GA-BP算法在系统辨识中的应用

本文针对BP算法和遗传算法(GA)在系统辨识应用中的不足,提出了基于GA和BP算法相结合的混合(GA-BP)算法.该算法充分利用了遗传算法和BP算法各自具有的优点,在系统辨识研究中取得了良好的效果.仿真实验表明该混合算法是实用且有效的.     

基于L-M算法的移动载荷识别数值分析与研究

近几年,国内运输行业呈现出了极为迅猛的发展趋势,作为连接各地区的主体,桥梁在促进经济发展等方面起到重大作用,如何在保证桥梁性能的前提下,对其寿命进行延长已成为社会各界热议的话题。文章以移动载荷识别为切入点,首先对识别所用L-M算法进行了介绍,其次以斜拉桥、简支梁为例,围绕载荷识别、结构分析相关内容展开了讨论,最后以研究所得出结论为依据,针对不确定参数建立了相应的分析模型,创造性地引入了模糊隶属度等指标,希望能够为日后计算响应区间等工作的开展提供帮助。     

基于遗传算法和BP神经网络的结构损伤识别

鉴于BP神经网络需要较长的训练时间、易陷入局部极小值、网络权值和阈值难确定等不足。运用遗传算法全局寻优的特点对BP网络的权值和阈值进行优化。同时运用遗传算法进行网络训练,避免网络收敛于局部极小值。通过对一根单梁实验数据的识别,结果表明两者的结合能对结构进行准确的识别。     

一种遗传神经网络及其在岩性识别中的应用

针对ＢＰ网络存在易陷入局部极小和收敛速度慢的问题,本文根据遗传算法的特长,在网络学习算法中使用遗传算法,克服了上述弊端,在岩性识别的样本学习中,取得了较好的结果。     

BP网络在语音识别中的应用

本文选取BP神经网络作为识别方法,通过自身的机器学习,构建出一个对特定人、小词汇量、孤立词的语音识别系统,而且用matlab封装成友好便捷的图形用户界面,很好的实现了人机交互,实验结果可行。     

基于GA的BP网络在苹果缺陷识别中的应用

提出了一种基于遗传算法的BP神经网络苹果缺陷识别方法。设计一个3层BP神经网络分级器,用苹果缺陷特征参数训练BP神经网络,运用遗传算法进行BP神经网络权矢量和神经元阈值的学习,提高BP神经网络的学习速度,也提高了苹果缺陷识别的准确率。实验证明,该方法识别率可达89％以上。     

基于遗传优化神经网络算法的桥梁结构损伤识别

当前越来越多的大型桥梁结构安装了健康监测系统,作为桥梁健康监测系统的核心,结构损伤识别技术成为研究热点.基于人工神经网络和遗传算法的优点,提出了一种新的方法——遗传优化和神经网络混合算法(用遗传算法优化神经网络的初始权重,)实现桥梁结构损伤的位置和程度的识别.与传统的人工神经网络算法相比,该方法克服了其易于陷入局部最优的缺点.对工程实例梁的试验数据进行分析和结构损伤状况识别,结果表明,该算法的可行性和可靠性,可以应用于类似结构损伤的识别与评价.     

基于GA-BP算法的模糊神经网络控制器研究

提出了一种基于GA-BP算法的模糊神经网络控制器,将GA的离线全局寻优及BP实时学习相结合,克服了单独应用GA算法或BP算法调节模糊神经网络控制器参数存在的缺陷。仿真结果表明经GA-BP算法优化的控制器性能优于传统算法调节的控制器。     

结构损伤识别中的生物地理学优化算法

为将生物地理学优化(BBO)算法有效应用于结构损伤识别中,结合余弦迁移模型、自适应迁入函数和精英机制对算法进行改进。以简支梁结构为例,进行不同损伤情况下的损伤位置和损伤程度的识别。算例计算结果表明,改进后的算法在结构损伤识别中具有计算简便、收敛速度快、识别精度高、稳定性好的特点,相比于BBO性能明显提升,能够在结构损伤识别问题中加以有效地应用。     

基于GA-BP神经网络的序列虹膜质量评价算法

针对虹膜质量评价指标单一或过多的情形, 提出一种基于GA-BP神经网络的序列虹膜质量评价算法. 首先对虹膜图像进行粗质量评价, 筛选掉大多数不合格的较差质量图像; 然后对虹膜图像进行精质量评价, 选用3个较重要的指标得出指标值; 最后结合BP神经网络融合精质量评价指标进行图像质量的最终评价. 在JLU-6.0虹膜库中进行验证, 并与其他算法进行对比测试, 测试结果表明, 该算法能保留较多的有效虹膜图像, 且分类精确度较高.     

基于GA-BP神经网络的序列虹膜质量评价算法

针对虹膜质量评价指标单一或过多的情形, 提出一种基于GA-BP神经网络的序列虹膜质量评价算法. 首先对虹膜图像进行粗质量评价, 筛选掉大多数不合格的较差质量图像; 然后对虹膜图像进行精质量评价, 选用3个较重要的指标得出指标值; 最后结合BP神经网络融合精质量评价指标进行图像质量的最终评价. 在JLU-6.0虹膜库中进行验证, 并与其他算法进行对比测试, 测试结果表明, 该算法能保留较多的有效虹膜图像, 且分类精确度较高.     

基于GA优化BP神经网络辨识的Volterra级数核估计算法

为取得更有效的船舶运动预报效果,提出了一种利用遗传算法(GA)优化单输出三层反向传播(BP)神经网络辨识Volterra级数核的算法.在船舶航行姿态时间序列的混沌特性识别基础上,分析了GA、BP神经网络和Volterra级数模型的特征.利用GA优化BP神经网络获得最优的初始权值和阈值,根据BP神经网络算法求得最终的最优权值和阈值.进行Taylor级数分解,得到Volterra级数各阶核,对船舶的横摇运动时间序列进行多步预报.仿真实验表明:所提方法预报精度高、时间长,具有有效性和适应性.     

基于改进GA-BP的移动通信用户流失预测算法

BP神经网络(BPNN)模型对移动通信用户流失的预测有较好的效果,但其全局搜索能力相对较弱,对初始网络权重非常敏感,因此本文通过对用户通信行为的分析,提出一种基于改进GA-BP的移动用户流失预测算法:用改进的遗传算法对BPNN的权值和阈值进行初始化,从而提高预测模型的准确率.改进的遗传算法采用一种自适应的交叉概率和变异概率计算策略,提高了遗传算法寻找全局最优解的能力.通过对比实验发现,本文构建的移动用户流失预测模型,在预测准确率上有着很好的表现.     

遗传算法优化的神经网络预测团雾

针对国内外研究中现有团雾预测方式中出现的不足,建立了基于遗传算法优化的神经网络预测模型,用以对高速公路团雾的发生进行预测.在利用遗传算法得到BP神经网络的初始权值和阈值基础上,通过神经网络对输入的历史团雾气象数据进行学习训练,建立团雾预测模型.经优化的神经网络模型避免了由于神经网络初始权值、阈值难以确定所造成的网络震荡问题,以及神经网络计算过程中易陷入局部解的问题.实验结果表明,优化后的团雾预测模型具有较高的预测精度,为高速公路团雾的预测提供了新的方法与思路.     

基于GA-BP神经网络的微裂纹漏磁定量识别技术

针对漏磁检测定量识别技术中识别的缺陷尺寸大多为1~10 mm的较大裂纹,与实际自然裂纹相差太大的问题,将基于遗传算法优化的BP神经网络（GA-BP）算法应用到微裂纹缺陷的漏磁定量识别中,使得漏磁检测定量识别缺陷的宽度、深度达到小于0.50 mm的微细裂纹,并通过基于磁偶极子模型的理论计算与漏磁检测实验两种方法构建了微裂纹（0.10~0.30 mm）缺陷样本库.由于在实际检测过程中存在干扰噪声的原因,实验数据的预测结果误差比理论计算数据预测结果明显偏大,最大为16.73%,但预测结果能够基本反映微裂纹缺陷的尺寸大小.      

基于改进GA算法优化RBF网络的航空发动机叶片损伤图像识别

通过对航空发动机叶片损伤图像进行识别,可以快速准确的发现叶片损伤状况,有利于对故障进行及时有效的预测。本文对损伤图像进行分割,提取损伤图像特征参数,采用改进GA算法优化RBF网络参数的方法建立航空发动机叶片损伤图像识别模型,对损伤图像特征参数样本进行仿真实验,识别正确率为93.33%,同时与单一RBF网络模型识别结果进行对比分析,结果表明该方法更加优越有效。     

基于混合算法优化神经网络的混沌时间序列预测

提出了一种混合算法优化神经网络的混沌时间序列预测模型.将粒子群优化算法与模拟退火算法过程中概率突跳的思想相结合形成一种新的混合算法,并用此混合算法优化神经网络建立预测模型.该模型克服了传统的神经网络收敛慢、易陷入局部最优等不足.利用该模型对Mackey-Glass混沌时间序列和Henon映射进行实验仿真,结果表明,该模型收敛速度快,稳定性能好,预测精度高.     

岩质高边坡的地震时程响应分析

针对白鹤滩水电站右岸进水口反倾向层状结构岩质高边坡,采用3DEC程序建立了非连续介质模型,在静力分析的基础上,进行了Ⅷ度地震的动峰值加速度0.212g的时程响应分析.数值模拟结果表明,边坡中上部岩体的动力响应较为强烈,表现出动力反应的"鞭梢"效应,并且岩体变形受控于结构面,表现出明显的不连续变形特征.而由关键点的时程曲线可见各监测点位移趋于收敛,未见块体的滑移、分离、失稳、破坏迹象;根据莫尔-库仑准则推导的动力条件下的点抗剪安全系数也略大于静力条件下的安全系数,边坡有较大的安全裕度.研究工作说明,边坡动力分析都应以静力分析为基础,且须强调针对结构面控制型问题采用非连续介质力学的分析方法.