基于遗传神经网络的环境质量评价系统

基于遗传神经网络的环境质量评价方法是用遗传算法和BP算法相结合的混合算法来训练环境质量评价神经网络预测模型的权值,即先通过遗传学习算法进行全局训练,再用权重调整BP算法进行精确训练,这一算法克服了BP算法收敛速度慢、易陷入局部极小等缺陷,环境质量评价实例证明提高了预测精度.又将三种评价方法的评价结果进行对比,得到该方法的评价结果比传统的专家评价法的评价结果更加准确.因此该方法也为环境质量评价提供了一种新的研究思路和分析方法.     

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BP神经网络的环境质量评估

利用人工神经网络对地区综合环境质量进行了评价,提出了基于BP人工神经网络、以Matlab为平台的算法程序的人工神经网络环境质量分类模型．并以某地区环境监测数据值为样本,进行了环境质量评价分析．研究结果表明,BP神经网络应用于环境质量评价无需构建复杂的参数方程,且具有基于知识学习的特性,结构简单实用,具有客观性和通用性．     

城市环境质量的BP网络综合评价

人工神经网络已广泛用于模式分类与识别等问题，而城市综合环境质量评价是多因子组合的模式判别问题．采用二级 Ｂ Ｐ 网络构造城市综合环境质量评价模型，该模型应用于四川省 １６个城市的环境质量综合评价和排序，研究结果表明， Ｂ Ｐ网络用于环境质量综合评价具有通用性、客观性和实用性．     

高边坡施工期变形预测遗传神经网络模型

基于BP网络存在的不足,将遗传算法引入到BP网络模型中,建立了高边坡施工期相邻层开挖暂停阶段变形预测遗传神经网络模型,对边坡时效变形进行预测,并对预测的结果进行检验,结果表明模型取得较好的预测效果,可供类似工程参考使用.     

基于遗传神经网络的纱线质量预测

针对基于单一BP神经网络的纱线质量预测模型的不足,提出了一种基于遗传算法优化的神经网络的纱线质量预测模型,采用遗传算法完成对神经网络权值和阈值空间的寻优搜索,以提高神经网络的收敛速度和获得全局最优解的能力.通过试验表明,基于遗传算法优化的神经网络可以提高纱线质量预测模型的精度和稳定性,其性能优于基于单一BP神经网络模型的纱线质量预测.     

基于遗传BP神经网络的非平稳时间序列预测

BP网是神经网络时间序列预测方法中最常用的网络。针对BP算法局部搜索能力强,而遗传算法全局搜索优势突出的特点,将二者结合构造遗传BP神经网络,用于非平稳时间序列预测。仿真结果表明,该混合算法不仅提高了学习效率,而且对太阳黑子数预测的准确性高于BP算法、传统统计学预测方法。     

基于遗传优化神经网络的铁路客运量预测研究

采用遗传优化的BP神经网络对铁路客运量的现有数据进行分析,克服了BP网络极易陷入局部解问题,做出合理的客运量预测.首先用遗传算法优化神经网络的连接权, 并在遗传进化过程中保留最优个体的方法,选择权值的最优解来建立遗传优化的BP 网络预测模型, 最后通过铁路客运量数据预测结果的对比仿真实验,表明了该方法的有效性.     

基于遗传神经网络的北京市能源可持续发展能力评价

为了对北京市1995-2006年间的能源可持续发展能力进行评价,找到影响能源可持续发展的主要因素,利用国际原子能机构2005年开发完成的可持续发展能源指标体系,建立了包含16个指标的北京市能源可持续发展指标体系,将遗传神经神经网络模型应用在能源可持续发展评价中.结果表明:除1997年之外,北京市的能源可持续发展水平整体呈现上升趋势:能源消费结构对能源可持续发展的影响最大,大气污染的影响次之,能源利用效率的影响最小.利用遗传神经网络模型评价能源可持续发展能力,是一种有效的方法.     

基于遗传神经网络的冷连轧机轧制压力模型

对鞍网冷轧厂四机架冷连轧机轧制压力模型进行了认真分析,指出了其存在的缺陷,把遗传算法（Ｇｅｎｅｔｉｃ Ａｌｇｏｒｉｔｈｍｓ,简称ＧＡ）和神经网络有机结合,设计出了具有遗传算法性能参数优选、网络结构参数优选、网络性能参数优选以及ＧＡ－ＢＰ算法联合进行网络权值修改几种功能的遗传神经网络,建立了基于遗传神经网络的新冷连轧机轧制压力模型,通过原模型计算值、新模型计算值与实测值之间的对比分析可知,遗传神经网     

LM神经网络在环境质量评估中的应用

环境质量评估与社会、经济、管理等各个领域紧密相关,是一个多目标、多层次、多因素的复杂系统工程。神经网络可实现非线性关系的隐式表达,据此提出基于Levenberg-Marquardt神经网络的环境质量评估方法,并用MATLAB实现模拟计算。结果表明,该方法不仅简化了评估过程,而且稳定、快捷,预测结果精度较高。     

基于遗传神经网络的地震综合预测系统研究

提出利用遗传神经网络技术对地震预测建模,其基本思想是利用遗传算法具有全局搜索能力、不易陷入局部极小点的特点优化神经网络的权重和阈值,利用优化的神经网络挖掘地震前兆异常属性和震级之间的潜在的关系,从而实现地震预测.并选取了《中国震例》中的97个样本数据进行实验,震例验证的结果表明,遗传神经网络算法用于大地震综合预测效果较理想.     

基于隶属度-遗传神经网络模型的水质综合评价

针对水质综合评价问题,提出了基于隶属度-遗传神经网络的水质综合评价模型.水质综合评价模型对反向传播神经网络初始权值和阈值用遗传算法优化,并将隶属度的概念引入遗传神经网络,以便确定水质污染影响因子和水质等级.以苏帕河梯级电站水质监测数据为例,对该模型进行了测试,并与其他方法进行了比较.结果表明,该方法提高了运算精度,减小了全局误差,均方误差降低至6.337 14×10-5,用于水质综合评价合理、准确,有其独特的优越性.     

基于模糊神经网络的水质评价模型研究

将模糊系统与神经网络结合,提出了一种水质评价模型.根据水质评价过程,采用5层结构的FNN,且使用自适应学习步长以加速网络收敛速度.该模型具有推理过程清晰,泛化能力强的特点.为了验证该算法的性能,进行了仿真试验,结果表明:和常见的方法相比,该模型的评价结果更为准确.     

基于遗传算法的神经网络分类器优化设计

依据神经网络分类器的设计原理，设计了一种有效的遗传算法，实验结果表明：算法优化后的神经网络分类器不但学习速度快，还能保证分类精度．     

基于改进小波神经网络的大气质量评价模型

为了缩短人工神经网络的训练时间、减少迭代次数和提高输出结果的准确率,将小波基函数应用于人工神经网络,并用专家评分后归一化处理的方法对输入层的权值初始值进行优化,建立了优化的小波神经网络模型。将该模型对井冈山区域2012年大气监测数据进行评价,实验结果表明:经过优化的小波神经网络模型的评价精度较高。最后与将该模型与其它评价方法相比,该模型还具有计算快速、评价客观、可靠性强、效率更高的特点。     

基于BP神经网络的教材质量评价研究

教材质量评价是教材管理工作的关键环节。为了对教材质量进行科学有效地评价,提高评价工作的效率,建立了基于BP神经网络的教材质量评价模型。经过BP神经网络的构建、训练和分类等主要工作,建立了一个具有较高准确率的教材质量评价模型。通过分析结果表明,该模型能够科学和高效地评价教材的质量,具有较高的实用性。