共轭斜量法在BP2模式Dirichlet级数参数辨识中的应用

研究了一种大型结构混凝土徐变函数指数形式表达式参数辨识与拟合方法.选用混凝土徐变国际标准BP2模式,构建最普遍的退化核Dirichlet级数形式作为基函数,针对拟合过程中实际变量多于方程未知变量的情况,应用最小二乘法原理将矛盾方程转化为相应的法方程,引入共轭斜量法求解法方程.在此基础上编制的程序,可将BP2模式的Dirichlet级数形式的所有参数辨识出来.拟合公式和原公式结果吻合良好,相对误差在±3%以内.文中给出的BP2模式Dirichlet级数形式的拟合公式,可用于大型结构长期徐变效应的跟踪分析,为服役结构的状态评定提供依据.     

共轭斜量法在BP2模式Dirichlet级数参数辨识中应用

研究一种大型结构混凝土徐变函数指数形式表达式参数辨识与拟合方法. 选用混凝土徐变国际标准BP2模式,构建了最普遍的退化核Dirichlet级数形式作为基函数,针对拟合过程中实际变量多于方程未知变量情况,应用最小二乘法原理将矛盾方程转化为相应的法方程,引入共轭斜量法求解法方程,克服了求解过程中的数值不稳定性.在此基础上编制的程序,可将BP2模式的Dirichlet级数形式的所有参数辨识出来.拟合公式和原公式结果吻合良好,验证了该方法的有效性和正确性. 文中给出的BP2模式Dirichlet级数形式的拟合公式,能适应跟踪分析大型结构长期徐变效应,为较为准确和高效地进行服役结构状态评定,提供了必要的准备和依据.     

主成分分析与BP网络组合的大坝变形预报

将主成分分析与BP神经网络相结合应用到大坝变形影响因子的优化中,建立大坝变形预测模型.可以有效地降低输入因子的维数,减小因子之间相关性的影响,简化网络结构,降低网络训练难度,提高预测的稳定性及精度,提升BP网络训练的效率,解决由影响因子内部相关性而需引入大量因子的问题.通过实验结果对比表明,主成分分析与BP网络相结合的...     

可变结构神经网络在未来水质参数预测中的应用

介绍BP神经网络预测水质参数的基础上,结合变结构网络设计的思维方法,给出了可变结构BP神经网络在水质参数预测中的应用过程.并且,对两种预测算法作了比较,结果显示,变结构BP神经网络的预测精度更高.     

基于粒子群改进BP神经网络的组合预测模型及其应用

针对应用广泛的传统人工智能预测BP(Back propagation)神经网络自身局限以及其在处理中长期复杂预测问题中需要样本数量大、泛化能力弱等不足,提出利用粒子群算法优化BP神经网络的学习算法,在此基础上,利用灰色预测方法和自回归移动平均模型(ARIMA)时序预测对历史数据进行初步预测,对中长期预测中数据趋势项和随机项进行模拟;将初步预测的结果作为改进BP神经网络的输入,在此基础上进行训练和预测,构建基于改进BP网络的组合预测模型.以我国1978-2007年能源需求数据为样本,进行实例分析.结果表明:组合预测模型预测精度较BP神经网络、灰色预测方法和ARIMA预测方法分别提高4.8%,6.1%和5.3%,验证了组合预测方法在中长期预测问题处理中的有效性.     

某电站引水隧洞围岩收敛变形预测

针对引水隧洞围岩变形受地质、施工等因素综合影响的特点,引入人工神经网络理论,建立了隧洞收敛测值终值预测的BP网络模型,并应用MATLAB进行BP网络设计和程序编制．实例分析表明,利用所建立的BP网络模型进行围岩收敛变形预测,结果合理可行．     

基于神经网络模型的环孢素A个体给药的研究

目的:将人工神经网络应用于环孢素A(CsA)剂量预测研究中,构建CsA剂量预测模型,优化个体化给药方案,提高临床药物治疗效果、减少用药不当引起的疾病.方法:收集了某三甲医院使用环孢素A的数据,利用MATLAB软件,使用遗传算法对BP网络权值、阈值进行优化,再用BP算法训练网络,进行拟合.结果:此网络的拟合度能达到99.428%,证明了可以利用此网络来进行预测,可以给临床医师的用药作为参考.     

人工神经网络在潮汐短期预测中的研究

本文介绍了运用Matlab神经网络工具箱进行BP神经网络设计的基本方法与过程,并将BP网络模型引入到海洋潮汐预测领域,根据黄海海域某短期验潮站观测数值,构建并选用合适的BP神经网络建立了海洋潮汐短期预测的神经网络预报模型。计算结果表明,BP模型应用于潮汐预报具有较高的预测精度和良好的泛化能力,它为海洋潮汐预报工作提供了一种全新的思路和方法。     

基于贝叶斯神经网络的SPA-H热轧板力学性能预测

研究了基于贝叶斯方法的神经网络及其在SPA-H热轧板力学性能预测中的应用.在网络的目标函数中引入代表网络复杂程度的惩罚项,融入"奥克姆剪刀"理论,防止网络"过训练"的发生.考虑到网络在应用中的实际问题,在前人改进的算法基础上,采用Levenberg-Marquardt算法训练网络,提高了该网络的收敛速度.利用上述网络进行SPA-H集装箱热轧板力学性能预测,在收敛速度、稳定性和泛化能力方面都优于传统的BP神经网络.     

基于主成分分析与模糊BP方法的藻类繁殖状态预测

将主成分分析（PCA）与模糊反向传播（BP）网络建模方法相融合,提出了PCA-模糊BP方法并用于藻类繁殖状态的预测,建立了叶绿素a含量的预测模型.采用PCA对各类采集数据进行预处理,并将PCA所得各理化因子作为模糊BP网络的输入变量,叶绿素a的含量作为模糊BP网络的输出变量,经过学习训练,获得藻类繁殖状态的预测模型.结果表明,PCA-模糊BP方法降低了各类输入样本数据之间的相关性和模型系统的维数,加快了模糊BP网络的收敛速度,其与典型BP神经网络模型相比,具有更快的计算速度和更高的预测精度,能够较好地预测海洋藻类繁殖的生长状况.
     

改进粒子群算法在BP神经网络拟合非线性函数方面的应用

为解决BP神经网络拟合非线性函数的预测结果误差较大问题,笔者将标准粒子群算法进行改进,形成基于免疫接种的粒子群算法(IPSO);然后将该算法与BP神经网络理论相结合,实现基于IPSO算法优化的BP神经网络非线性函数拟合算法。新的拟合算法首先确定BP神经网络结构,然后用IPSO算法优化初始权值和阈值,最后进行BP神经网络预测。数值实验表明,本文提出的IPSO算法提高了BP神经网络的拟合能力,减小了拟合误差,提高了拟合精度。     

基于IRT模型的BP神经网络参数估计的进一步研究

对基于 IRT 模型的 BP 神经网络降维法参数估计中的 BP 神经网络的网络隐层数及隐层节点数进行改进,并对其降维法中不合理的部分予以修正。通过蒙特卡洛模拟研究结果表明:对参数估计的各评价指标,改进的方法均优于原方法。     

基于BP神经网络模型的水质评价方法探讨

运用人工神经网络理论和方法,建立了水质评价的BP神经网络模型,并对长治市10眼水井的地下水水质进行了评价,并与综合指数法、模糊综合评判法的评价结果进行了比较。结果表明,用BP神经网络模型评价水资源水质是可行的,为水资源水质评价提供了一个新的方法。     

一种基于BP神经网络的个体定税模型

阐述了BP神经网络的基本原理,通过分析影响定税的一些主要因素,提出了基于BP神经网络的个体定税预测模型,并以株洲市地方税务局的系数定税数据为样本,对该模型进行分析评估,进而表明BP神经网络在核定纳税户的应纳税额方面具有较好的实用性.     

金属断口图像的非线性模式识别方法

针对金属断口图像模式识别的特点,提出应用小波变换技术提取断口图像特征的方法,在此基础上,利用神经网络的基本原理设计了一种断口图像模式识别的非线性分类器·通过实验确定了分类器的网络结构,给出了相关参数选择的方法·对几种典型的金属断口图像进行了计算机实验研究·实验结果表明,其平均正确识别率达93 75%,单独以能量作为特征值,其平均正确识别率可达到95%·这说明采用非线性分类器进行断口模式识别比采用线性分类器能取得更高、更可靠的正确识别率·研究结果显示出,这种基于小波变换技术和神经网络原理的非线性模式识别方法能对纹理变化复杂、规律性不强的断口图像进行有效识别,具有更好的适应性·     

基于小波神经网络的化工安全评估

鉴于传统神经网络方法解决非线性问题收敛速度慢,易陷入局部最优解的缺陷,本文通过对小波神经网络的结构及学习算法的简要介绍,结合神经网络的自学习能力,提出一种充分利用小波变换时频局部化性质的小波神经网络安全评价方法,通过用小波神经网络评价方法与BP神经网络评价方法对某大型炼油化工厂相应原始数据进行分析、对比,表明该小波神经网络评价方法较BP神经网络评价方法收敛迅速,绝对误差小,预测精度高。     

递阶结构进化神经网络在故障诊断中的应用

主要研究进化神经网络在旋转机械故障诊断中的应用 ,提出了一种基于递阶结构的遗传算法与进化规划相结合的神经网络学习新算法 ,利用该算法可以同时对网络进行结构优化和权重求解。通过旋转机械故障分类应用实例 ,与传统的 BP训练算法作了比较 ,证明基于递阶结构的进化神经网络算法不仅在权重训练方面比传统 BP训练算法更加快速稳定 ,避免陷入局部极小点 ,而且同时对网络结构进行了优化 ,得到了结构更为简捷的旋转机械故障分类网络     

求取压裂气井无阻流量的BP神经网络法

与现在流行的求取压裂气井无阻流量的方法相比,BP人工神经网络方法具有极大的优越性和适用性,它勿需考虑压裂后气井的复杂渗流规律,也不需数值模拟。BP人工神经网络方法在训练时只需知道目标井的压后评估数据和区块内部分试井数据,为提高经济效益、快速、高效开发低渗气藏提供了新的技术手段。     

BP神经网络在围岩变形预测中的应用

利用神经网络，建立了围岩变形预测的BP神经网络模型，采用围岩变形的实测数据对网络进行了训练，以此训练好的BP神经网络对围岩变形进行了预测。预测结果表明，该模型具有很高的预测精度，为预测围岩变形提供了一种新的方法。     

一种局域连接前向人工神经网络结构的研究

双隐层标准前馈（ＢＰ）网络只要其隐层节点数足够多就能解决任何形式的分类问题．应用标准（ＢＰ）网络识别多模式类分类问题时存在以下缺陷：（１）对不同模式类均使用相同数目的隐层元；（２）增加新模式类后，网络要重新学习；（３）网络识别的机理研究困难．笔者提出了一种局域连接前馈神经网络（ＬＣＮＮ）结构，其隐层神经元与输出神经元之间为局域连接，学习算法与ＢＰ算法类似．ＬＣＮＮ具有以下特点：（１）便于自构网络结构，提高网络的推广能力；（２）便于提取各模式类的不变特性；（３）具有较强的记忆能力，便于实现追加学习．以五种海底沉积层介质类型的分类识别为例，分别利用标准前馈（ＢＰ）网络与ＬＣＮＮ网络进行分类识别，结果表明：ＬＣＮＮ便于自构网络结构，具有追加学习的能力．