发酵过程状态预估的BP神经网络模型实现

论述了利用改进的BP神经网络实现发酵过程状态预估模型的设计原理和方法，包括BP神经网络的拓扑结构选取、学习和测试样本的选择及处理，变步长引入动量项BP神经网络的训练方法以及全局收敛法的实现等。此外，用VC实现了发酵过程BP神经网络建模平台。经聚赖氨酸发酵过程验证，其模型具有良好的收敛性能和泛化性能，可应用于发酵过程状态参数的在线预估和测量。     

基于改进孪生支持向量机的热电厂脱硫系统pH值预测

在热电厂脱硫过程中,pH值直接影响脱硫的效率,若pH测量仪器受到环境的影响被破坏,会给生产造成巨大的损失。为了降低这种损失,采用改进的孪生支持向量机回归模型对pH值进行预测,首先将粒子群算法的权值和学习因子进行改进,然后用改进之后的粒子群算法对孪生支持向量机回归模型的惩罚参数和核函数的参数等进行寻优,再将最优的参数代入孪生支持向量机预测模型中,最后用MATLAB工具箱对pH值历史数据进行仿真,并与未改进的孪生支持向量机和BP神经网络预测技术进行比较。结果表明:该方法对脱硫系统中pH值的预测精度高,平均相对误差比未改进的孪生支持向量机和BP神经网络的预测结果小,能够显著改善脱硫装置的效率。     

基于BP神经网络的立铣加工振动快速预估

结合研制的立铣加工过程虚拟仿真系统和实验测量铣削力信号,训练并建立优化的1-20-1型BP神经网络模型,快速实现铣削加工过程刀具-工件系统振动状态的预估.对比神经网络模型预估的振动结果与实验测量振动信号可以看出,二者数据吻合较好,表明铣削虚拟仿真系统与神经网络技术的结合能够高效低耗地用于不同铣削加工条件下铣削振动状态的快速预估和加工过程监测.     

基于神经网络和支持向量机的电能质量组合评价

电能质量在当代越来越受到重视.根据电能质量的概述,提炼出电能质量评价指标体系,并基于组合评价的原理,运用BP神经网络和支持向量机对其进行评价,通过检验,证明了评价方法的有效性.     

基于区间值推理的模糊神经网络

在区间值模糊推理的理论基础上，提出了基于区间值推理的模糊神经网络。主要是将模糊逻辑规则利用神经网络来实现，给出了基于IVFR的FNN的结构以及通过两个模糊集的贴近度作为误差反馈的学习算法。     

基于神经网络和支持向量机的故障诊断

介绍了神经网络和支持向量机理论,对比分析两种理论的优缺点.通过试验,说明了神经网络和支持向量机在故障诊断中的应用方法,并通过改变学习样本数量,比较两种智能技术在故障诊断中的运用情况,验证了支持向量机在小样本情况下比神经网络具有更强的泛化能力.     

PSO-SVM与BP神经网络组合预测供水系统余氯的方法

针对余氯量在供水系统内非线性变化的特性,建立了PSO-SVM与BP神经网络组合模型对管网末端余氯进行预测分析。该模型通过粒子群优化算法（PSO）,对SVM的特性参数进行优化;采用BP神经网络对模型进行残差修正。通过对单一的BP模型和SVM模型、组合模型的预测精度进行分析。结果表明：组合模型预测比BP和SVM单一预测均方误差分别降低了62.30%、75.29%,平均相对误差降低了55.03%、54.27%。综上所述,该模型具有强大的非线性拟合能力,预测精度高,运行稳定性强,对供水企业控制余氯的投加量和设置二次加氯点有一定的指导作用。     

基于气象因素的PM2.5质量浓度预测模型

为得出拟合效果最佳的预测模型,建立了多元回归和机器学习预测模型对PM_2.5质量浓度进行预测。在输入气象因素的基础上,引入污染物质量浓度基础值和周期因素两类变量作为预测输入,并对4种预测模型进行对比研究。研究结果表明:对预测输入进行改进后,多元线性回归预测模型拟合优度由0.52提高至0.64,所选取的气象参数、污染物质量浓度基础值和周期因素能较好地描述PM_2.5质量浓度的日变化情况;与多元线性回归预测模型相比,BP神经网络和支持向量机两种预测模型能较好地捕捉PM_2.5质量浓度与预测输入之间的非线性影响规律,整体拟合优度分别达0.69和0.74,预测准确度较高;支持向量机预测模型可作为PM_2.5质量浓度预测的首选方法。     

基于关联神经网络的股票预测模型

通过关联分析从众多的技术指标中找到与日收盘价关联度较大的技术指标作为输入变量,利用BP网络较好的分类能力,结合国内股票市场的特性,对于个股中国首钢日收盘价涨跌的短期预测进行了初步的探讨。数值实验结果表明关联神经网络应用于中国股票市场的预测是可行和有效的,有着良好的前景。     

基于PSO-BP神经网络与PSO-SVM的抗乳腺癌药物性质预测

通过实验筛选研发新药的过程非常缓慢且需耗费大量的人力物力,而利用计算机辅助预测药物的分子性质可极大地节省药物研发时间和成本.因此,为了能够使抗乳腺癌候选药物对抑制ERα具有良好的生物活性和ADMET性质,针对收集到的1 974种化合物,首先利用随机森林分类器筛选出前20个对生物活性最具显著影响的分子描述符,并以此和pIC50值作为特征数据建立QSAR模型.其次,基于PSO优化BP神经网络对50个新化合物的生物活性值进行预测,模型拟合度为0.833 7,根均方误差为0.731 5,比优化前的BP神经网络预测值更贴合实际.随后为提高药物研发的成功率,依据已有的ADMET性质数据利用PSO优化SVM构建ADMET分类预测模型,算法交叉验证CV准确率达到94.076 7%,5个指标模型的预测准确率均在79%以上.结果表明,所建立的模型比基准模型的预测性能更好,采用的预测策略是有效的,可为抗乳腺癌药物的研发提供借鉴.     

基于BP神经网络的转炉炼钢终点预报

转炉内的温度极高，对终点温度和碳的含量很难及时、准确地测量，因此建立精确的温度和碳的预报模型十分重要.但转炉炼钢是一个非常复杂的很难用数学方程精确描述的高温冶金反应过程，传统的静态模型控制精度不高，命中率不很理想.为此提出了基于BP神经网络的转炉炼钢终点温度及碳含量的预报模型，以Levenberg Marquardt(LM)算法来训练网络，其算法是梯度法与高斯牛顿法的结合.仿真结果表明，预报精度高于传统的机理模型.     

基于BP神经网络的水处理污泥发热量预测

将BP网络与MATLAB软件相结合,建立了2个神经网络模型,通过权值初始化、输入学习样本、计算各层的输出、求各层反传误差、记录已学习过的样本个数、按公式修正各层的权值或阈值等步骤,分别根据水处理污泥的工业分析和元素分析对其发热量进行预测,比较分析了预测发热量与实测发热量的绝对偏差、相对偏差,评价了均方误差和相关系数.结果表明,该方法适合于水处理污泥发热量的预测,且优于经验公式.     

基于神经网络的PMLSM建模

永磁直线同步电动机 (PMLSM)是直线电机驱动的垂直运输系统的核心 ,它的模型的建立对于整个系统的控制与运行分析具有重要的意义 .利用BP算法 ,用C语言编制程序 ,实现了一个单输入层单输出层 4隐含层的神经网络 ,并用实验数据对网络学习训练 ,建立了PMLSM的模型 .通过实验验证 ,该模型的输出结果与实际结果十分接近 ,能够反映PMLSM的基本运动特性 ,因此这种模型可以作为PMLSM的仿真模型进行控制和运行特性的仿真研究 ,并且在进行控制时可以把这种模型作为系统的辩识模型进行预测控制 ,使控制效果更好 .这种模型的建立将为PMLSM的研究开辟出一条新路     

改进支持向量机的管网状态模型

为了解决供水系统优化调度的管网模拟问题，提出了一种基于改进支持向量机（SVM）的宏观关系模型.利用支持向量机推求管网节点水头和供水泵站供水量、供水压力的非线性关系.考虑了样本数量的不平衡性，引入权重因子.在结构风险最小化准则的目标函数中适当加大峰值和谷值样本误差的权重.还考虑了模型参数选择问题，建立了能应用于实际预测的参数选择方法.经杭州市实例计算表明：改进的支持向量机算法提高了测点在峰值压力和谷值压力时的拟合精度，模型95%以上测压点数据的相对误差都在±5%以内，4个测点的平均绝对百分比误差分别达到0.96%, 0.99%, 1.86%和2.06%.     

基于BP神经网络的阴极射线管显示器标定模型

为了精确标定阴极射线管（CRT）显示器，应用分光光谱辐射计1980B采集计算机控制的CRT显示器色度数据，建立了经过三通道输出整合优化的前馈BP神经网络CRT显示器标定模型.该模型是CRT显示器的红、绿、蓝3个通道的亮度等级值和颜色三刺激值之间的非线性映射.神经网络的预测颜色三刺激值与测量颜色三刺激值之间的决定系数均大于0.999 9，两者之间的CIE色差均值为0.409 7，标准差为0.332 3，远小于最小颜色可觉差.该模型的标定色差显著小于CIE伽马校正标定模型的标定色差（CIE色差均值为4.695 5，标准差为3.533 0）.     

嘉陵江北碚站含沙量变化趋势的神经网络模型分析

利用前馈神经网络模型和自适应调整学习率的反向传播算法,分析处理了嘉陵江流域北碚水文观测站30多年的实测数据,对未来几年含沙量变化的趋势进行了非线性预测,并讨论了隐层神经元个数以及迭代的误差标准等参数的最优选择问题.     

BP神经网络在建筑工程估价中的应用

在建设项目管理中前期工程估价是一项十分重要的工作，根据神经网络的原理和工程造价估算的特点，通过研究工程造价的构成，特别是建筑工程结构和主要分项工程的特征在工程造价中所起的作用，确定了7个主要因素，作为神经网络的输入变量，提出了基于BP神经网络的工程估价模型．共收集了20个住宅工程估价实例，其中18个作为训练样本，2个作为检测实例，经测算其精度基本可以满足实际工程投资估算的需要．因此，神经网络在这方面有很好的应用前景．     

基于LS-SVM和BP神经网络组合模型的GPS高程拟合

提出了最小二乘支持向量机（LS-SVM）与BP神经网络的最优加权组合模型。通过实测数据对比分析了LS-SVM、BP神经网络、基于总体最小二乘算法（TLS）的二次多项式曲面拟合和最优加权组合模型的精度,结果表明最优加权组合模型的精度优于其他模型。     

基于BP神经网络的变压器故障诊断及其应用

针对电力变压器故障的特点以及传统故障诊断方法在变压器诊断应用中的局限性,研究一种基于BP神经网络算法的变压器故障诊断方法．通过选择足够的故障样本训练神经网络,达到变压器故障诊断的要求,并通过实例证明本算法的有效性．