首页 | 本学科首页   官方微博 | 高级检索  
检索     
共有20条相似文献,以下是第1-20项 搜索用时 187 毫秒

1.  基于遗传神经网络模型的大气环境质量评价方法  被引次数:9
   周廷刚《四川环境》,2003年第22卷第3期
   设计了用遗传算法训练神经网络权重的新方法,实验结果显示了遗传算法快速学习网络权重和全局搜索的能力,有效地解决了BP算法的局部收敛问题。误差反向传播的遗传——神经网络(GA—BP)模型用于大气环境质量综合评价,具有简便、准确、客观和适应性强等优点。    

2.  混沌遗传神经网络在空气质量预测中的应用  
   孟栋  樊重俊  李旭东  卜宾宾《安全与环境学报》,2014年第4期
   为了提高对空气质量预测的准确性,提出了一种基于混沌遗传算法(CGA)的BP神经网络改进方法。BP神经网络是目前应用最广泛的神经网络,但存在收敛速度慢和易陷入极小值的缺陷。该改进算法的基本思想是用混沌遗传算法优化BP神经网络的初始权值和阈值。混沌遗传算法结合了混沌运动的遍历性和遗传算法的反演性。将混沌变量加入遗传算法中,进一步提高了遗传算法的全局搜索能力和收敛速度;将混沌遗传算法优化后得到的最优解作为BP神经网络的初始权值和阈值。利用改进后的CGA-BP算法进行空气质量预测,结果表明,该方法对空气质量的预测效果明显好于单纯使用BP神经网络的预测效果。    

3.  IPSO-BP神经网络在渭河天水段水质评价中的应用  
   王彤彤  张剑  涂川  赵文芳  陈明明  赵成章《环境科学与技术》,2013年第8期
   水质评价是进行水环境容量计算和实施水污染控制规划的重要基础,能为改善河流水资源污染程度,保护河流水资源提供方向性、原则性的方案和依据。文章通过改进的PSO算法优化BP神经网络的权值和阈值,获得最优权值和阈值后建立IPSO-BP神经网络水质评价模型,针对关中-天水经济区中天水段地表水质,利用2003-2009年渭河天水段4个控制断面的监测数据,选取BOD5、DO、氨氮、总磷、高锰酸盐指数5个指标进行综合评价,并分析了污染现状及时空变化规律。结果表明,改进的PSO-BP神经网络泛化能力强,评价更客观;7年间水质有一定程度的改善,但总体变化不大,水质类别主要为Ⅱ类和Ⅲ类,其中北道桥断面污染最为严重。研究旨在有效控制渭河流域天水段污染,为渭河水资源的保护提供科学依据。    

4.  基于PSO算法的BP神经网络对水体叶绿素a的预测  被引次数:2
   虞英杰  蒋卫刚  徐明芳《环境科学研究》,2011年第24卷第5期
   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.    

5.  基于遗传-神经网络的电网流域面雨量预报方法研究  
   覃武  林开平  黄颖  李勇  钟利华  罗小莉《灾害学》,2015年第3期
   以重点水力发电厂和大中型水库为主要考量,并兼顾地形地貌和中小河流的分布特征,将广西划分为23个电网流域,研究了基于非线性的神经网络电网流域面雨量预报方法。以5-6月龙滩近库区、龙江流域等6个电网流域为例,利用遗传算法优化BP神经网络的连接权和网络结构,建立了各电网流域的遗传-神经网络电网流域面雨量预报模型。对独立样本的预报结果表明,基于遗传-神经网络的电网流域面雨量预报模型的预报能力要优于传统的逐步回归预报模型,也明显优于日本、德国数值模式预报产品所换算成的电网流域面雨量预报,并与气象部门同期制作的综合面雨量预报产品能力相当,因而,遗传-神经网络面雨量集合预报模型有较好的业务应用前景。    

6.  基于遗传BP神经网络模型的矿井突水水源判别  
   徐星  田坤云  郑吉玉《工业安全与环保》,2017年第43卷第11期
   在分析矿井突水水源的水化学特征基础上,选取常用的Na++K+,Ca2+,Mg2+,Cl-,HCO3-,SO42-等6种离子质量浓度作为水源判别的依据,将具有局部搜索能力的BP神经网络和具有全局寻优功能的遗传算法(GA)进行结合,提高神经网络的泛化性.为了验证其优点,分别采用BP和GA-BP两种神经网络模型对20组训练样本进行训练,并对6组待测样本进行判别.结果表明:GA-BP神经网络模型克服了BP神经网络初始权值与阈值的随机性、易陷入局部最优的缺点,能提高BP神经网络的判别精度;虽然经过GA初始化的BP神经网络在训练过程中收敛速度与误差均不如未优化的BP神经网络,但GA-BP网络模型泛化性却高于BP网络模型,能提高突水水源的判别准确性.    

7.  基于遗传算法的人工神经网络大气环境评价  被引次数:6
   熊忠华  陈琦  郑秀梅  张宏俊《环境科学与技术》,2005年第28卷第4期
   人工神经网络模拟大脑的认知功能,通过改变连接点的权值和阈值来训练神经网络完成特定的功能。运用基于遗传算法的BP网络模型,以国家大气质量标准作为网络的输入样本对网络进行训练,对某地区大气质量进行评价,结果与综合指数法比较吻合。    

8.  智能算法及其在环境预警中的应用  
   黄佳聪  高俊峰《环境监控与预警》,2010年第2卷第3期
   智能算法具有学习非线性问题的能力,可有效优化环境模型结构与参数,是环境预警的重要工具。重点分析了遗传算法和人工神经网络的相关特征,并以太湖蓝藻水华预报预警为例,介绍其在提高环境模型精度中的应用。    

9.  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  被引次数:1
   梁珊珊  殷健《上海环境科学》,2007年第26卷第4期
   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。    

10.  基于灰色神经网络优化组合模型的火灾预测研究  
   袁朋伟  宋守信  董晓庆《中国安全生产科学技术》,2014年第3期
   为了提高火灾事故预测的精度,根据我国火灾事故数据样本较小,波动性较大的特点,将遗传算法优化的灰色无偏预测模型与遗传算法优化的BP神经网络模型结合起来,建立灰色神经网络优化组合模型,充分发挥无偏灰色预测模型适用于小样本的数据预测的优势与BP神经网络处理非线性问题的优点。分别采用遗传算法优化后的无偏灰色GM(1,1)模型、遗传算法优化的BP神经网络预测模型与灰色神经网络优化组合模型对我国1998-2008年的火灾事故进行拟合,并对2009-2011年的火灾事故发生数进行预测。结果表明:灰色神经网络优化组合模型的预测误差最小,精度最高,适用于火灾事故的预测。    

11.  自适应人工鱼群-BP神经网络算法在径流预测中的应用  被引次数:3
   师彪  李郁侠  于新花  闫旺  李鹏《自然资源学报》,2009年第24卷第11期
   为了提高水库和河流中长期径流预测精度,提出了弹性自适应人工鱼群算法(RAAFSA)。应用RAAFSA算法训练BP神经网络,实现BP神经网络参数优化,形成弹性自适应人工鱼群-BP神经网络混合算法(RAAFSA-BP),对石泉水库进行中长期径流预测。仿真计算表明,弹性自适应人工鱼群优化的BP神经网络算法收敛速度快于BP神经网络算法、人工鱼群-BP神经网络算法和RBF神经网络算法。该混合算法克服了BP神经网络和人工鱼群算法易陷于局部极值、搜索质量差和精度不高的缺点,改善了BP神经网络的泛化能力,输出稳定性好,预报精度显著提高,每次预测相对误差绝对值都小于6%,合格率达到100%。该算法成功地解决了石泉水库中长期径流预测精度不高的难题,可有效用于水库和河川中长期径流预测。    

12.  基于粗集、遗传神经网络的环境质量评价  被引次数:1
   李云辉 梁永宁 张红珍 余菡《广州环境科学》,2005年第20卷第4期
   基于粗集、遗传神经网络的环境质量评价方法利用粗集对属性的归约功能将数据库中的数据进行归约,并将归约后的数据作为训练数据提供给BP神经网络;再用遗传算法和BP算法相结合的混合算法来训练网络预测模型的结构(在得到最优网络结构的同时也得到网络的最优权值和阈值)。通过实例表明该方法是有效的,为环境质量评价提供了一种新的研究思路和分析方法。    

13.  基于改进多种群遗传算法的尾矿坝形变预测  
   李丰旭  杜宁  王莉  裴书玉  钟阳《工业安全与环保》,2019年第6期
   针对遗传神经网络(GA-BP)建立的尾矿坝形变预测模型易出现早熟现象、预测结果不稳定、容易陷入局部最优值的不足,引入一种具有混沌局部搜索的多种群自适应遗传算法。该算法以双种群寻优为基础,改进了遗传参数的计算方式,分别以种群进化中染色体适应度值的集中程度和空间距离的分布作为自适应交叉率、变异率的计算依据应用于不同种群中,提高了种群的多样性和遗传算法全局搜索的能力;同时引入混沌局部搜索技术(CLS),完善了遗传算法局部搜索能力的不足。采用改进的遗传神经网络模型对贵州省白岩尾矿坝三维变形数据进行预测,并与传统的GA-BP和AGA-BP模型预测结果进行比较。结果表明:改进后的模型预测精度更高,结果更加稳定,具有良好的预测效果。    

14.  基于BP神经网络的安全评价方法研究  
   邓宝  宋瑞《安全与环境工程》,2005年第12卷第2期
   阐述了BP神经网络的基本原理,利用机会约束的思想建立了综合安全评价模型.运用反向传播算法和遗传算法对神经元网络进行训练,在此分析基础上对系统综合安全评价模型进行求解,并对运用神经元网络进行综合安全评价的优点进行了分析。    

15.  t分布受控遗传算法优化BP神经网络的PM2.5质量浓度预测  
   荆涛  李霖  于文柱  王玉娟  郑永杰  田景芝《中国环境监测》,2015年第31卷第4期
   根据齐齐哈尔大学监测点2014年3—5月PM2?5质量浓度及其对应的每小时的气象因素、气体污染物浓度,建立基于t分布受控遗传算法的BP神经网络模型( BPM?TCG),对PM2?5质量浓度进行模拟预测。并将其与BP神经网络模型、遗传算法优化BP神经网络模型( BP?GA)进行对比分析。3种模型预测结果表明:BPM?TCG模型预测精度最高,泛化能力最好。 BPM?TCG模型对PM2?5质量浓度的准确预测为预防和控制PM2?5提供依据。    

16.  神经元网络在安全评价中的应用  被引次数:6
   宋瑞  邓宝《中国安全科学学报》,2005年第15卷第3期
   利用人工神经元网络进行安全评价可以克服传统的安全评价方法的缺点,提高安全评价方法的精确度和可靠性。笔者在BP神经网络基本原理的基础上,利用机会约束的思想建立了综合安全评价模型;运用反向传播算法和遗传算法对神经元网络进行训练;进而就系统综合安全评价模型进行求解,并对运用神经元网络进行综合安全评价的优点进行了分析。最后,通过对实例进行综合安全评价,得出计算结果,同时也证明将人工神经元网络应用于安全评价的可行性    

17.  基于遗传神经网络的化工企业安全评价  
   宋园园  申超霞  陆愈实《工业安全与环保》,2014年第11期
   基于化工企业特点,建立了比较合理的安全评价指标结构,并构建了以遗传神经网络为基础的评价模型。通过建立训练样本,确定BP神经网络的网络结构,运用遗传算法(GA )去优化BP网络的初始权值和阈值,再把优化之后的权值和阈值赋给BP神经网络,然后对其进行训练,训练完毕后将所建立的模型通过实例评价进行了验证,结果表明此模型在化工企业安全评价中具有较好的应用价值。    

18.  基于奇异谱分析—遗传算法反向传播神经网络模型的湘江新港断面水质预测  
   金昌盛  邓仁健  刘俞希  任伯帜《环境污染与防治》,2019年第6期
   运用奇异谱分析(SSA)对湘江新港断面557周的pH、DO、高锰酸盐指数和氨氮数据进行了预处理,再运用遗传算法优化反向传播神经网络模型进行拟合与预测。结果表明:SSA有较好的降噪能力,遗传算法反向传播(GABP)神经网络模型相比BP神经网络模型均方根误差(RMSE)平均缩小了6.96%,具有良好的预测精度;预测期内新港断面的pH、DO、高锰酸盐指数、氨氮均能满足《地表水环境质量标准》(GB 3838—2002)Ⅲ类标准,但氨氮在预测期内呈上升趋势,需警惕氨氮浓度过高引发的水污染问题。    

19.  遗传神经网络对肼类化合物的定量构效研究  
   吴春  刘祥萱  王煊军《环境污染与防治》,2009年第31卷第4期
   应用遗传算法和反向传播(BP)神经网络相结合的方法,研究了胼类化合物的定量构效(QSAR)关系,构建了遗传神经网络QSAR模型。对30种肼类化合物的6个量子化学参数进行相关性和主成分分析,利用遗传神经网络QSAR模型对肼类化合物的毒性参数进行预测。结果表明,与常规BP神经网络建立的模型相比较,遗传神经网络QSAR模型有效解决了常规BP神经网络模型存在的过训练和过拟合问题,并且具有很好的预测效果。    

20.  基于人工蜂群算法的BP双隐含层神经网络水质模型  
   杨咪  徐盼盼  钱会  侯凯《环境监测管理与技术》,2018年第30卷第1期
   采用人工蜂群算法优化BP神经网络的初始权值和阈值,同时采用双隐含层来提高网络精度,选取DO、IMn、COD、BOD5和NH3-N作为评价指标,建立一个基于人工蜂群算法的BP双隐含层神经网络模型,并应用该模型对2012年黄河水系下河沿断面的各月监测数据进行水质评价,同时与BP神经网络、模糊层次评价方法作比较。结果表明:基于人工蜂群算法的BP双隐含层神经网络在水质评价时,均方误差小,多次运行的结果始终一致,评价结果合理有效。    

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号