改進BP神經(jīng)網(wǎng)絡的礦井CO檢測方法??

本文把信息擴散原理和神經(jīng)網(wǎng)絡相結合,提出一種工程造價的估測方法,并給出計算實例。

為了有效利用多種檢測數(shù)據(jù)來綜合評價軌道的狀態(tài),本文應用bp神經(jīng)網(wǎng)絡技術建立了軌道狀態(tài)評定方法,并采用matlab軟件編制了具有自學習功能的評價軟件。bp神經(jīng)網(wǎng)絡應用于軌道狀態(tài)的評價中,其學習樣本、規(guī)模及代表起關鍵作用,通過大量的樣本訓練,對\"未知\"樣本神經(jīng)網(wǎng)絡模型的評價具有較高的準確性。理論分析與算例的結果表明,該評價方法是可行的、有效的,為解決軌道狀態(tài)評定提供了一條新的途徑。

針對傳統(tǒng)方法單獨采用bp神經(jīng)網(wǎng)絡算法易陷入局部極值的問題,提出了遺傳算法優(yōu)化bp神經(jīng)網(wǎng)絡,并將其應用于mimo-ofdm系統(tǒng)信號檢測中。該方法將遺傳算法與神經(jīng)網(wǎng)絡相結合,用遺傳算法優(yōu)化神經(jīng)網(wǎng)絡初始值,使bp網(wǎng)絡快速收斂到最優(yōu)解,避免了由初始值的隨機選取而帶來的檢測誤碼。仿真結果表明所提出的方法在誤碼率方面有比較好的性能。

基于bp神經(jīng)網(wǎng)絡的礦井通風系統(tǒng)安全評價方法——運用人工神經(jīng)網(wǎng)絡的理論和方法，建立了基于bp神經(jīng)網(wǎng)絡的礦井通風系統(tǒng)安全評價模型，并利用matlab7．0進行編程，實現(xiàn)了礦井通風系統(tǒng)的安全評價預測。通過某礦通風系統(tǒng)的實例評價，預測結果與實測結果相符，表明應...

針對工業(yè)控制系統(tǒng)入侵檢測模型對各類攻擊的檢測率和檢測效率不高的問題,提出一種adaboost算法優(yōu)化bp神經(jīng)網(wǎng)絡的入侵檢測模型.首先利用主成分分析法對原始數(shù)據(jù)集進行預處理,消除其相關性；其次利用adaboost算法對訓練樣本的權重進行不斷調(diào)整,從而獲得bp神經(jīng)網(wǎng)絡最優(yōu)權重和閾值；最后再通過adaboost算法將bp弱分類器組合成bp強分類器,從而實現(xiàn)工業(yè)控制系統(tǒng)的異常檢測.實驗結果表明該方法在對各攻擊類型的檢測率和測試時間明顯優(yōu)于其他算法模型.

提出一種采用bp神經(jīng)網(wǎng)絡算法來預測深基坑沉降的方法,結合具體工程實例,構建了預測深基坑周邊地表沉降具體bp神經(jīng)網(wǎng)絡模型,預測結果表明,該模型有較高的預測精度,可作為預測沉降的一種新方法。

為解決bp神經(jīng)網(wǎng)絡應用于入侵檢測時檢測率較低、訓練時間過長的問題,對改進差分進化算法(samde)優(yōu)化bp神經(jīng)網(wǎng)絡并用于入侵檢測的可行性進行研究.該算法引入模擬退火算法(sa)和一種融合de/rand/1與de/best/1的變異算子對差分進化算法進行改進以提高其全局尋優(yōu)能力.用改進后的算法優(yōu)化bp神經(jīng)網(wǎng)絡權值閾值.通過逐次的迭代訓練使bp神經(jīng)網(wǎng)絡收斂,將優(yōu)化過的bp神經(jīng)網(wǎng)絡用于入侵檢測.仿真實驗結果顯示,優(yōu)化的bp網(wǎng)絡在收斂速度和精度方面有明顯提升,用于入侵檢測時提高了檢測準確率,縮短了訓練時間.

為解決bp神經(jīng)網(wǎng)絡應用于入侵檢測時檢測率較低、訓練時間過長的問題,對改進差分進化算法(samde)優(yōu)化bp神經(jīng)網(wǎng)絡并用于入侵檢測的可行性進行研究。該算法引入模擬退火算法(sa)和一種融合de/rand/1與de/best/1的變異算子對差分進化算法進行改進以提高其全局尋優(yōu)能力。用改進后的算法優(yōu)化bp神經(jīng)網(wǎng)絡權值閾值。通過逐次的迭代訓練使bp神經(jīng)網(wǎng)絡收斂,將優(yōu)化過的bp神經(jīng)網(wǎng)絡用于入侵檢測。仿真實驗結果顯示,優(yōu)化的bp網(wǎng)絡在收斂速度和精度方面有明顯提升,用于入侵檢測時提高了檢測準確率,縮短了訓練時間。

精密軸承應用廣泛,精度要求高,軸承表面缺陷對其使用影響很大.因此,對軸承缺陷的檢測很有必要.目前的檢測以人工為主,但當缺陷小于0.075mm時人眼就很難識別.以ccd攝像機為視覺結合圖像處理技術,設計一種軸承在線檢測方法,能夠在很大程度上提高檢測效率和檢測精度,最后利用bp神經(jīng)網(wǎng)絡進行缺陷分類,實驗結果表明:分類正確率可達92.7%,符合工業(yè)要求.

比較分析了現(xiàn)行的造價估測模型的特點及其存在的問題,突出bp神經(jīng)網(wǎng)絡模型進行造價估測的理論優(yōu)勢,引入工程分類思想,以學校類建筑為例,建立了bp神經(jīng)網(wǎng)絡估測模型并進行了造價估測。

造價估測方法的研究和bp神經(jīng)網(wǎng)絡模型的應用——比較分析了現(xiàn)行的造價估測模型的特點及其存在的問題,突出bp神經(jīng)網(wǎng)絡模型進行造價估測的理論優(yōu)勢,引入工程分類思想,以學校類建筑為例,建立了bp神經(jīng)網(wǎng)絡估測模型并進行了造價估測?！　?/p>

在對某基坑工程采用bp神經(jīng)網(wǎng)絡模型預測基坑開挖引起地表變形的分析中,考慮到現(xiàn)有模型可能會遇到預測結果跳不出訓練樣本以及訓練時間較長的問題,提出采用matlab中的mapminmax函數(shù)進行歸一化處理,并基于牛頓法、共軛梯度法和l-m法三種數(shù)值優(yōu)化方法對bp網(wǎng)絡訓練算法進行了改進.研究結果表明:與常用的基于梯度下降原則相比,改進后的bp神經(jīng)網(wǎng)絡在訓練時間和預測誤差方面均有明顯的優(yōu)勢,采用l-m法的神經(jīng)網(wǎng)絡在訓練樣本時的迭代次數(shù)最少為74次,采用共軛梯度法的預測結果與實測結果的誤差最大為2.4％,而采用牛頓法神經(jīng)網(wǎng)絡的預測值則比較均衡,預測結果相對最佳.

房地產(chǎn)在金融市場中占有舉足輕重的地位,其價格變化對整個金融市場有著顯著的影響。采用特征價格模型,對美國一線城市2007年6月及2008年的房價進行了相關定價研究。對傳統(tǒng)特征價格模型的屬性因子進行了擴充,加入房產(chǎn)周邊犯罪率因子進行模擬;在數(shù)值方法計算方面,首先對數(shù)據(jù)進行了box-cox變換,分別采用bp神經(jīng)網(wǎng)絡及傳統(tǒng)的最小二乘法進行數(shù)值模擬分析,結果表明,房價隨犯罪事件類型及發(fā)生距離房地產(chǎn)的遠近有-5.78%～2.08%的變化;在2008年與2007年6月的不同時段內(nèi),犯罪率的變化對房價的影響有所不同。bp神經(jīng)網(wǎng)絡模擬的價格與實際交易價格曲線比傳統(tǒng)最小二乘模擬的價格曲線精度高出5.74個百分點。

bp神經(jīng)網(wǎng)絡是分析處理復雜非線性問題的一種有效方法,是目前廣泛應用的一種神經(jīng)網(wǎng)絡,已被逐漸應用于對宏觀經(jīng)濟問題的研究中。本文有機地整合了計量經(jīng)濟學與bp神經(jīng)網(wǎng)絡,建立了基于因果關系理論來確定bp網(wǎng)絡的輸入變量,基于協(xié)整理論來分析bp網(wǎng)絡系統(tǒng)的可靠性,基于學習率可變的動量bp算法的用于研究經(jīng)濟領域問題的改進bp神經(jīng)網(wǎng)絡預測模型,加強了網(wǎng)絡模型的理論基礎,提高了網(wǎng)絡模型的質(zhì)量,并將其應用于西北建筑業(yè)的預測和控制中,取得了令人滿意的效果。

基于bp神經(jīng)網(wǎng)絡電子評標方法的研究和應用——為了解決招投標中評標環(huán)節(jié)專家評審法隨意性大的問題,針對建設工程的不同特點,對評標內(nèi)容進行分類剖析.利用人工神經(jīng)網(wǎng)絡的智能識別功能,建立基于神經(jīng)網(wǎng)絡的電子評標方法.結合人工神經(jīng)網(wǎng)絡的自適應功能、良好的容錯能...

為了對民航系統(tǒng)安全運行狀態(tài)進行科學的分析和預測,針對反映民航系統(tǒng)安全運行狀態(tài)的重要指標之一——飛行事故萬時率,采用bp神經(jīng)網(wǎng)絡的時間序列非線性預測模型及方法,對其進行了分析研究和仿真驗證,計算結果表明,該預測方法是可行的,并與實際具有較好的一致性。

探討了礦井構造定量評價的人工神經(jīng)網(wǎng)絡方法,結合東坡井田討論了bp模型的輸入層、隱含層和輸出層的構置和優(yōu)選等問題,利用東坡井田已知資料使用有序地質(zhì)量最優(yōu)分割方法和插值法得到學習樣本,經(jīng)過學習樣本的訓練,對未知單元進行評價。

針對評標工作中專家的主觀性、隨意性和傾向性所帶來的偏差,運用改進bp算法,構建了建設工程項目評標的神經(jīng)網(wǎng)絡模型。該模型能夠較好地適應各影響因素之間的非線性關系,并通過附加動量法的自學習、自適應能力,提高了收斂速率,從而避免了局部極小值,提高了精度。通過仿真試驗,驗證了該模型的科學性和有效性。

為了有效的實現(xiàn)用于混合式電力電子斷路器的故障電流檢測,設計了一種基于神經(jīng)網(wǎng)絡理論的短路電流檢測方法,其主旨是將動態(tài)神經(jīng)網(wǎng)絡應用于故障電流的檢測,利用反饋神經(jīng)網(wǎng)絡的歷史記憶效應,對信號進行預測比較,可實現(xiàn)一種有效的短路電流故障檢測。使用matlab神經(jīng)網(wǎng)絡工具箱進行仿真,通過仿真產(chǎn)生模擬訓練樣本,以單相工頻基波疊加多次諧波分量,簡化時可用類正弦函數(shù)代替,仿真結果表明了該方法的有效性和快速性。

shaffer函數(shù)定義域在[-10,10]區(qū)間內(nèi),bp神經(jīng)網(wǎng)絡擬合該函數(shù)訓練時間長,且無法達到期望精度,說明bp神經(jīng)網(wǎng)絡擬合復雜非線性函數(shù)能力需改善.文章提出了一種改進的bp神經(jīng)網(wǎng)絡,先對網(wǎng)絡的輸入進行k-means聚類,bp神經(jīng)網(wǎng)絡訓練采用大規(guī)模節(jié)點,聚類輸入分別激活部分節(jié)點進行訓練,每組聚類使用不同的節(jié)點,通過子網(wǎng)絡訓練聚類樣本,減少了網(wǎng)絡擬合難度.經(jīng)測試改進的bp神經(jīng)網(wǎng)絡達到了精度.最后,用改進的bp神經(jīng)網(wǎng)絡進行了軸徑的最優(yōu)計算.

針對傳統(tǒng)bp神經(jīng)網(wǎng)絡存在的缺點,提出基于遺傳優(yōu)化的變梯度反向傳播的bp神經(jīng)網(wǎng)絡預測方法,采用遺傳算法優(yōu)化bp神經(jīng)網(wǎng)絡的初始權重,建立路基沉降預測模型。該模型可克服bp神經(jīng)網(wǎng)絡模型存在的收斂速度慢、易陷入局部極小點等缺點。結合現(xiàn)場實測數(shù)據(jù),將該優(yōu)化模型與指數(shù)曲線模型、雙曲線模型、灰色預測模型和傳統(tǒng)bp神經(jīng)網(wǎng)絡預測模型對比,結果表明改進的bp神經(jīng)網(wǎng)絡在路基沉降預測中精度最高,適宜于廣泛推廣應用。

針對傳統(tǒng)的bp神經(jīng)網(wǎng)絡存在的缺點,提出了用附加動量法、自適應學習速率和l-m優(yōu)化算法等幾種算法進行優(yōu)化。通過對比分析,證明了采用l-m優(yōu)化和附加動量因子算法相結合取得了最優(yōu)的預測效果。該方法克服了bp神經(jīng)網(wǎng)絡模型存在的收斂速度慢、易陷入局部極小點的缺點。結合現(xiàn)場實測數(shù)據(jù),將該優(yōu)化模型與傳統(tǒng)的bp神經(jīng)網(wǎng)絡預測模型對比,預測結果表明改進的bp神經(jīng)網(wǎng)絡在路基沉降預測中精度最高,適宜廣泛采用。