基于GIS和人工神经网络技术的开采沉陷预计建模方法

探讨了GIS支持下利用人工神经网络技术进行开采沉陷定量预测的方法和思路，完成了影响因素的选取、数据处理、开采沉陷初始预计模型的建立及验证。数据处理由GIS软件完成，采用BP神经网络训练方法对开采沉陷系统进行建模；进而结合验证结果，对误差进行了定性分析。研究结果表明，利用GIS支持下的神经网络模型对复杂的开采沉陷系统进行模拟预测，具有理论上的可行性和现实意义。说明GIS和人工神经网络技术在开采沉陷预计领域中具有广阔应用前景。     

开采沉陷反分析的神经网络方法研究

建立了沉陷反分析的神经网络模型,并用基于正交试验获得的训练样本对网 络进行学习,以此训练好的神经网络模型来描述岩体力学参数与开采沉陷之间的关系,利用反演结果,建立拉格朗日快速计算法(FLAC)模型,对地表沉陷进行预测,其预测结果是令人满意的。     

基于小波神经网络的风速预测及置信区间估计

小波神经网络是在小波变换理论和人工神经网络的基础上建立的一种新型网络模型,综合了两者的优点,克服了BP神经网络易陷入局部极小点和训练速度慢的缺点.本文建立了小波神经网络模型,采用最陡梯度下降法训练网络,将该网络用于对风电场小时风速的预测,并对预测置信区间进行计算.预测结果表明小波神经网络在训练速度和预测精度方面均优于BP神经网络.     

BP神经网络在围岩变形预测中的应用

利用神经网络，建立了围岩变形预测的BP神经网络模型，采用围岩变形的实测数据对网络进行了训练，以此训练好的BP神经网络对围岩变形进行了预测。预测结果表明，该模型具有很高的预测精度，为预测围岩变形提供了一种新的方法。     

基于GA-BP神经网络与敏感性分析的带钢厚度预测

为提高带钢厚度预测精度,构建了融合GA-BP神经网络和敏感性分析的T-GA-BP预测模型。首先通过循环迭代方式确定较优的BP神经网络隐含层的层数与节点数,再采用遗传算法对BP网络的权阈值进行优化。在此基础上,利用Tchaban算法进行敏感性分析,研究输入层中各工艺参数对带钢厚度的影响程度,筛选出重要参数作为新的输入样本来训练T-GA-BP神经网络模型,以降低网络复杂度。采用实际生产数据进行测试,结果表明,T-GA-BP模型的带钢厚度预测精度要高于BP、GA-BP、RBF、Elman神经网络等其他优化模型。同时,工艺参数敏感性分析结果可为轧制工艺调控方案的制定提供参考。     

Matlab-NNTool在旋光实验中的应用

旋光实验中,采用BP神经网络模型进行蔗糖浓度定标.在Matlab6.5环境下,借助NNTool完成训练、测试.对未知浓度蔗糖溶液进行预测,将预测结果与最小二乘法拟合值作比较,并讨论了隐含层神经元个数对BP神经网络预测精度的影响.     

基于灰色理论与BP网络的负荷预测

针对用BP神经网络进行预测时权值难以确定的问题,提出了一种基于将灰色理论与BP神经网络相结合的预测算法。采用数量研究法,选取重庆市某供电局1999年到2006年的售电量作为样本,利用不同的灰色模型对样本进行预测,再选出预测的最优值对BP网络进行训练,最后用已训练好的BP网络对样本数据进行预测。经实例预测表明:灰色理论与BP网络相结合的预测精度与单一的预测模型相比有了明显的改进,该算法在理论和实践应用中都是可行的,并为电力部门的生产运行和规划提供了重要的参考。     

基于遗传算法的RBF神经网络非线性时间序列预测

提出一种基于遗传算法和RBF神经网络相结合的时间序列预测模型,克服了单个神经网络在非线性时间序列预测中容易陷入局部极小值及网络训练速度缓慢的问题.以居民消费价格指数数据进行训练和测试,与传统的BP神经网络预测模型相比较,该模型的预测精度是令人满意的,数值模拟证明了该方法的有效性和可行性.     

开采地面沉陷预测的自适应神经模糊推理方法研究

现行各种开采地面沉陷预测方法均存在着一个共同的缺陷,均不能在集成以往开采地面沉陷工程实 例的基础上对某一地下采矿工程所引起的地面沉陷进行预测,而只能根据某种物理的或力学的方法对其进行预 测。人类在工程实践中所创造的开采地面沉陷方面的经验是非常宝贵的财富,应当在建立开采地面沉陷预测方 法时加以充分利用。以所收集的开采地面沉陷工程实例为基础现行各种开采地面沉陷预测方法均存在着一个共同的缺陷,均不能在集成以往开采地面沉陷工程实 例的基础上对某一地下采矿工程所引起的地面沉陷进行预测,而只能根据某种物理的或力学的     

基于优化的GA-BP及其在葡萄酒质量预测的应用

针对BP神经网络模型在输入时因随机产生的权值和阈值导致模型的训练精度不高、泛化能力不强的问题,提出一种基于自适应遗传算法优化BP神经网络的方法.遗传算法在寻优方面有很好的效果,采用遗传算法优化BP神经网络的权值和阈值来提高模型的训练效率,并对神经网络的学习率进行优化,建立GA-BP网络预测模型,用于葡萄酒质量预测.结果...