基于相似数据的人工神经网络短期风速预测模型

提出基于相似数据并结合小波分析的数据预处理模型,并运用基于反向传播(BP)神经网络风速预测模型预测风速。该方法从大量的历史数据样本中提取相似数据创建训练样本,采用小波分解将风速信号分解成低频趋势信号和高频随机信号,采用BP神经网络建模,合成得到风速预测数据。通过某风电场的实际风速数据验证结果表明,相似数据有效地提高了数据的相关度,小波分解使BP神经网络模型更好地拟合风速信号的低频和高频特性,提高了预测精度。     

基于BP神经网络的齿轮设备故障诊断应用

本文提出了基于BP神经网络的齿轮故障诊断模型研究。首先构建了基于遗传算法的BP神经网络预测模型,并设计了基于遗传算法的齿轮故障诊断算法流程;然后,通过案例对本文构建的模型及设计的算法进行了验证,实验结果表明,本文设计的模型及算法收敛速度快,故障诊断效果较好,具有较强的使用价值。     

基于BP神经网络的滑坡地质灾害预测方法

为了解决滑坡地质灾害传统预测方法中出现的综合性、实用性不强等问题,本文研究用基于优化参数设置的BP神经网络模型来预测滑坡地质灾害。该方法基于BP神经网络,顾及与滑坡地质灾害产生紧密相关的地质条件和环境因素,对BP神经网络的输入层、隐含层、输出层的参数进行优化;再由历史的经验数据通过训练、泛化建立基于BP神经网络的地质灾害预测模型;最后,按照0和1的组合结果对滑坡地质灾害进行预测。本文利用该模型对汶川地震诱发的滑坡地质灾害进行分析预测,结果表明:该模型的预测结果与实际结果吻合度达到86%~90%,预测精度较高,验证了基于改进的BP神经网络预测滑坡地质灾害的方法是实际可行的。     

结合神经网络的热泵冷凝器模型优化

本文采用了按照制冷剂状态来划分分布参数模型微元的方法,建立了冷凝器的稳态分布参数模型,并将其计算结果与实验数据做了验证。在此基础上建立了和稳态模型相结合的BP神经网络和RBF神经网络模型,通过神经网络对稳态模型进行修正,有效地提高了冷凝器仿真模型在热泵系统中的仿真精度,并比较了用两种神经网络模型进行校正的差异。     

基于深度卷积网络的糖尿病并发症分类

本文针对现有糖尿病并发症分类研究以统计为主,缺乏有效数学模型的问题,提出了基于深度卷积神经网络的糖尿病并发症分类模型。首先进行数据预处理,将糖尿病数据进行降维和向量化;其次采用深度卷积神经网络对并发症进行分类,并与SVM、决策树、BP神经网络等经典方法进行了对比。实验结果表明,本文提出的基于深度卷积网络的糖尿病并发症分类模型准确性高于其它模型,能够为糖尿病并发症提供有效地辅助诊断。     

基于计算智能的地铁隧道施工进度-成本优化

对于工序复杂的地铁隧道施工进度-成本优化问题,为了避免数学公式难以准确表达进度和成本之间的非线性关系,提出运用计算智能技术中的遗传神经网络和免疫粒子群算法的组合方法寻优。首先,通过遗传算法对BP神经网络的权值和阈值进行优化;然后,运用实际工程中进度和成本数据分别进行BP神经网络模型的训练和测试;最后,基于得到的BP神经网络模型和免疫粒子群算法实现对进度-成本寻优。通过该组合方法和基于数学公式的单纯形法分别求解算例,对比通过单纯形法求解出的准确结果,验证了该组合方法能够比较准确地解决进度-成本优化问题。因此,基于遗传神经网络和免疫粒子群算法的组合方法为工序复杂的地铁隧道施工进度-成本优化提供了一个较优的途径。     

利用BP人工神经网络预测盐水中CO_2的溶解度

盐水中CO_2的溶解度参数对CO_2地质封存至关重要,通过实验方法获取溶解度数据耗时费力,因此,需要建立理论模型来进行预测,而神经网络由于能够关联复杂变量之间的情况而广受关注。BP神经网络是1种应用最广泛的前馈神经网络,利用实验数据建立1个三层结构的BP神经网络模型用于预测盐水中CO_2的溶解度,并对网络的结构参数进行优化设计,得到1种盐水中CO_2溶解度预测的BP神经网络模型。同时,利用修正后的亨利定律计算不同条件下的溶解度,并将实验数据、BP模型预测结果与亨利定律做对比,为确定盐水中CO_2的溶解度提供了1种新方法。     

基于小波分析和神经网络的静力触探土类划分

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。     

基于人工神经网络的压弯钢筋混凝土柱侧向承载力的预测

双向压弯钢筋混凝土柱侧向承载力的计算比较复杂,它受截面尺寸、轴压比、混凝土强度、加载角度、剪跨比及配筋等诸多因素影响。基于BP神经网络技术,提出双向压弯钢筋混凝土柱侧向承载力的预测模型。以影响柱侧向承载力的主要因素为参数,用数值模拟结果,建立模型,并验证BP神经网络模型对双向压弯钢筋混凝土柱侧向承载力预测的效果良好。     

基于SA—BP算法的小波神经网络在喷射器性能预测中应用

以现有的喷射器实验结果数据集作为样本,用三种小波神经网络分别预测喷射器的性能,网络的训练分别采用模拟退火BP算法和BP算法,得出了最适合本模型的小波函数.数值实验结果显示,这种小波神经网络预测喷射器性能的精度能够满足实际工程的要求,而采用模拟退火BP算法比采用BP算法训练的效果略好.     

基于PCA-PSO-BP神经网络的住宅供热逐时负荷预测

为了准确预测供热负荷,提出了一种基于主成分分析法和粒子群优化算法改进的BP神经网络(PCA-PSO-BP)预测模型。首先利用主成分分析法融合影响热负荷的特征指标,消除指标之间的冗余性和相关性;同时采用粒子群算法优化BP神经网络的初始权值和阈值,克服了BP神经网络容易陷入局部最优的缺陷,提高了BP神经网络的预测精度。基于北京某居住建筑供热系统的实际运行数据,对模型的性能进行了验证。仿真结果表明,改进的模型预测精度提高了4.07%。     

基于神经网络的GPS水准方法的研究与分析

分别将BP网络和RBF神经网络应用于GPS水准高程拟合研究,在此基础上,选择某一地区的GPS水准实测数据进行了高程拟合实验,并将得到的最后精度进行了对比分析,得出基于BP神经网络模型在GPS高程异常拟合中具有较高的精度,并提出科学建议。     

基于神经网络的混凝土柱峰值承载力预测

提出了基于人工神经网络预测钢筋混凝土柱峰值承载力的方法。该方法采用5个设计参数作为神经网络的输入:混凝土强度、轴压比、剪跨比、纵筋配筋率和纵筋屈服强度。为验证该方法的可行性与有效性,基于PEER 154组实验数据,利用神经网络模型对矩形混凝土柱的峰值承载力进行预测并与经验模型的预测结果进行比较。比较分析结果表明:神经网络模型预测结果与实验结果吻合度远高于其他经验模型;同时也表明神经网络为精确预测结构在地震作用下的性能提供了一种新方法。     

基于IM-GA-BPNN的网络入侵检测算法设计

为了提高网络入侵检测系统的检测率、实时性和误报率,实现对网络进行有效的入侵检测,设计了一种基于免疫遗传算法和BP神经网络的网络入侵检测方法,首先建立四层的网络模型,采用训练数据对BP神经网络进行训练;为了进一步优化参数,通过免疫遗传算法对神经网络的参数进行优化,通过个体的复制、选择、交叉和变异来提高解的多样性,实现最优参数的求解。将KDD99 CUP入侵检测数据库中的数据作为仿真数据实验,将所提的模型IM-GA-BPNN与其它方法如BPNN、PCA-NN和PCA-PSO-NN进行比较,结果表明所提模型具有最高的检测率,同时具有检测效率高的优点。     

GA优化BP神经网络在多参量火灾探测中的应用

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%。     

基于BP神经网络的斜拉桥主梁标高预测研究

通过建立某斜拉桥仿真模型,分析了主梁线型变化趋势及影响其数值的因素,并利用BP神经网络,建立了一个非线性映射关系,预测了后续节段的前端标高,将预测值与仿真值作了比较,验证了BP神经网络预测大跨度斜拉桥主梁线形的可行性。     

改进BP神经网络模型在隧道变形分析中的应用

针对传统的BP神经网络模型在数据拟合方面存在网络收敛速度慢,预测精度不高的缺点,提出一种改进的BP神经网络模型的方法。利用改进后的模型对某一地铁隧道变形监测数据进行分析和预报,并结合MATLAB软件编写的数据处理程序实现改进前后两种模型对同一数据处理结果的对比分析,验证改进后模型的有效性和可靠性。     

基于改进BP神经网络的基坑支护结构数据处理

针对现有的基坑监测和预测数据处理方法的不足,对BP神经网络预测模型作了研究和改进,应用改进后的BP算法对基坑支护结构水平位移数据进行处理,并将改进的BP算法与传统算法所建立的模型应用于工程实例进行比较,结果表明,改进后的BP神经网络模型在预测精度、训练时间、稳定性等方面均优于传统BP神经网络模型。     

基于ESN模型的焦炉火道温度预测研究

为准确建立焦炉火道温度模型,保证焦炭质量,节约能耗,提出了基于回声状态网络(echo state network,ESN)模型的焦炉火道温度的预测方法。针对炼焦过程中强耦合、大滞后的特点,以及实际生产中大量炼焦数据未被合理利用的现状,运用数据驱动与非线性建模相结合的方法,首先,对采集的数据进行数据处理,保证了数据的真实有效性;然后,分别建立了焦炉火道温度系统的BP神经网络预测模型和ESN预测模型;最后,在Matlab环境下进行仿真实验,并对2种预测模型的平均相对误差和命中率进行对比。实验表明:ESN模型与BP神经网络模型相比,平均相对误差减小了0.66%,命中率提高了6.39%,说明在结合数据驱动的前提下,ESN模型更能准确预测火道温度,为下一步火道温度的优化控制奠定基础。     

基于组合赋权的遗传算法优化BP神经网络岩爆预测研究

针对岩爆倾向性预测的复杂问题,选取隧洞应力系数、脆性系数及围岩冲击倾向指数为评价指标,利用组合赋权法确定指标的权重,结合遗传算法和BP神经网络,建立了基于组合赋权的遗传算法优化BP神经网络的预测模型。利用岩爆实例数据对建立的模型进行测试,测试结果具有良好的准确度,验证了该模型的可行性及有效性。