BP神经网络在极限承载力预测中的应用

<正>预应力高强混凝土简支T梁极限承载力的计算通常采用有限元的数值分析方法,考虑材料非线性影响,对T梁进行全过程分析,得出T梁的承载力。影响预应力高强混凝土简支T梁极限承载力的因素很多(如混凝土强度、钢筋强度、梁的跨径、截面尺寸等),且具有复杂的非线性特性。实际工程中,传统方法建模比较复杂,而且计算工作量大,花费大量的人力和     

神经网络理论在FCS安全性评价中的应用研究

将神经网络理论应用于评价FCS的安全性,在标准BP网络原理基础上,提出BP网络的一种改进算法:即采用带非线性动量项自适应变步长的BP算法(NASBP),并提出一种用神经网络理论评价FCS安全性的实现方法.通过仿真验证该方法的可行性和有效性.     

交会图和BP神经网络技术在碎屑岩识别中的应用

饶阳凹陷新近系馆陶组岩性以碎屑岩为主,岩性复杂多样,单纯利用测井曲线难以对岩性进行较好地识别,对后续测井解释的结果造成了不利的影响。针对该问题,以测井资料为基础,提出了一种首先利用交会图技术将各类岩性进行归纳总结,然后应用BP神经网络技术对归纳后的岩性进行快速识别的方法。从此种方法在留西地区的应用效果来看,该方法对样本数据库中各类岩性的识别精度达到了90%以上,其中泥岩和粉砂岩的识别精度更是达到了100%,大大提高了单纯利用测井曲线对岩性进行分类识别的精度,在油气勘探开发过程中能够发挥较为重要的作用。     

BP神经网络预测技术在脱硫系统pH值中的应用

在热电厂脱硫过程中,pH值的稳定性对脱硫效率影响重大,在实际生产中因受到各种环境因素及主观因素的影响,pH测量仪器在现场操作中易受到破坏或腐蚀,给生产造成很大损失,为了降低这种损失,提出了基于BP神经网络的预测技术。运用此预测算法对系统参数进行数学建模,设计了三层网络预测模型,同时用Matlab工具箱对pH数据进行仿真,使系统实现在线控制和实时控制。结果表明,BP神经网络对脱硫系统中pH值的预测精度很高,产生误差也很小,取得了满意的预测效果。因此,用BP神经网络预测技术对烟气脱硫系统中的pH值进行预测,能提前预知脱硫过程中pH值的变化情况,有助于改善脱硫装置的效率。     

基于BP神经网络的项目投资风险评价

为了科学准确地对风险投资项目进行评价，利用BP神经网络的原理建立了用于项目投资风险评价的BP神经网络模型，通过对福建省14个高技术项目投资风险的评价，表明由该模型获得的结果是可靠的。     

BP神经网络与ARMA-GARCH模型在股票预测中的对比分析

考虑到股票价格瞬息万变,波动性强,用BP神经网络与ARMA-GARCH模型对上汽集团收盘价预测.对BP神经网络与ARMA-GARCH模型的股票预测结果进行对比分析,结果表明,在预测未来20 d收盘价时,BP神经网络平均绝对误差比ARMA-GARCH模型低31.4％;在预测未来6 d收盘价时,ARMA-GARCH模型平均...     

改进GA-BP神经网络在高校教学质量评价中的应用

为了提高高校教学质量评价的有效性和准确性,提出了一种基于混合智能优化算法的教学质量评价模型。引入熵值法客观地确定教学质量评价体系的指标权重及初始评价结果,利用自适应变异的遗传算法(Genetic algorithm)优化BP神经网络(Back propagation neural network)的参数,建立教学质量评价模型。实验结果表明,与BPNN(Back propagation neural network)、GA-BPNN(Genetic algorithm-back propagation neural network)模型相比,预测精度分别提高15.04%和5.41%,收敛速度明显提高,说明基于自适应变异的GA-BPNN教学质量评价模型能够及时有效地完成教学质量评价。     

优化的BP神经网络在预测电动汽车SOC上的应用

为了提高BP神经网络预测模型对电动汽车电池SOC值预测的准确性,采用遗传算法GA和粒子群算法PSO两种优化算法分别对BP神经网络进行优化,即优化BP神经网络的权值和阈值,然后训练BP神经网络预测模型以求得最优解。将该方法应用到预测电动汽车电池的SOC值中并与实际测量的SOC值进行验证比较。仿真实验表明,经过粒子群算法优化后的BP神经网络预测电动汽车SOC值的误差在1.0%~4.4%之间,明显优于采用遗传算法优化的误差范围1.6%~10%和传统的BP神经网络误差范围2.0%~72%。     

神经网络在车辆目标识别中的应用

提出了利用神经网络技术对战场侦察雷达目标回波的时域或频域信号进行处理,以实现对车辆目标进行分类识别的一种新算法.首先对目标的回波信号作时域或频域分析,从中提取信号的特征向量,然后利用所建立的神经网络模型对目标信号作训练识别,最后与经典谱分析的方法作比较,并采用实际数据验证这种识别算法是有效的.     

改进的BP小波神经网络预测模型应用研究

针对BP小波神经网络模型易陷入局部极小和收敛速度慢等问题,结合Morlet小波函数、训练样本数量进行权值和阈值设置,引进隐含层饱和度并构建新的误差函数,以此提高模型收敛速度和预测效果。从模型精度、后验差比值和训练次数这三个指标进行对比分析。结果表明,改进的模型预测效果更满意。     

砂土液化判别最优BP神经网络模型

利用BP网络模型在解决砂土液化评价这类非线性问题方面的优势,选取不同的参数组合,建立不同的砂土液化判别BP神经网络模型,并根据现场实测资料进行比较分析.结果表明,以地震烈度、标准贯入点深度、地下水位深度、标贯击数、不均匀系数及地震剪应力比作为输入节点的砂土液化判别BP神经网络模型最为合理.     

改进BP神经网络的武警装甲车保障能力评估

影响武警装甲车战时平时保障能力的因素很多.针对当前武警装甲车保障能力评估方法的模糊性和不确定性,建立了以武警装甲车保障能力为目标的评估指标体系.采用萤火虫算法优化BP神经网络,确定其初始权值和阈值,并在此基础上提出一种评估武警装甲车保障能力的方法.根据建立的模型进行计算并分析,表明萤火虫神经网络具有更快的收敛速度和更高的准确性,可适用于武警轮式装甲防暴车保障能力的评估.     

煤矿带式输送机故障诊断中模糊神经网络的应用

以模糊数学分析及神经网络综合运用为基础,研究了煤矿带式输送机的故障诊断技术.通过对输入参数的模糊数据处理并利用神经网络的学习能力来实现对数据的训练,得到高精确度的故障参数,从而建立起相应的模糊神经网络,对带式输送机进行及时有效的故障判断.最后基于Matlab软件对训练数据的仿真表明,基于模糊神经网络的故障诊断相较于传统故障诊断技术具有极高的准确度,且数据反馈及时,运行稳定.     

基于小波神经网络的大型桥梁监测

大型桥梁已成为城市交通体系关键的部分,对其进行有效地监测已势在必行。根据小波分析和神经网络在处理复杂非线性问题上的优势,将其分别应用于大型桥梁结构监测中的线形监测和应力监测这两个技术问题上。结果表明小波神经网络模型监测精度高,对桥梁的安全运营提供了技术支撑。     

一种用于地应力分析的改进型BP神经网络方法

地应力测量及分析研究,对地应力活动方式、构造体系的研究以及岩土工程与结构的设计和稳定性,都具有重大的理论意义和实用价值.BP神经网络算法比较成熟,已被广泛应用,但一般BP神经网络算法存在训练学习速度较慢、样本泛化能力差的问题,通过引入动态学习因子和惯性因子以及模拟辅助样本,对神经网络进行了改进.通过调节动态学习因子和惯性因子以及对样本集数据处理等手段,对样本的学习、训练进行优化处理,通过实例验证,将优化好的网络样本训练结果与一般结果进行比较,结果表明对三层BP神经网络进行的优化,在提高计算精度的同时也提高了网络的收敛速率,证明改进的算法能够很好用于地应力分析.     

基于粒子群优化的BP神经网络预测方法及其应用研究

本文提出了一种基于粒子群优化的BP神经网络预测方法.该方法利用粒子群优化算法全局搜索BP神经网络的权值和阈值,并利用优化后的BP网络建立预测模型对经济指标进行预测.仿真实验结果表明,该方法克服了传统BP神经网络本身所存在的局部最小值和训练速度慢等不足,能够较好应用于定量经济指标预测,有效提高了预测的精度.