基于遗传算法的人工神经网络在降水酸度预测中的应用

在误差反向传播(Back Propagation)算法的人工神经网络结构模型的基础上，应用遗传算法训练神经网络权重，实现网络结构的优化。用优化后的BP人工神经网络建立了江西省南昌市的降水酸度预测模型。并将该模型预测结果与BP算法和多元线性回归法的预测结果进行了比较。检验结果表明：基于遗传算法的人工神经网络优于BP算法及多元线性回归法，具有良好的预测效果。     

BP网络模型在朝阳地区大气污染预报中的应用

目前,人工神经网络理论发展迅速,并在模式识别和系统辨识中得到广泛应用。而其中采用误差反向传播方法(Back Error Propagation)的BP网络模型是目前应用最为广泛的神经网络模型之一,它是一种简单而又非常有效的算法。本文应用人工神经网络方法,在模拟人脑的思维方式下,建立了大气污染物浓度的神经网络预报模型,并将计算结果与监测值进行了对比验证,计算结果表明,BP模型应用于大气污染物浓度预报具有较高的预报精度。     

城市空气质量的BP和RBF人工神经网络建模及分类评价

根据MATLAB提供的人工神经网络模型,将其应用到城市空气质量评价,研究并对比分析BP和RBF两种人工神经网络的建模方法及评价结果。首先构建BP神经网络模型,确定输入层、隐含层和输出层的神经元数,选择Sigmoid型函数作为激励函数,应用内插扩展出的训练样本对BP网络进行学习,再用训练成熟的BP网络对待评价样本进行仿真;其次构建RBF神经网络模型,确定其输入层和输出层的神经元数,选择Gauss函数作为隐含层激励函数,再用同样的训练样本进行学习和仿真;最终进行归一化论证,验证归一化预处理在空气质量评价中的必要性。结果表明:应用BP和RBF人工神经网络可以得出较好的城市空气质量分类评价结果,其中RBF神经网络模型与改进的灰色聚类法评价结果一致,具有较高的准确率,是一种快捷、有效的综合评价方法。     

神经网络模型在环境现状评价中应用研究

人工神经网络技术具有很强的非线性映射能力和并行性、自适应、容错性及自学能力,已广泛应用于包括环境在内的多学科领域。文章将人工神经网络技术应用于环境影响评价中,通过案例研究用人工神经网络解决环境评价中的问题。以山西吕梁地区环境影响评价为案例,选择人工神经网络中的BP网络,径向基网络和自组织竞争网络等三种网络模型对其进行环境影响现状评价,并对评价结果作对比分析,通过网络设计、网络训练和模拟,结果说明BP神经网络模拟结果比其它两种方法更贴近环境质量现状。同时对不同参数选取得到的结果进行分析,并经过网络参数的不断调整提高评价结果的精度,总结出各种神经网络模型在环境评价应用过程中参数的选取方法。尝试用神经网络解决环境评价中的问题,使环境工作中的方法技术更科学。     

基于GA-BP神经网络的餐厨垃圾合成PHA工艺产量预测

为了预估混合底物碳源条件下活性污泥PHA合成产量预测的准确度,通过引入遗传算法对BP人工神经网络的权值和阈值进行优选,建立基于GA-BP神经网络的餐厨垃圾合成PHA工艺产量预测模型。以餐厨垃圾发酵液为底物碳源,利用活性污泥在ADD模式下进行PHA合成。以实验数据为基础训练神经网络模型,通过实测数据与模型预测数据之间的对比,验证了人工神经网络预测模型的精确度,并对长期PHA合成能力进行了预测。结论表明:基于遗传算法改进的GA-BP网络模型表现出比传统BP神经网络模型更佳的预测准确度,为评估混合菌群PHA最大合成产量的长期发展趋势,确定合理富集时长探索了可行方法。     

人工神经网络在电法勘探数据反演中的应用研究综述

首先对神经网络算法的基本原理进行简述,梳理目前电法勘探反演中常用的神经网络方法,评述人工神经网络算法在电法勘探资料解释中的应用效果,并进行各主流神经网络方法优缺点的对比分析;最后探讨了非线性组合反演方法的优势,并展望了电法勘探数据非线性反演的发展趋势,为选择不同算法进行电法勘探数据反演提供借鉴。其中,BP神经网络具有高度的自学习和自适应能力;遗传算法易与其他算法结合;卷积神经网络可以实现权值共享;粒子群算法收敛速度快。每种方法各具特色,神经网络组合反演,可优势互补,增强反演效果,提升计算效率。     

人工神经网络在大冶市湖泊水质评价中的应用

人工神经网络(ANN)是复杂非线性科学和人工智能科学的前沿,其在水质评价的应用研究在国内外尚处于初创阶段。目前得到普遍应用的是采用BP算法的多层前馈神经网络。文中运用人工神经网络的反向传播(BP)算法对大冶市两个湖泊水质进行了评价,与模糊数学等方法相比,评价精度较高,方法简单易行。     

基于BP神经网络的高校校园安全评价模型及其应用

本文将人工神经网络应用于高校校园安全评价中,建立了采用LM算法的三层BP神经网络高校校园安全评价模型,并参考国内对校园安全评价的研究成果,建立了校园安全评价指标体系,通过专家打分获得训练样本,用trainlm训练函数训练网络进行实例分析,其评价结果与实际一致,验证了该评价模型的适用性.该模型可以利用已有的比较成功的校园...     

基于遗传算法的改进BP神经网络模型在水质评价中的应用

为了确定水体类别，引入人工神经网络理论并通过建立BP神经网络模型对水体的质量、利用价值和处理要求进行评价。针对BP网络应用中存在的问题，建立了基于遗传算法的改进BP神经网络模型，并阐述了训练样本产生、数据归一化、构建网络拓扑结构、初始权重及阀值确定等应用过程。通过实例分析表明，该模型应用于水质评价具有客观性和实用性。     

人工神经网络法在大气污染预报中的应用

以鞍山市为例,应用人工神经网络方法,模拟人脑的思维方式,建立了大气污染物浓度的神经网络预报模型,并将计算结果与监测值进行了对比验证,计算结果表明,BP模型应用于大气污染物浓度预报具有较高的预报精度。     

神经网络技术在单机应变寿命监控中的应用研究

目的解决单机应变监控载荷模型中非线性问题带来的误差。方法基于人工神经网络技术,结合某型飞机典型盒段试验件有限元模型,建立用于单机应变寿命监控的神经网络载荷模型,利用随机选取的测试数据对模型的精确性进行验证,并与多元线性回归模型进行对比分析。结果 BP神经网络载荷模型的预测值比较贴近实测值,同时要优于多元线性回归模型的预测结果。结论 BP神经网络载荷模型可以用于单机应变监控,而且预测精度更高,可以更加准确地把握平尾的损伤情况。     

GA-BP神经网络在铜合金海洋腐蚀预测中的应用

目的 充分利用海洋腐蚀数据,深入分析数据规律.方法 在BP神经网络的基础上引入遗传算法,以克服神经网络模型固有缺陷,提高预测精度和训练速度.结果 对GA-BP人工神经网络进行了简要阐述,并以铜合金在海水中的腐蚀数据为例,应用GA-BP人工神经网络建立了海水腐蚀预测模型,对预测结果进行了评价.结论 预测结果表明,模型能满足设计要求,具有较好的泛化能力.     

基于PSO算法的BP神经网络对水体叶绿素a的预测

BP神经网络(Back Propagation Network)在水体富营养化评价及预测中已广泛应用,但传统BP算法的收敛速度慢并易陷入局部最优. 提出了一种基于微粒群(PSO)算法的BP神经网络模型,利用PSO对神经网络的权值进行修正,优化神经网络结构及算法全局收敛性. 选择最能代表明湖水质状况的5号采样点作为研究对象,把2009年4月—2010年3月的月样本插值为周样本,对明湖ρ(Chla)的短期变化趋势进行了预测,并用6号采样点数据来验证网络的泛化能力. 比较分析基于PSO算法的新模型与传统BP算法模型的预测精度表明,新模型有效克服了传统算法的缺点,提高了网络的预测能力和学习能力.      

基于MATLAB的BP神经网络模型在漠阳江水质评价中的应用研究

为提高水质评价的准确性,基于MATLAB及人工神经网络理论,采用误差反向传播的BP算法建立漠阳江水质评价模型,充分利用神经网络的非线性映射特性,取7项常规地表水水质评价指标对漠阳江水质进行评价,并将BP神经网络评价结果与单因子评价法及综合指数法的评价结果进行比较,网络运行结果表明一致效果良好.同时较传统的水质评价方法,该网络具有较高的识别精度,提高了水质评价等级的准确性,使评价的结果更具有科学性.     

水质评价模式识别的BP神经网络方法

水质受多个因素的影响，而且这些作用多是非线性的。其水质评价的实质是实现一个非线性映射。由于具有任意个隐层节点的前馈神经网络可以以任意精度逼近一个连续函数，因此，目前得到普遍应用的是采用BP算法的多层前馈神经网络。文中运用人工神经网络的反向传播（BP）算法进行了实例评价，与其它方法相比，评价精度较高，方法简单易行。     

基于人工神经网络的行业无害化生产能力评价模型研究

利用BP前向人工神经网络方法 ,建立了一种全新的基于人工神经网络的行业无害化生产能力评价模型 ,该模型采用动量梯度下降反向传播和学习速率自适应调整相结合的训练学习算法。最后 ,以造纸及纸制品业为例 ,对中国各省市造纸行业的无害化生产能力进行评价 ;并进一步分析中国各省造纸行业无害化生产能力的时空分布规律 ,为我国行业规划、布局决策提供科学依据。     

人工神经网络改进BP算法优化水质监测点

运用人工神经网络理论对城市河涌水质监测布点进行优选，基于前馈多层BP型神经网络的改进算法，用广州市河涌水质分类标准和实测水质数据对神经网络模型进行训练和检验，结果表明，该方法具有客观、可靠、实用、容错性高的优点，是一种科学、新型的水质监测点优选方法。     

建立土壤硫释放过程的人工神经网络模型

以温度、土壤含水率、胱氨酸添加量和土壤pH值作为土壤释放挥发性含硫化合物的主要影响因素,采用正交实验方法分析这些因素与土壤硫释速率的关系,利用BP神经网络算法对实验结果建模,并用模型对不同影响因素下的土壤硫释放情况进行预测。结果表明,网络模型对学习过的样本有较高预测精度,预测结果相对误差在2％以下,对未学生过的样本,误差为10％左右,表明人工神经网络方法建立的模型适用于土壤硫释放预测。     

基于贝叶斯-BP神经网络的机械制造企业安全预警方法研究

针对目前机械制造企业安全预警系统中预警指标难以量化确定状态、预警级别生成算法单一且主观性较强的问题,以我国《机械制造企业安全生产标准化评定标准》为基础,建立了机械制造企业安全预警指标体系,并根据贝叶斯网络推理预警级别,在FullBNT中建立了机械制造企业安全预警系统的贝叶斯网络,提出一种运用BP神经网络量化确定机械制造企业安全预警指标状态的方法。通过实例分析表明:该方法可充分利用专家和以往事故案例经验,且预警效率较高。     

基于BP人工神经网络的矿井瓦斯涌出量预测

应用BP人工神经网络模型和算法，建立了煤层群开采矿井瓦斯涌出量预测模型。实际应用表明，模型精度能满足要求，并对隐含层神经元数目对步长影响作了讨论。