基于BP神经网络的公路风吹雪雪深预测模型

公路风吹雪雪深预测作为国际雪冰学领域的研究热点和难点问题一直未能很好解决.以白茫雪山防雪走廊段安装的自动气象站和当地气象局提供的气象资料为基础,提取了对公路风吹雪雪深有影响的4种因素(降雪量、大气温度、风速和湿度)的指标值,建立了基于BP(back propagation)神经网络的公路风吹雪雪深预测模型.对研究区5次降雪过程中所记录的199组数据进行训练学习,用20组数据来验证建立的模型,验证结果表明20h累计雪深预测值的误差在10%以内,85%的雪深预测值误差在20%以内,因此所建立的模型具有很强的泛化能力和较高的精度.并对降雪量、大气温度、风速和湿度这4个因素进行了敏感性分析,表明雪深与降雪量成正比,与其他3个因素成反比,其中降雪量对雪深的影响最大,风速次之,湿度最小.     

滑带黄土振陷预测中的BP神经网络方法

目的针对陇海铁路沿线密集的黄土滑坡灾害,对其振陷系数提出一种新的预测方法。方法以滑带黄土动三轴试验资料为基础,运用MATLAB建立滑带黄土振陷的BP(error back propagationneural network)神经网络预测模型,并与多元线性回归方法建立的模型进行误差对比分析。结果BP神经网络模型预测的结果要比多元线性回归模型预测的更准确。结论滑带黄土振陷预测的BP神经网络模型是一种比较理想的预测方法,对黄土地区的滑坡稳定性评价和铁路地基沉降的分析具有重要的价值。     

放管服背景下科研项目经费预算管理控制研究

放管服政策的中心思想是简政放权,高效服务.事业单位科研项目资金是科技创新的经济基础,科技创新是引领发展的第一动力,因此,科研经费预算管理是科技管理体制改革的重点.本研究对林业科研事业单位科研经费管理存在的问题进行分析,并基于放管服背景提出相应的管理改革建议.     

考虑多种损坏构成特征的沥青路面预防性养护决策方法

由于沥青路面损坏构成的多样性,相同的路面状况指数(pavement condition index,PCI)可能代表不同的损坏组合.当多种损坏并存且损坏程度接近时,用PCI和主导损坏(最严重、扣分最多的路面损坏)难以得到具有针对性的养护对策.因此,通过对PCI的深入分析,明确了主导损坏代表性不足的路段,以现行预防性养护决策方法为基础,补充了一种考虑损坏构成特征、更具针对性的决策方法.以上海城市道路近5年的检测、养护数据为分析基础,首先利用有序聚类算法将路段按PCI水平分组,分析了不同阶段路面损坏构成和差异水平;然后,针对多种损坏并存且损坏差异不显著的路段,根据预防性养护的实施效果筛选了能够反映正确预防性养护经验的有效养护路段;最后,基于有效养护路段建立并对比分析了2个基于BP (back propagation)神经网络的养护决策模型.结果表明:当PCI水平介于优良(84.4～93.0分)时,不同损坏程度接近,主导损坏代表性不足;考虑多种损坏构成特征的BP神经网络模型表现出更高的决策精度,测试集决策正确率达86.20%,优于仅考虑主导损坏的模型(58.50%).BP神经网络与传统决策树...     

基于Cornell的自适应电离层闪烁强度的模型研究

针对Cornell模型在同一闪烁条件下,数据更新周期越长,估计和模型输入的幅度闪烁指数S4的偏差越大,并随着电离层闪烁的增强而增强的问题,提出基于Cornell模型的自适应S4的电离层闪烁模型即AS4-Cornell模型。模型以S4的偏差作为BP(back propagation)神经网络比例积分微分(proportional integral derivative, PID)算法的反馈,自动调整输入的复高斯白噪声的区段权值,使最终产生的闪烁信号满足模型输入的闪烁指数S4的指标。结果表明：仿真时,AS4-Cornell模型的幅度和相位闪烁序列概率分布均符合电离层闪烁理论,估算得到的电离层幅度指数S4与模型输入S4指数的最大偏差为0.001;全球定位系统(global positioning system, GPS)电离层闪烁模拟器测试时,AS4-Cornell模型估算得到的电离层幅度指数S4与模型输入S4指数的最大偏差为0.09;相比Cornell模型,AS4-Cornell模型产生的电离层闪烁信号更能够很好地反映模型输入的电离层闪烁指数S4的强度。     

考虑多种损坏构成特征的沥青路面预防性养护决策方法

由于沥青路面损坏构成的多样性, 相同的路面状况指数(pavement condition index, PCI)可能代表不同的损坏组合. 当多种损坏并存且损坏程度接近时, 用PCI和主导损坏(最严重、扣分最多的路面损坏)难以得到具有针对性的养护对策. 因此, 通过对PCI的深入分析, 明确了主导损坏代表性不足的路段, 以现行预防性养护决策方法为基础, 补充了一种考虑损坏构成特征、更具针对性的决策方法. 以上海城市道路近5年的检测、养护数据为分析基础, 首先利用有序聚类算法将路段按PCI水平分组, 分析了不同阶段路面损坏构成和差异水平; 然后, 针对多种损坏并存且损坏差异不显著的路段, 根据预防性养护的实施效果筛选了能够反映正确预防性养护经验的有效养护路段; 最后, 基于有效养护路段建立并对比分析了2个基于BP(back propagation)神经网络的养护决策模型. 结果表明: 当PCI水平介于优良(84.4~93.0分)时, 不同损坏程度接近, 主导损坏代表性不足; 考虑多种损坏构成特征的BP神经网络模型表现出更高的决策精度, 测试集决策正确率达86.20%, 优于仅考虑主导损坏的模型(58.50%). BP神经网络与传统决策树法结合能够优化沥青路面决策过程, 提高养护对策选取的针对性.     

基于遗传神经网络的混合气体识别研究

针对误差反向传播(BP)算法和遗传算法各自的优点和不足,提出了遗传算法优化神经网络技术:利用遗传算法的全局搜索能力,对神经网络连接权进行优化,以遗传算法优化的初值作为BP神经网络的初始权值,再用BP算法训练网络.优化后的BP网络其误差的递减速度和收敛速度都比标准BP网络快,而且对学习速率调整要求更少.将遗传神经网络应用于混合气体定量识别的训练中,得到的最大误差由20.7 %降为12.1 %,平均误差从5.4 %降为3.5 %,识别效果得到了提高.     

基于遗传神经网络的拉延筋参数辨识

拉延筋是板料冲压成形质量的一个重要影响因素,设计和布置拉延筋是冲压模具设计的关键。研究反映拉延筋成形效果的3个参数与拉延筋几何参数之间非线性映射关系,采用遗传算法优化的反向传播神经网络构建模型,并对模型进行参数辨识。仿真实验验证了此方法的有效性,可为拉延筋的设计提供帮助。     

基于遗传BP神经网络的双目相机手眼标定研究

为了提高固定双目相机手眼标定精度,文章提出了一种利用遗传算法优化的反向传播(back-propagation,BP)神经网络的手眼系统标定方法。分别将靶标在相机坐标系与机械臂坐标系下的坐标作为输入量与输出量建立BP神经网络标定模型,并针对BP神经网络模型存在易陷入局部极小值、收敛速度慢的缺点,引入遗传算法来优化BP神经网络的初始权值和阈值。实验结果表明:与BP神经网络模型和传统的多元线性回归拟合模型相比,经遗传算法优化后的BP神经网络模型能显著降低标定误差,加快收敛速度;遗传BP神经网络模型样本预测结果与实测值之间的距离平均误差为1.712 6 mm,优于BP神经网络模型的平均误差2.400 2 mm和线性回归模型的平均误差3.377 1 mm。     

试论高校科研项目经费的管理

科研项目是高校综合科技实力和水平的重要标志,是促进高校学科建设与人才培养、提高学校声誉和地位的重要保证,是高校教育经费重要资金来源之一,也是高校资金核算的重要内容之一。但是,目前高校科研项目经费在管理上还存在许多漏洞,科研项目经费作为高校重要的资金来源,事关高校和国家科技创新能力的提高,随着高校承担的科研项目的大幅增长,加强高校科研项目经费管理刻不容缓。     

基于BP神经网络的政府投资工程委托代建风险分析与评价

代建制是目前各地正在探索的一种新型建设管理模式，它能有效地实现投资、建设、管理、使用职能四者分离的目标．本文对政府投资工程实施代建制的风险来源进行了分析，建立了三层前馈神经网络模型，根据BP算法调整其权值和阀值，进行系统训练并结合输入数据，最终得到风险估计系数，以输出值作为决策依据，为政府投资工程的风险分析提供了一种结合现代算法的新思路．     

基于遗传算法-BP神经网络的径向式导叶多级泵水力性能优化

针对径向式导叶多级泵内部流动状态复杂多变而导致其水力性能曲线难以精确测量的技术难题,采用遗传算法(ge-netic algorithm,GA)迭代优化反向传播(back propagation,BP)神经网络的权值与阈值,构建了基于GA-BP神经网络的径向式导叶多级泵水力性能预测模型,以MD500-57型径向式导叶多级泵为研究对象,建立了输入层为13个神经元、隐含层为10个神经元、输出层为2个神经元的GA-BP神经网络,采用正交试验方法设计了试验参数的正交试验方案,运用数值模拟计算方法对正交试验方案进行求解,获得了试验参数的训练样本,并对神经网络进行训练与测试,计算了过流部件关键几何参数的最优组合方案.试验结果表明:优化后该多级泵在设计工况下扬程增加了2.4 m,效率提高了3.34％,且高效区范围变宽.     

采用NGA优化的新型BP神经网络模型及诊断应用

针对传统BP神经网络模型收敛速度慢、易陷入局部极小点、网络结构不稳定等缺陷,提出了一种小生境遗传算法优化的BP神经网络模型。该模型充分利用小生境遗传算法的搜索能力和BP神经网络的非线性映射和学习联想能力,通过小生境遗传算法的选择、交叉、变异及小生境淘汰等操作,优化BP神经网络的初始权值和阈值,并采用BP算法对网络进行训练。有效解决了网络初值不合理的问题,提高了网络收敛速度、稳定性。最后结合变压器故障诊断实例。在Matlab7.0平台上进行仿真实验。实验结果证明:与传统方法相比,该模型具有很强的可行性和有效性。     

BP神经网络在字符识别中的设计改进

BP网络模型是最早被提出来的人工神经网络模型之一,它是一种简单而且非常有效的算法.在数字字符识别系统中,为了克服BP神经网络的易陷入局部极小、收敛速度慢等缺点,本文对传统的BP算法进行了多方面的改进,使得算法更加有效.     

遗传算法优化BP神经网络的专家自动诊断模型

随着计算机信息化和人工智能的发展迅速,专家自动诊断疾病系统成为各界关注的焦点。卵巢癌是严重威胁妇女健康的恶性肿瘤之一,而且目前无有效的筛选方法和特异的诊断方法。BP人工神经网络因其具有分布式信息存储方式、自适应能力、强大的容错性和非线性处理能力,能有效地对疾病进行筛查和诊断。该文采用遗传算法来优化改进BP算法得到GA-BP算法,通过遗传和变异操作对BP神经网络的初始权值和阈值进行优化,不断更新选择,使得网络的系统总误差趋于最小,构建出卵巢癌诊断模型。采用Matlab2013、VC++编程和统计软件SPSS.18等工具来实现专家自动诊断的人工智能模型,并通过计算机仿真和预测进行检验。     

基于BP神经网络的装备智能故障诊断技术 研究

针对某装备故障诊断中多故障原因和多故障征兆的复杂对应关系,本文在分析其故障模式复杂性的基础上,设计了该装备基于BP神经网络方法的智能故障诊断模型,介绍了该模型具体实现过程中的关键技术,并通过仿真实验对模型性能进行了分析。     

基于BP神经网络的课堂教学质量评价系统

课堂教学质量在很大程度上决定了学校的教育质量,其评价体系的构建成为教学督导工作的重要环节。本文将BP神经网络用于课堂教学质量评价中,以重庆工商大学的教学督导专家评教情况为例,构建了课堂教学质量评价模型。通过MATLAB仿真,结果表明该评价模型可以克服人为的主观因素,并且得到满意的评价结果。为学校构建科学合理的内部质量保障体系提供了一种新方法。     

基于遗传神经网络的天津滨海新区人才竞争力评价

在借鉴国家和城市人才竞争力评价方法的基础上,构建了独立的区域人才竞争力评价指标体系,对我国环渤海经济圈、长三角和珠三角地区的重要区域进行了人才竞争力评价的实证研究。用MATLAB网络环境建立基于遗传算法的BP神经网络模型评价模型,对我国三大经济圈内5个重要区域的人才竞争力进行了测算和排序,明确了滨海新区人才竞争力水平,为提高滨海新区人才竞争力水平提出对策建议和措施。     

基于BP神经网络自学习的双目视觉系统的研发

在摄像机标定的过程中,深度信息的丢失,摄像机镜头的畸变以及图像处理时误差等因素都影响标定的精度．本论文采用BP神经网络的自学习的性能,开发出一套双目视觉系统．以匹配点在左、右图像的坐标为网络的四路输入,通过网络得到三路输出,性能指标为该对应点在世界坐标系的坐标和网络输出的差值的平方和,根据梯度下降法来调整各神经元之间的连接权值,求得网络达到给定的误差时的各节点问权值．这样,双目视觉系统两个摄像机的投影矩阵可以用神经网络的权值与激发函数来代替,完成系统的标定．最后对系统进行精度分析．     

一种优化 BP 神经网络训练样本的方法

BP神经网络训练样本的选取对网络的泛化能力有较大的影响,特别,怎样从高维大样本数据中选取合适训练样本是一个难点。本文运用因子分析法对大样本数据进行预处理,再利用分析所得的公因子进行聚类分析,这样既可以降低指标的维数,也可以减少样本的数量。实验证明,该方法简化了网络结构、加快了网络的收敛速度,对提高网络的泛化能力有一定的帮助。