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。     

BP神经网络样本数据预处理应用研究

提出一种新的线性预处理输入数据的方法,即通过线性运算将样本数据的各个字段值统一到同一个数量级,然后结合数值归一化的方法将数据运用到神经网络。在基于信令的漫游用户实时信用度测评及欠费风险超前控制系统中,使用统一字段值的数量级的方法预处理样本数据取得了很好的预测效果。由此,在模式识别和预测领域,统一样本数据的各个字段值的数量级后再进行网络训练可以取得更好的训练效果。     

基于小波阀值降噪和BP神经网络的超短期风电功率预测

针对超短期风电功率预测问题,考虑了风电场复杂的噪声背景和风电功率的波动性,提出了一种基于小波阀值降噪-BP神经网络的超短期风电功率预测方法。该方法采用近似对称光滑的紧支撑双正交小波db4（Daubechies函数）作为小波基,通过多分辨分析的Mallat算法对历史时序风电功率数据进行3尺度分解。根据Donoho阀值法对各层小波系数进行软阀值降噪处理,再通过小波逆变换重构历史时序风电功率,由BP神经网络对其进行训练,预测目的风电功率序列。仿真算例将该方法与普通BP神经网络方法进行了对比,比较结果证明其预测精度优于后者,具有很好鲁棒性和降噪性能,适用噪声复杂的风电场超短期风电功率在赣预测．     

基于PCA-GA-BP的回采工作面瓦斯涌出量预测模型研究

为进一步提高回采工作面瓦斯涌出量预测的准确性,建立了主成分分析法(PCA)、遗传算法(GA)、BP神经网络相结合的预测模型。该模型采用主成分分析法降维处理原始输入数据;将主成分分析结果作为BP神经网络的输入,消除冗余信息;然后采用遗传算法优化BP神经网络的初始权值和阈值,有效克服BP神经网络极易陷入局部最优的问题。选取某矿井回采工作面的实测数据进行分析,结果表明,该模型较单一BP神经网络预测精度高,能更有效地实现回采工作面瓦斯涌出量的高准确度预测。     

基于PCA的Morpho蝶翅分级结构变色现象研究

Morpho蝴蝶呈现显著闪耀的蓝色光泽,这与蝶翅表面的分级微纳结构密切相关．将甲醇、乙醇、异丙醇3种折射率不同的液体滴加到鳞片表面,鳞片结构反射率下降,主波峰右移,蝶翅变为黄绿色;液体完全挥发后,又还原为蓝色．同时,对典型蝶翅微纳结构进行建模,仿真分析出液体滴加过程中反射率的变化规律．进一步运用主成分分析方法对甲醇、乙醇、异丙醇滴加过程中反射率的实验和仿真数据进行主元提取和降维处理,在三主元坐标系中得到反射率的变化曲线,从而可以监测滴加液体时蝶翅结构的典型变色过程,并且通过映射点密集分布区域能够直观辨识出不同液体．上述结论为仿Morpho蝶翅微纳结构的环境介质检测和数据分析提供了指导,对其制造和应用具有重要的借鉴意义．     

具有反应扩散的广义神经网络的稳定性

研究具有反应扩散项的Cohen-Grossberg广义神经网络模型和生态系统的平衡状况的稳定性. 在一般分离变量型Lyapunov函数的基础上，具体构造出平均Lyapunov函数，即以反应扩散区域为积分区域加上积分算子，来研究Rⁿ₊内的平衡位置在Rⁿ₊内的全局稳定性. 并给出一些构造性的代数判据. 推广和改进了现有文献中的一些结果.     

时延细胞神经网络的指数稳定性和周期解

通过构造适当的Lyapunov泛函 ,巧妙引入参数q ij,r ij,qij,rij∈R和wi>0(i,j=1 ,2 ,… ,n) ,并结合不等式 2ab≤a2 b2 分析技巧 ,讨论了一类时延细胞神经网络 (DCNNs)的全局指数稳定性和周期解的存在性 ,给出了一系列充分准则 .最后 ,给出了说明这一理论的两个实例     

变时滞反应扩散Hopfield神经网络的全局指数稳定性

利用拓扑度理论和广义Halanay不等式研究了变时滞反应扩散Hopfield神经网络的平衡点的存在性及全局指数稳定性. 给出的判别指数稳定性的代数判据易于验证,具有广泛实用性,推广和改进了现有文献中的一些结果.     

基于BP算法的纹理图象合成研究

针对目前纹理图象合成技术存在的弱点,应用人工神经网络BP算法实现了纹理图象的合成。通过对纹理图象的分析和特征提取来获取图象的各种参数信息,然后采用人工神经网络BP算法,建立BP网络模型,将原始图象的特征函数作为BP网络的输入,通过学习-训练,确定该图象的人工神经网络结构,并最终通过程序合成了纹理图象。     

基于RBF神经网络的烧结终点预测模型

本文提出一种基于径向基函数(RBF)神经网络的烧结终点预测模型.该模型首先采用改进的最近邻聚类算法确定径向基函数中心,接着应用递推最小二乘法训练网络的权值.通过现场采集数据对该模型进行仿真,其实验结果表明,该模型具有较好的学习能力和泛化能力,为烧结终点的预测提供了一种新的解决方法.     

基于L-M算法的EV71传播预测模型

本文基于神经网络L-M优化算法,提出一种时EV71病毒的有效预测模型,利用matlab进行仿真模拟,结果和阜阳病毒感染情况非常符合.神经网络L-M优化算法克服了神经网络BP算法收敛速度慢的缺点,同时通过学习训练,本模型的神经系统具有有效性和通用性的特点.     

基于改进神经网络的厚煤层采煤方法预测模型

针对厚煤层采煤方法选择多目标非线性的问题,在影响因素分析的基础上,建立了预测仿真模型,利用神经网络改进算法训练网络,通过早停的方式解决网络过拟合问题。通过计算机仿真结合现场应用表明,该模型给出了最优方案,可为厚煤层采煤方法的合理选择和工作面主要经济技术指标的预测提供一种新的研究思路,在煤矿开采中具有广阔的应用前景。     

基于客户满意度的模糊神经网络JSP研究

针对具有不确定性因素的作业车间调度问题,基于模糊数学的思想,把模糊加工时间、间隔期和模糊交货期用梯形模糊数表示,建立了基于客户满意度曲模糊作业车间调模型。运用Hopfleld神经网络算法求解,结合目标函数和JSP的全部约束条件,构建能量函教和JSP换位矩阵,保证了神经网络稳态输出为最优生产调度方案。最后用网络计划图对稳态输出的换位矩阵进行解码得到最优调度甘特图,避免了传统成本树法易出现死锁调度的问题。计算实例验证了本算法的可行性和有效性。     

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.     

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.