自适应人工鱼群-BP神经网络算法在径流预测中的应用

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。     

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.     

BP神经网络与Sugeno模糊积分融合 的转子系统故障诊断

目的针对BP神经网络对转子故障诊断方法存在的局限性,提出一种融合Sugeno模糊积分和BP神经网络的转子故障轴心轨迹识别诊断方法。方法首先利用轴心轨迹图像的不变矩为特征向量,提取常见旋转机械转子故障特征,随后利用多个BP神经网络对故障类型进行识别,最终采用Sugeno模糊积分对BP神经网络识别结果进行决策,从而构建转子故障诊断模型,并应用于转子系统故障的诊断。结果通过机械故障仿真模拟实验平台采集了6种常见转子系统故障信号,利用matlab2012a软件编程建模仿真处理,试验表明,该模型有效地提高了转子系统多类别故障的识别正确率。同时,该方法对同一故障类型识别所需样本少,大大节省了数据获取和处理的时间。结论该方法提出并用于转子系统故障诊断中,诊断准确性高,可靠性强,利用样本数据量少,节约时间,对小样本数据的故障诊断有着良好的效果。     

基于腐蚀损伤表征因子的疲劳寿命衰减影响研究

应用MIT（Mean Impact Value）方法对LY12CZ铝合金试件疲劳寿命产生影响的腐蚀损伤表征因子进行筛选,得到了对疲劳寿命衰减影响较大的5个腐蚀损伤表征因子。定义了腐蚀疲劳寿命累积衰减函数与疲劳寿命衰减速率函数,建立了寿命累积衰减模型,验证了该模型的准确性,并以腐蚀损伤表征因子和腐蚀累积衰减函数为数据样本,用BP神经网络、自适应滤波的LMS算法分别预测了不同年限下的疲劳寿命。与实验测得的疲劳寿命数据对比后得出,BP神经网络、LMS方法计算产生的误差在工程上可以接受。     

基于模拟-优化方法的地下水污染源溯源辨识

以抚顺市某煤矸石堆放场为研究区,根据研究区的实际条件建立地下水污染质运移模拟模型,预测地下水污染质未来时空变化特征.基于正演预报结果构建了假想例子,应用模拟-优化方法对地下水污染源源强及场地的渗透系数进行反演识别.为减小优化模型反复调用模拟模型所产生的计算负荷,分别采用Kriging方法和BP神经网络方法建立了模拟模型的替代模型.最后运用模拟退火法求解优化模型,得到反演识别结果.研究表明：应用Kriging方法建立的替代模型输出结果的平均相对误差为0.3%;应用BP神经网络方法建立替代模型的输出结果平均相对误差为1.5%,应用两种替代模型对污染源源强识别的相对误差均小于0.5%,对场地两个参数分区渗透系数识别的相对误差均不大于5%.综上,应用Kriging方法建立的替代模型精度高于BP神经网络方法,利用基于两种替代模型的模拟-优化方法对污染源源强和渗透系数进行同步识别精度可以满足实际需求,是有效可行的.     

基于神经网络的城市夜间环境监控与预测

因夜间天空亮度分布具有非线性变化特点,故引入神经网络算法,建立基于时间序列的夜天空亮度预测模型,夜天空亮度预测模型可为城市光污染防治提供评价依据.文章对神经网络的原理进行了论述,建立了基于时间序列预测模型.以测试数据为训练样本集,基于MATLAB(矩阵实验室,Matrix Laboratory的简称),采用改进的BP算法(误差反向传播算法)对网络进行学习训练,并对存在的误差进行了分析.基于时间序列BP神经网络的夜天空预测模型,当隐含层神经元数目为5,训练函数为L-M优化算法(trainlm)时,最大绝对误差可达到0.003 6 cd/m2,最大相对误差达到2.361 4%.结果表明,模型的运行结果与试验数据比较吻合,输出与目标矢量之间相关性也较好.     

基于神经网络集成的单个飞行事件噪声预测模型

通过分析影响单个飞行事件噪声的各种因素,构建了BP神经网络回归预测模型,并通过自适应遗传算法优选出参与集成的个体神经网络,提出了预测单个飞行事件噪声的神经网络集成预测模型.为了有效保证差异性,设置不同隐藏神经元个数和Bagging算法来构建和训练单个网络.实验结果表明,单个飞行事件噪声的神经网络集成预测模型相对单个BP神经网络模型泛化能力更强,稳定性能更好.本文方法在测试集上误差在3dB以内的平均比率为96.9%,比单个网络高6.8%.     

基于神经网络集成的单个飞行事件噪声预测模型

通过分析影响单个飞行事件噪声的各种因素,构建了BP神经网络回归预测模型,并通过自适应遗传算法优选出参与集成的个体神经网络,提出了预测单个飞行事件噪声的神经网络集成预测模型.为了有效保证差异性,设置不同隐藏神经元个数和Bagging算法来构建和训练单个网络.实验结果表明,单个飞行事件噪声的神经网络集成预测模型相对单个BP神经网络模型泛化能力更强,稳定性能更好.本文方法在测试集上误差在3dB以内的平均比率为96.9%,比单个网络高6.8%.     

改进BFO优化BPNN的自来水混凝加药预测

本文给出一种量子粒子群（QPSO）算法、改进菌群觅食（IBFO）算法优化反向传播神经网络（BPNN）的混凝投药预测模型,利用量子粒子群的个体极值与群体极值更新细菌觅食算法趋化过程中细菌位置;通过细菌协同改进趋化算子提高优化精度,结合差分算法改进繁殖算子解决部分维度退化问题,加入轮盘赌方法作为选择机制改进迁移算子来克服优化过程中优秀解消失的缺陷;进而优化BP神经网络的权值、阈值以此预测混凝剂投药量.对云南某自来水厂的数据进行离线训练和模型测试,结果表明,所提算法预测结果的均方误差（MSE）达0.0116mg/L,平均绝对误差百分比（MAPE）达1.36%,在预测精度和稳定性上优于BFO-BPNN、PSO-BPNN等模型.     

船舶溢油事故等级评估方法比较

船舶溢油事故等级评估是船舶溢油应急计划研究的重要内容,它受到溢油量、事故发生位置等多种因素的影响,是复杂的多属性分类问题.利用熵值法、关联度法和BP神经网络法3种目前常用的事故等级评估方法,对上海港1984─2003年发生的12起船舶溢油事故进行了危害等级判定,以期探索溢油事故等级合理量化评估技术方法.对比了3种方法在结果一致性、误差精度上的优劣性及实际适用性.结果表明:BP神经网络和关联度法适用性较好,熵值法必须结合专家打分才能得到较好的判定结果;同时BP神经网络法的评估结果一致性比率较高,误差率较低,但存在建模成本高和对噪声较敏感的缺点.      

双基球扁药工艺优化仿真研究

目的优化双基球扁药成球工艺参数,解决由于目前双基球扁药理论研究不充分、控制模型不明确、生产工艺参数调控依靠人工经验所导致的药品成球后直径、弧厚偏差大的问题。方法利用BP神经网络在处理复杂非线性映射问题上的强大的能力,对成球关键工艺参数与成球质量指标进行建模,并应用成球工艺过程仿真数据对其进行训练,将训练得到的BP神经网络模型用于优化成球工艺参数。同时利用仿真数据进行检验模型的可靠性。结果训练后BP神经网络均方误差为0.001,成球直径误差率为1.27%,成球弧厚误差率为2.08%,成球质量参数误差均很小,可以满足工艺要求。结论该BP神经网络模型具有较高精度,适用于含能材料工艺优化,提出的成球工艺优化方法能有效降低成球试制成本,缩短生产周期。     

基于BAS-BP模型的风暴潮灾害损失预测

风暴潮灾害是中国沿海地区最严重的灾害之一,近年来由其带来的经济损失均占海洋灾害总损失的90%以上,因此构建一个简单准确的损失预估模型显得尤为重要。本文以现有风暴潮灾害研究为基础建立了基于天牛须搜索（beetle antennae search）优化的BP神经网络模型,将其应用到风暴潮灾害经济损失预评估中。本文收集了福建省1994~2016年记录比较完善的29个风暴潮灾害损失数据,建立风暴潮灾害损失预评估指标体系并利用熵值法对指标因子进行预处理,消除数据冗余信息对预测的影响。对模型进行仿真测试,结果表明,与标准BP神经网络相比新模型有效避免了网络陷入局部极小值的可能,且与常规优化算法相比,克服了训练时间长、收敛速度慢的缺点,具有更好的鲁棒性和预测精度。     

基于BP神经网络的Falcon分选电子废弃物预测模型

Falcon分选电子废弃物的影响因素主要有水压、转动频率、入料浓度,为了进一步研究影响因素与分选效果的关系,文章利用Design-Expert 7.1软件设计出三因素三水平的实验条件,利用Falcon分选得出数据。将实验数据和BP神经网络相结合,将影响因素作为神经网络的输入,品位和产率作为输出,经过BP训练后得到输入与输出的关系。对实验影响因素与分选效果的关系进行分析,结果与实际情况比较吻合。运用MATLAB实现BP神经网络仿真,仿真结果与最小二乘法下的结果相比较误差较小,输出向量与实际实验结果接近。     

基于BP神经网络的安全评价方法研究

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。     

基于灰色模型和神经网络的铝合金腐蚀预测对比

采用NaCl溶液对铝合金试验件进行预腐蚀试验,产生腐蚀坑,获取了不同腐蚀时间下的腐蚀数据,然后进行疲劳加载试验。分别利用灰色模型和BP神经网络建立了腐蚀深度及疲劳寿命与腐蚀时间相关性的预测模型,对两种预测模型的精度进行了对比。研究发现,在缺乏足够统计数据的情况下灰色模型预测精度优于神经网络算法。     

西安市PM2.5时空分布模型研究

由基于时间序列的神经网络与BP神经网络构成一个二级神经网络模型.首先用基于时间序列的神经网络来构造模型,在每个监测站运用基于时间序列的神经网络模型得到一PM2.5的预测值P1,PM2.5与地理坐标之间无根本联系,只与相应地理坐标的环境因子有关,故用BP神经网络建立预测值P1与实测值P的模型,从而得到预测值P2,即通过构建二级神经网络得到PM2.5时空分布模型,然后对P2与P求均方差根RMSE进行检验.     

一种战车主减速器温度预测方法研究

目的针对战车主减速器温度预测需求,建立时间序列ARIMA多步预测和BP神经网络预测模型,提出基于BP神经网络修正误差的ARIMA模型温度预测方法。方法结合BP神经网络的非线性能力与ARIMA模型预测能力,分析ARIMA在多步预测时误差产生原因,在神经网络对ARIMA多步误差进行预测基础上计算修正因子,把误差修正因子和BP网络结合,实现对多步预测误差的修正。结果ARIMA模型多步预测时,预测误差随预测步数的逐步增加不断增大,引入了误差修正因子进行修正。通过预测值与实际值进行对比,可有效提高预测准确度。结论 BP神经网络和误差修正因子结合应用可显著提高温度预测效果。