基于粒子群优化的BP神经网络预测方法及其应用研究

本文提出了一种基于粒子群优化的BP神经网络预测方法.该方法利用粒子群优化算法全局搜索BP神经网络的权值和阈值,并利用优化后的BP网络建立预测模型对经济指标进行预测.仿真实验结果表明,该方法克服了传统BP神经网络本身所存在的局部最小值和训练速度慢等不足,能够较好应用于定量经济指标预测,有效提高了预测的精度.     

基于Elman型回归神经网络的公交客流预测

文章将动态回归神经网络(Elman)预测方法应用于城市公交客流量的预测, 通过对合肥市公交量的历史数据分析得到公交客流量的时间序列,将时间序列视为一个从输入到输出的非线性映射,对网络进行学习与训练仿真实验,并与BP神经网络输出结果进行了比较,并对网络模拟结果和历史数据进行了线性回归分析,求得一定的相关系数.结果表明,应用Elman神经网络方法比BP神经网络对公交客流量进行短期预测,预测精度高及效果好.     

人工神经网络在潮汐短期预测中的研究

本文介绍了运用Matlab神经网络工具箱进行BP神经网络设计的基本方法与过程,并将BP网络模型引入到海洋潮汐预测领域,根据黄海海域某短期验潮站观测数值,构建并选用合适的BP神经网络建立了海洋潮汐短期预测的神经网络预报模型。计算结果表明,BP模型应用于潮汐预报具有较高的预测精度和良好的泛化能力,它为海洋潮汐预报工作提供了一种全新的思路和方法。     

改进粒子群优化 BP 神经网络的洪水智能预①测模型研究

该文提出改进的PSO-BP算法在洪水预测应用中建立预测模型.以BP神经网络为基础,提取观测站往年平均径流量作为洪水属性.采用改进的PSO-BP算法对神经网络的各个参数进行优化,最后建立模型应用于流域观测站的洪水预报模型,叙述了PSO粒子群算法和BP神经网络算法,详细阐述粒子群算法优化BP神经网络的权值和阈值,得出最优的BP神经网络预测适应度值.通过实验仿真对比,结果表明此方法预测结果比BP神经网络算法和混沌径向基神经网络模型算法精度更高,提高了预测的效率.     

BP神经网络用于停车场空余泊位的预测研究

采用BP神经网络,对停车场的空余泊位数量进行了预测,并针对BP神经网络训练过程中易震荡、收敛速度过慢和容易陷入局部最小的缺点,采用BP动量法与调节学习速率相结合的方法对其进行改进.通过仿真验证了BP神经网络对停车场空余泊位数预测的有效性,为区域的停车诱导提供了依据.     

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.     

基于小样本数据的BP神经网络建模

针对小样本条件下BP神经网络存在预测精度不高的问题,将专家知识融入BP神经网络训练过程中解决此问题。首先BP神经网络通过遗传算法获得最优初始权值和阈值;其次对专家知识进行数学表达;最后通过增广拉格朗日乘子法将专家知识融入BP神经网络训练过程中。利用实际中的结晶动力学问题对所提方法进行验证。仿真结果表明,与现有的解决小样本问题的方法相比,融合专家知识的BP神经网络在小样本条件下可以有效提高预测精度。     

基于遗传算法径向基神经网络的交通流预测

为提高径向基（RBF）神经网络预测模型对交通流预测的准确性,提出了一种基于遗传算法优化径向基神经网络的交通流预测方法。利用遗传算法优化径向基神经网络的权值和阈值,然后训练RBF神经网络预测模型以求得最优解,并将该预测方法与RBF神经网络和BP神经网络的预测结果进行对比。仿真结果表明,该方法对交通流具有较好的非线性拟合能力,预测精度高于径向基神经网络和BP神经网络。     

新息灰理论在不确定性系统故障预测中的应用

结构复杂性、运行环境独特性和诱发故障多源性大大增加了现代设备系统的不确定性,从而导致能够反映设备系统主要特征的数据较少。针对不确定性设备系统贫信息的特点,将新息灰预测方法应用于设备系统运行状态的预测。仿真研究给出了基于新息灰理论的工业实例建模过程和故障预测结果,并与BP神经网络方法的计算结果进行比较,验证了新息灰预测方法的有效性与实用性。     

启发式神经网络在异步电机矢量控制速度估计中的应用

研究了三相感应电机矢量控制系统中的速度估计部分,引入了BP神经网络进行预测控制.在分析其数学模型之后,针对神经网络输入与输出频率存在的不匹配情况,通过改进BP神经网络解决黑箱问题时的输入参数,使用启发式算法对网络的输入参数进行预处理,取代了以电机定子电压电流参数作为训练输入的方法.仿真研究表明,该改进方法具有良好的跟踪性能与静动态性能,且具有更小的超调量.     

神经网络仿PID参数自适应控制器及其应用

介绍了基于BP神经网络的仿PID自适应控制器，给出了控制算法，推导了基于变形Elman网络的系统辨识算法，仿真及应用表明此方法是可行的。     

神经网络LM算法在X射线探测器中的应用

介绍了1种探测X射线分布和剂量的方法.采用BP神经网络拟合图像灰度值与照射量率的关系曲线,实现了探测器的标定.分析了直接用CMOS图像传感器探测X射线的原理.探讨了神经网络参数选取的方法.利用LM算法优化BP神经网络,得到较为精确的拟合曲线和误差曲线,并且用测试数据验证该系统的误差性能指标.实验证明该算法能够较为精确的测量辐射的剂量信息,可应用于X射线探测器的标定.     

基于BP神经网络的挖掘机智能故障诊断知识库设计

介绍了基于BP神经网络智能故障诊断技术在贵阳矿山机器厂O.8m3.液压挖掘机故障诊断系统应用中系统故障诊断神经网络知识库设计的方法与步骤,结合液压泵子系统故障诊断实例详细阐述了智能故障诊断故障库设计过程中神经网络建立、训练样本获取及神经网络学习的具体方法.     

基于BP神经网络的变压器故障诊断

针对变压器故障类型的特征,结合油中气体分析法及三比值法,应用BP神经网络对变压器进行故障诊断。根据BP神经网络的概念、结构和算法原理,探讨了不同隐含层的神经元个数对神经网络训练性能的影响。通过对仿真结果的分析与测试,结果表明BP神经网络对变压器故障诊断具有较好的应用效果。     

自适应神经模糊推理系统和BP网络对污水溶解氧实时预测的比较研究

为了对污水处理生物过程中曝气池内溶解氧进行准确的实时预测,分别应用自适应神经网络模糊推理系统(ANFIS)和BP神经网络建立了针对曝气池溶解氧的预测模型,并进行了对比研究。结果表明,用自适应神经模糊推理系对曝气池溶解氧的预测,在模拟误差和收敛性方面,均好于单纯的BP神经网络。     

基于RBF神经网络的复杂系统的建模与优化

针对BP神经网络算法在用于函数逼近时,存在着收敛速度慢、易陷入局部极小的不足,提出基于RBF(径向基函数,Radail Basis Function)神经网络的建模与优化方法,并以典型复杂系统联合制碱工业过程为例,利用神经网络算法的强大学习能力建立RBF神经网络模型,并进行优化研究。以联合制碱工业过程中的煅烧工段为例进行了仿真研究,仿真结果显示RBF神经网络的优越性,效果令人满意。     

基于BP神经网络和AHP的软胶囊滴丸产品质量软测量建模

为了解决软胶囊滴丸产品质量控制系统的建模问题,文中提出了一种基于BP神经网络和层次分析法（AHP）的二级软测量建模方法．首先详细分析了软胶囊滴丸生产过程质量控制的性能要求和影响产品生产过程质量的因素,给出软胶囊滴丸产品的二级层次结构质量指标体系和操作变量;在此基础上,利用BP神经网络进行建模,获得以工艺参数为输入,以各二级质量指标为输出的软胶囊滴丸生产过程质量子模型;然后,用AHP确定各二级指标的权重,最终建立软胶囊滴九生产过程质量控制的二级软测量模型．仿真实验结果表明了该方法的有效性．     

数据挖掘在安钢电极预测建模中的应用

从安钢电极控制的实际应用出发,应用数据挖掘技术建立了电极预测模型并应用于电极控制系统的参数整定.首先介绍了建立电极预测模型的数据挖掘过程;然后在数据挖掘算法中提出了一种新的变结构遗传Elman网络方法,该算法用改进的混合遗传算法对网络结构和权值及自反馈增益同步动态寻优.将基于BP算法的Elman网络和本文提出的变结构遗传Elman网络都应用于安钢交流电弧炉的电极预测模型中进行比较.通过基于安钢现场数据的计算机仿真实验表明:采用变结构遗传Elman网络的数据挖掘算法比BP算法具有更好的动态性能、更快的逼近速度和更高的精度.在此基础上,把建立的模型应用于安钢电极控制系统的参数整定,取得了良好的控制效果.     

基于WNN的双目摄像机标定方法

针对传统摄像机标定方法需要建立复杂的数学模型,且计算量大、实时性不好的问题,引入了人工神经网络来有效处理非线性映射问题,准确地建立起立体视觉中三维空间特征点与它在图像平面上像点之间的非线性关系;但现有的神经网络标定法仍存在实时性差、标定精度不够、泛化能力差的缺点,于是该文提出了一种基于小波神经网络（waveletneuralnetwork,WNN）的方法,同时用粒子群优化算法对学习算法进行改进,并对小波网络与BP网络的标定结果进行比较．实验结果表明,基于小波神经网络的双目视觉标定方法能够达到较高的实时性、标定精度和泛化能力的要求．