基于GABP技术的PCA弥苴河水质预测

针对传统的水质预测方法中由于因子的多重相关性而造成的预测精度偏低的问题,提出了一种将主成分分析法(PCA)和遗传算法优化的BP神经网络(GABP)相耦合的水质预测方法.利用主成分分析法提取对水质因子影响较强的综合成分,克服了传统水质预测方法中信息冗余的问题.在对大理弥苴河水质进行大量实际监测的基础上,分别采用PCA-GABP神经网络,GABP神经网络以及传统的BP神经网络3种模型的方法,建立了弥苴河水质高锰酸盐指数的的预测模型.通过数据预处理,筛选了600组数据进行训练学习和测试.通过对3个模型的预测误差分析对比,可以得出PCA-GABP神经网络预测模型精度更高.     

基于BP网络模型的青弋江水质预测研究

以水质因子CODCr为例,构建并训练BP神经网络预测模型,分别从空间和时间上对青弋江芜湖市区段水质进行预测,并用实际监测值检验预测精度.预测结果说明BP网络模型在青弋江水质的预测方面是一种简单有效的方法.     

多参数影响下污水总氮浓度预测最优方法研究

污水总氮(TN)深度脱除是当前我国污水处理领域的重大科技需求.TN的去除受到多种环境及操作条件的影响,开发多参数条件下稳健的TN浓度预测方法是降低污水厂能耗、实现智能化控制的重要前提.针对以上问题,以某实际污水处理厂反硝化深床滤池为例,采用BP神经网络(BP)、量子遗传算法优化的BP神经网络(QGA_BP)、改进的QGA_BP和支持向量回归机(SVR),在进水流量和碳源投加量等13种变量条件下,对滤池出水TN进行了模拟预测.共选取147组数据,其中130组用于出水水质和工艺参数的拟合模拟,17组用于结果验证.将总氮实测值依次与BP,QGA_BP和改进的QGA_BP神经网络以及SVR预测结果进行对比,相关系数R2依次增大,分别为0.221,0.275,0.826和0.951,即预测值与实测值之间的拟合度逐渐升高.SVR克服了神经网络预测误差较大的问题,对多参数影响下TN浓度的预测具有较高的准确性和稳定性,用其替代常用的神经网络算法具有明显的优势.     

免振捣粉煤灰混凝土抗压强度的神经网络预测

为了解决免振捣粉煤灰混凝土抗压强度预测问题,采用BP神经网络方法通过免振捣粉煤灰混凝土不同配合比训练网络预测其抗压强度,对于BP网络的隐层节点属于不确定层,采用三层结构的BP网络.但隐含单员个数仍未知。在实验过程中将隐含层的神经单元个数作为一个参数试验,结果表明BP神经网络的隐层节点数目对预测精度有较大影响。通过分析得出采用BP神经网络对免振捣粉煤灰混凝土抗压强度预测是可行的。     

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.     

神经网络技术在织机生产状况预测中的应用

为提高织机生产效率,研究了基于优化神经网络的织机生产运转状况预测方法.针对BP网络模型的缺点,在反复实验的基础上对BP网络参数、算法进行改进,建立了织机生产运转状况预测模型,并与传统的BP神经网络预测方法进行比较.实验结果表明,利用改进的BP神经网络预测织机生产运转状况时,网络收敛速度快,预测精度高,优于传统的BP网络...     

进化BP神经网络的围岩位移预测

利用遗传算法,在BP神经网络模型的基础上, 从连接权、网络结构和学习参数等三方面进行了进化,得到了进化BP神经网络模型,并在VC 6.0平台的基础上自主开发了遗传算法进化BP神经网络预测系统,且采用十进制编码.将该系统运用于通渝隧道围岩预测中,其预测结果表明,进化的BP神经网络模型在训练时的迭代次数比未进化的BP神经网络模型下降了约9倍,提高了运算的效率,其预测结果也较准确.     

基于算术平均最小贴近度和BP神经网络的变权组合预测模型研究

通过构造新的差值-比例矩阵,对2012年的沪铜期货价格建立了基于算术平均最小贴近度和BP神经网络的变权组合预测模型,并对沪铜期货价格进行了实证研究.结果表明,基于算术平均最小贴近度和BP神经网络的变权组合预测模型的预测精度明显高于各个单模型的预测精度,说明了此变权组合预测模型是有效的.     

基于神经网络的层状周期结构能量传输谱预测

本文对层状周期结构的能量传输谱预测方法进行了研究,在考虑几何参数、物理参数单独变化以及同时变化3种情况下,通过构建深层反向传播(BP)神经网络,实现层状周期结构能量传输谱的精准预测.与径向基函数(RBF)神经网络进行对比实验,实验结果验证了所提方法的有效性.     

布谷鸟算法优化BP网络的电力负荷预测

针对BP神经网络容易出现过拟合和陷入局部最优现象导致电力负荷预测准确性不高的问题,建立了在不同日期和气温等影响因素下的布谷鸟算法(CS)优化BP神经网络的电力负荷预测模型.训练BP网络确定基本结构,运用布谷鸟算法搜寻最优解替换为BP网络的最优参数,结合安徽某地区的电力负荷数据进行仿真分析,可以得出布谷鸟算法优化后的预测模型相比于单一的BP神经网络准确性得到提高,证明了所建立的CS-BP模型具有良好的预测性能.