拟结果表明,遗传-BP神经网络的预测值和实测值吻合较好,其相对误差约为9.8%,模型可良好地用于次级河流回水区叶绿素a浓度的短期预测。预测结果表明,在春末夏初季节,当水库蓄水位为150~160 m时,临江河回水区富营养化潜势较高,尤其应注重临江河该时段富营养化的防控工作。 相似文献
15.
针对BP 神经网络的随机权重和阈值稳定性不高的问题,运用遗传算法(GA)对BP 神经网络的初始权重和阈值进行优化,提出了一种基于GA 优化BP 神经网络的多参量数据融合方法以实现火灾探测,提高火灾探测准确率和模型泛化性能,并利用该模型对标准明火和阴燃火中的温度、烟雾浓度和CO 浓度进行数据融合实现火灾探测。研究显示,相较单纯BP 神经网络,经GA 优化的BP 神经网络火灾探测算法能够更快速精确地实现火灾探测,探测精度有显著改善,火灾识别准确率提高至98.84%。 相似文献
16.
针对BP神经网络在拟合过程中探测精度低、容易陷入局部最优的问题,提出一种基于遗传算法(GA)和模拟退火算法(SA)共同改进的BP神经网络模型,该网络模型可以有效提高火灾识别准确率,同时避免网络过拟合现象,使预测结果跳出局部最优从而达到全局最优。首先,通过GA改进隐藏层结构部分,然后通过SA改进连接权重部分,最后利用优化后的GA-SA-BP模型对火灾实验数据进行信息融合实现火灾探测。实验研究表明,对比单一BP神经网络,经GA和SA改进后的BP神经网络能够有效改善网络拟合能力,并提升火灾探测精度至98.91%。 相似文献
17.
18.
针对传统BP神经网络全局优化能力低、无法学习的缺陷,引入遗传算法中的小生境技术,研究了基于小生境等维BP神经网络模型,同时利用MATLAB进行编程实现。该模型的核心思想是借助小生境遗传算法优化神经网络的连接权和阈值,进而提高了等维BP神经网络模型的全局优化能力,改善了模型的收敛性。结合宁波某大楼沉降监测实例,利用小生境等维BP神经网络、GM(1,1)模型、等维BP神经网络模型分别对沉降数据建模预测,结果表明,小生境等维BP神经网络模型更加符合实际情况、预测效果更佳。 相似文献