日径流预报贝叶斯回声状态网络方法

回声状态网络（ESN）相比传统递归神经网络,具有模型简单、参数训练速度快的特点．针对标准ESN因常采用线性回归率定模型参数容易出现过拟合问题,提出了基于贝叶斯回声状态网络（BESN）的日径流预报模型．该模型将贝叶斯理论与ESN模型相结合,通过权重后验概率密度最大化而获得最优输出权重,提高了模型的泛化能力．通过安砂和新丰江两座水库日径流预测实例表明,BESN模型是一种有效、可行的预测方法,与传统BP神经网络和ESN模型对比,进一步表明BESN模型具有更好的预测精度．     

基于ConvJANET的航空发动机剩余寿命预测及其不确定性量化

航空发动机技术是衡量一个国家科技水平和工业实力的重要标志,健康状态监测和剩余使用寿命(remaining useful life, RUL)预测技术是航空发动机安全服役、经济运行的重要保障.针对航空发动机RUL预测精度较低、不确定性难以量化的问题,本文提出了一种数据驱动的航空发动机RUL区间预测方法.首先,在ConvJANET框架下构建新的卷积-卷积循环-全连接结构的深度学习模型,逐层提取航空发动机监测数据中的退化特征;其次,利用极大似然思想指导神经网络模型的优化求解,并基于损失函数形式变化的策略训练模型,实现对航空发动机RUL的高精度预测与不确定性量化.将所提出的方法用于分析航空发动机退化数据集,结果表明,对比传统基于蒙特卡洛的方法,本文提出的方法具有更高的RUL预测准确率和更好的置信区间预测性能.     

基于BP神经网络方法研究岩石节理形貌粗糙度系数

岩石节理粗糙度系数(JRC)是研究岩石力学性质的重要参数。为了更准确地描述这一参数,本文基于人工神经网络的原理,提出一种研究JRC的新方法——BP神经网络预测法。选取节理表面最大峰高S_p、表面最大高度S_z、表面最大谷深S_v、峰度系数S_(ku)、偏斜度系数S_(sk)、均方根高度S_q、算术平均高度S_a7个表面形貌高度特征参数作为网络输入,剖面线分维值和JRC作为网络输出,以此为基础构建网络模型,并对10组实测数据进行了预测验证。结果表明:该方法误差很小,具有很高的预测精度,可为进一步的研究提供新的思路和方法。     

摩托车声品质评价的神经网络方法

针对声品质评价过程中线性回归模型评价结果的不足,采用BP神经网络对人的主观评价结果进行预测.采集摩托车在不同发动机转速下驾驶员耳旁的声信号样本,采用分组成对比较法进行主观评价试验,选取了响度、尖锐度、粗糙度作为神经网络模型输入参数,结合主观评价结果对模型进行训练与检验,并与线性回归模型输出结果进行比较.结果表明,选取驾驶员双耳响度、尖锐度、粗糙度作为模型输入能够较为准确地反映人耳对摩托车噪声的主观感觉.     

利用AR模型参数和BP神经网络辨识微震信号

利用AR模型参数和BP神经网络,针对矿山微震信号具有频带较宽、谱成分丰富的特性,提出了时不同频率范围的信号和噪声进行滤波处理的方法.利用该方法可将噪声与信号分离以及将不同频段信号分解,从而达到滤波的目的.实验结果表明,利用AR模型参数和BP神经网络能够有效去除微震异常信号的噪声,可应用于微震信号的预处理和微震预测.     

基于神经网络模型的紫外极光卵边界建模

极光卵的尺度大小和太阳风、磁层、电离层以及它们间的耦合过程有密切的联系,会随着空间和地磁环境的变化而变化.建立准确的极光卵边界预测模型对空间天气的预报以及了解日地关系具有重要意义.本文利用误差反向传播(back propagation, BP)神经网络和广义回归神经网络(general regression neural network, GRNN)两种神经网络模型对极光卵边界进行建模.结果显示GRNN的极光卵边界模型具有较高的准确性,赤道向边界预测平均绝对误差在0.77～1.20磁纬度(MLAT);极向边界预测平均绝对误差在0.83～1.39 MLAT.基于GRNN的极光卵边界模型预测准确性分别在极向边界和赤道向边界的整个磁地方时(MLT)上比BP神经网络的极光卵边界模型平均提高了0.74和0.73 MLAT,比多元线性回归模型平均提高了0.82和0.82 MLAT.而在模型的外推性方面, GRNN的极光卵边界模型的外推性优于BP神经网络的极光卵边界模型,与多元线性回归模型接近.     

基于干扰观测器的一类不确定非线性系统鲁棒自适应控制

本文利用干扰观测器和Backstepping方法,提出了一类不确定非线性系统的鲁棒自适应控制方案.首先,利用径向基神经网络(radial basis function neuralnetwork,RBFNN)设计干扰观测器,并通过对RBFNN参数的自适应调整来逼近系统干扰.基于干扰观测器的输出,采用Backstepping方法设计鲁棒自适应控制器.在所设计的鲁棒自适应控制器作用下,闭环系统所有信号达到半全局一致有界稳定.闭环系统稳定分析表明适当地选取设计参数可以确保所有系统状态是一致有界的.最后,仿真结果验证了所提出的鲁棒自适应控制方案的有效性.     

基于神经网络的递推分块方法求任意高阶多项式的根

提出一种新的基于约束学习神经网络的递推分块方法, 来分批(块)求解任意高阶多项式的任意数(小于多项式的阶)个根(包括复根). 同时给出了基于多项式中根与系数间的约束关系构造的用于求根的BP网络约束学习算法, 提出了对应的学习参数的自适应选择方法. 实验结果表明, 这种分块神经求根方法, 相对传统方法, 能够快速有效地获得任意高阶多项式对应的根.     

基于BP神经网络的杭州湾北岸水下地形遥感反演研究

基于BP神经网络模型,利用同一时期的遥感影像和实测杭州湾北岸海图资料,构建了影像灰度值和水深值之间的单隐层BP神经网络模型,用以反演杭州湾北岸水下地形。结果表明,与传统的统计模型比较,所建神经网络模型反演地形的精度达84％。由此可见,基于影像灰度值和水深值建立的BP神经网络模型在反演海岸水下地形方面具有较强的应用价值。     

基于RBF神经网络的风电机组独立变桨控制

由于风速的随机性、风电机组参数的时变性以及复杂的变桨系统引起的时滞性,随着风力机桨叶长度的不断增加,叶片受力拍打振动的情况越来越严重,同时造成输出功率不稳定.为改善风机变桨系统在运行区域内的动态性能,本文依据风力机空气动力学原理、风剪切特性和塔影效应,提出了基于径向基函数(RBF)神经网络自适应独立变桨距控制方法,采用RBF神经网络逼近变桨系统未知的非线性函数,通过Lyapunov方法导出神经网络自适应率,在线调整神经网络权值来改善独立变桨系统的动态性能,最后通过设计风电机组的独立变桨控制模型进行相关实验,证明基于RBF神经网络自适应独立变桨控制系统具有良好的动态性能,可以有效稳定输出功率,降低桨叶、轮毂、机舱、塔架等风电机组关键部件的疲劳载荷.     

激活函数可调的神经元模型及其有监督学习与应用

提出一种激活函数可调的新神经元模型(tunableactivationfunction,简记为TAF)模型,并给出这类模型的一般形式.该模型用于多层前向神经网络MFNN时,其激活函数可借类似BP算法进行训练而求得.通过几个具体例子给出了对激活函数进行训练的算法.试验结果表明,采用TAF模型的多层前向神经网络的网络容量和性能,优于采用通常M-P模型的网络.     

基于PCA和BP神经网络的采空区稳定性评价模型研究

针对采空区稳定性评价因素的复杂性和相关性特点,提出主成分分析(PCA)与BP神经网络相结合的采空区稳定性综合评价方法。经综合分析确定以工程地质因素、采空区赋存结构参数、采动因素3个一级影响因素为基础的评价指标体系,以此为基础构建了采空区稳定性评价的BP神经网络评价模型。以某大型铅锌矿山地下采空区为例,应用CMS探测系统获取采空区相关数据生成采空区3D实体模型,并根据BP神经网络训练出的计算模型对采空区稳定性的等级进行评价。研究结果表明:PCA和BP神经网络相结合的方法使输入变量由13个减少为5个,避免了由于变量相关性带来的影响,简化了评价过程,结果更加合理。现场探测结果与BP神经网络计算结果相互支持。     

基于拥塞控制与RS编码的自适应有效Internet视频传输

提出一种自适应拥塞控制与自适应RS(reed-solomon)编码差错修复相结合的有效Internet视频传输新方案. 针对Internet共享信道的QoS波动特性而设计的一个带有速率控制参数可调的自适应拥塞控制机制的视频流协议AVSP, 使视频传输具有对网络状况波动的快速反应特性和一定的TCP友好性. 在不增加系统总带宽的前提下, 与拥塞控制相结合的可变参数自适应RS编码MPEG视频传输差错修复, 有效地增强了Internet分组丢失差错环境下视频传输的鲁棒性.     

网络态势感知系统的告警阈值确定方法研究

在网络态势感知系统中需要对影响网络性能的各项指标设置阈值,通过设置阚值和阚值检查可以在网络出现性能问题时及时向管理人员告警.本文提出了一种利用BP神经网络来确定告警阚值的方法:在采集到的大量性能数据中选取典型值作为训练样本训练BP神经网络.输出该值隶属于各模糊区问的隶属度,最后利用检验样本找到各区间的分界点即为阈值.文章还利用MATLAB对BP神经网络进行了仿真实验,验证了该方法的有效性.     

基于PCA-EBP神经网络的煤炭物流成本预测

为了科学、准确地对煤炭物流成本进行预测,针对煤炭物流成本影响因素之间存在信息重叠以及BP神经网络对多噪声样本和小样本问题预测结果较差等问题,提出了一种PCA-EBP神经网络模型。将所建立的模型用于内蒙古SH煤炭生产企业煤炭物流成本实际预测。结果表明:模型最大误差为1.748%,最小误差为0.0728%,平均误差为0.972%,均好于径向基神经网络(RBF)和支持向量回归机(SVR),预测精度较高,能够满足煤炭物流成本预测的实际需求,验证了所提出模型的有效性和可靠性。     

基于FOA-GNNM的矿井突水水源判别

提高矿井突水水源判别的精确度是避免突水事故发生,保证矿山的人员和财产安全的重要基础。利用果蝇优化算法(FOA)对灰色神经网络(GNN)的参数进行动态微调,建立基于果蝇优化算法的灰色神经网络模型(FOA-GNNM)。选取某矿区水样的6组离子浓度作为判别依据,分别采用FOA-GNNM、BP神经网络和GNNM对矿井突水水源进行判别,并对上述三种方法判别结果进行对比分析。结果表明,FOA-GNNM水源判别结果精度更高。这为快速准确地判别矿井突水水源提供了一种新方法。     

基于BPNN的电液伺服扭振试验机PID控制算法研究

弹性轴类零件液压伺服扭转振动试验概在实验过程中,由于系统非线性及负载变化或干扰因素的影响,其控制系统参数及数学模型易发生改变,导致控制效果变差。针对该试验机的控制系统,提出了基于BP神经网络（BPNN）的PID自适应控制算法。利用MATLAB／Simulink工具箱对该算法进行仿真实验。结果表明：结合了神经网络特点的智能PID控制器具有响应快、精度高、鲁棒性好和抗干扰能力强等优点,改善了控制系统的动态性能。     

单张正面人脸图像的三维人脸重建方法研究

针对基于单张正面人脸图像进行三维人脸重建时所需脸部侧面深度信息缺失的问题,提出基于BP神经网络快速三维重建方法。通过建立BP神经网络估计出正侧面人脸数据的关系,从而由输入的正面数据得到侧面数据,并对BP算法做出改进,加速了算法的收敛,提高了拟合的精度。然后利用获取的人脸侧面数据调整CANDIDE-3人脸模型,生成近似图...     

基于Lyapunov-Elman的网络控制系统时延预测方法

网络控制系统中的时延是影响系统性能的重要参数,针对基于Internet的网络控制系统中时延预测问题,提出一种最大Lyapunov指数与Elman神经网络结合的预测方法.首先对时延序列进行相空间重构,得到嵌入维数与延迟变量,然后通过最大Lyapunov指数方法与Elman神经网络对时延分别进行一步预测,将两种预测方法的预测结果通过不同的权值系数进行叠加得到最终的时延预测值.最后针对权值系数的寻优问题,提出一种改进的自由搜索算法,其收敛精度与速度都优于标准的自由搜索算法.仿真实验表明,相对于其它预测方法,本文的基于Lyapunov-Elman的时延预测方法具有较高的预测精度与较小的预测误差.     

基于MATLAB的煤与瓦斯突出BP网络预测方法

影响煤与瓦斯突出的各种要素与突出现象之间的关系复杂,且具有明显的非线性特点.BP人工神经网络模型可以很好地逼近这种非线性函数关系.基于煤与瓦斯突出特征指标的分析,建立了合理的单隐层结构的BP预测模型,并利用MATLAB神经网络工具箱实现了模型的训练与预测,应用结果表明,这种突出预测方法具有很高的计算效率和预测精度.