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。     

环氧化合物分子结构与致变活性的关系

由化学物质毒性效应登录(RTECS)1998年光盘系统检索获得86种环氧化合物对鼠沙门氏菌致变活性数据.应用主成分分析法从11种分子描述符中选择出5种对致变活性有明显影响的描述符:碳原子数,苯环数,氢原子数,烷基数和氧原子数.通过样本学习集训练并优化神经网络结构,建模分类预报:对于86个样本,低和高2类活性,正确分类率达到92%.结果表明:3～4个骈接苯环的环氧化物的特殊结构具有很强的致变活性.     

基于神经网络的火灾探测系统

本文提出了一种基于神经网络的火灾探测方法,其对火灾的各种状态进行了识别,提高了早期发现火灾的能力,实验结果表明,该方法在火灾自动探测中是一种十分有效的方法。     

氯代芳香族化合物结构-电化学还原电位定量关系的贝叶斯规整化BP神经网络模型

将贝叶斯规整化误差反向传播神经网络(BRBPNN)应用于环境领域的 QSPR模型.采用ChemOffice2004内置的MOPAC 2000计算了6种量子化学参数(分子最高占据能EHOMO、分子最低占据能ELUMO、分子生成热HF、分子偶极矩DIP、分子的电子能量EE和分子的核核排斥能CCR)以及氯原子数(Cl)和分子量(MW),建立了87种氯代芳香族化合物结构与电化学还原电位定量关系的BRBPNN模型.最优网络模型结构为6-20-1,其电化学还原电位的拟合及预测能力明显优于逐步线性回归模型,其训练集和预测集的相关系数平方和均方根误差(MSE)分别达到0.999和0.000105,0.965和 0.00159.最优模型输入节点到隐含层权重平方和的分布规律揭示出各种描述符对还原电位的影响大小依次为: E_LUMO>E_HOMO>HF>CCR>EE>DIP.由散点图揭示出影响为正有EE;影响为负有E_LUMO,HF,DIP;影响无明显正负性的有E_LUMO,CCR.结果表明,贝叶斯规整化大大方便了网络规整化参数选择,保证了网络的优良概括能力和稳健性.本研究对氯代芳香族化合物采用电化学处理的适用性以及分析相应电化学降解机理提供了依据.     

基于BP神经元网络的建筑火灾烟气危害评价分级研究

随着人工神经网络技术的发展,其并行数据处理技术和自适应、自组织的学习能力,使得它在处理一些复杂的数据时占有很大优势.本文将BP神经网络应用于火灾烟气危险性评价分级,以等级的形式确定烟气的危险程度,并结合实验数据及相关统计对BP神经网络进行改进,给出了实例计算,验证了其可行性.     

基于SSA-CNN的长距离矿浆管道临界流速预测

针对长距离矿浆管道临界流速计算难度大、传统经验公式预测精度低且适用性差等问题,提出了一种基于麻雀搜索算法(SSA)-卷积神经网络(CNN)的矿浆管道临界流速预测模型。首先,分析矿浆管道临界流速的影响因素,选取4个主要影响因素作为模型特征;然后,利用SSA算法对CNN模型中的8个超参数进行迭代寻优,消除人为设置参数的不确定性;最后,将优化后的CNN模型用于临界流速的预测,以某一水平矿浆管道试验段为例进行实证研究。结果表明,SSA-CNN模型残差平方和为0.028 3,平均绝对百分误差为4.19%,平均绝对误差为0.054 0,与LSSVM、SSA-BP和CNN模型相比,该模型的预测精度更高,学习和泛化能力更强,为矿浆管道输送研究提供了一种新思路。     

改进的B—P网络在大气环境质量综合评价中的应用

本文引入人工神经网络理论，提出了大气环境质量综合评价的修正的Ｂ－Ｐ网络模型，与其它评价模型比较，表明该模型更具有优越性。     

基于神经网络的红树林景观特性遥感提取技术研究

利用神经网络法对广西山口红树林保护区2003年1月8日获取的Landsat TM 卫星图像进行分类.Landsat TM5卫星数据的3、4、5假彩色合成图像空间分辨率比较好,影像层次丰富,地物界限清晰.因此,采用3、4、5波段作为输入层.经过目视判读和现场调查,将输出层单元设置为5个,包括是红树林、陆地植被、裸地(其他建筑用地)、水体和虾池.经过流程实际运算和精度对比,设定训练阈值的贡献是0.9,训练率是0.2,训练次数是1000,最大个体允许误差为0.1.分类精度达到86.86%,高于最大似然分类(50.79%)和光谱角分类精度(75.39%),从而最终获取红树林生态系统的景观格局指标.结果显示研究区红树林均匀度(1.7789)和聚集度指数(0.6854)较高;红树林种类的优势度指数是-1.5850,为弱势群体;红树林的斑块破碎化指数是0.0325,破碎化程度较低.     

模糊神经网络方法在船舶油污事故损害赔偿评估中的应用研究

针对船舶油污事故损害赔偿评估非线性系统的复杂性，分析了人工神经网络技术在该领域应用的可能性，并以20个国际油污基金公约所承认著名赔偿案例为例建立船舶油污事故的神经网络评估模型，该模型对中国船舶油污事故损害赔偿评估具有一定的参考实用价值，为中国船舶油污事故损害赔偿评估提供了一种新颖而方便的计算方法。