改進(jìn)BP神經(jīng)網(wǎng)絡(luò)的礦井CO檢測方法??

本文把信息擴(kuò)散原理和神經(jīng)網(wǎng)絡(luò)相結(jié)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(yīng)用bp神經(jīng)網(wǎng)絡(luò)技術(shù)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(xué)習(xí)功能的評價軟件。bp神經(jīng)網(wǎng)絡(luò)應(yīng)用于軌道狀態(tài)的評價中,其學(xué)習(xí)樣本、規(guī)模及代表起關(guān)鍵作用,通過大量的樣本訓(xùn)練,對\"未知\"樣本神經(jīng)網(wǎng)絡(luò)模型的評價具有較高的準(zhǔn)確性。理論分析與算例的結(jié)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(luò)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(luò),并將其應(yīng)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(luò)相結(jié)合,用遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò)初始值,使bp網(wǎng)絡(luò)快速收斂到最優(yōu)解,避免了由初始值的隨機(jī)選取而帶來的檢測誤碼。仿真結(jié)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(luò)的礦井通風(fēng)系統(tǒng)安全評價方法——運用人工神經(jīng)網(wǎng)絡(luò)的理論和方法，建立了基于bp神經(jīng)網(wǎng)絡(luò)的礦井通風(fēng)系統(tǒng)安全評價模型，并利用matlab7．0進(jìn)行編程，實現(xiàn)了礦井通風(fēng)系統(tǒng)的安全評價預(yù)測。通過某礦通風(fēng)系統(tǒng)的實例評價，預(yù)測結(jié)果與實測結(jié)果相符，表明應(yīng)...

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(luò)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(jìn)行預(yù)處理,消除其相關(guān)性；其次利用adaboost算法對訓(xùn)練樣本的權(quán)重進(jìn)行不斷調(diào)整,從而獲得bp神經(jīng)網(wǎng)絡(luò)最優(yōu)權(quán)重和閾值；最后再通過adaboost算法將bp弱分類器組合成bp強(qiáng)分類器,從而實現(xiàn)工業(yè)控制系統(tǒng)的異常檢測.實驗結(jié)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(luò)算法來預(yù)測深基坑沉降的方法,結(jié)合具體工程實例,構(gòu)建了預(yù)測深基坑周邊地表沉降具體bp神經(jīng)網(wǎng)絡(luò)模型,預(yù)測結(jié)果表明,該模型有較高的預(yù)測精度,可作為預(yù)測沉降的一種新方法。

為解決bp神經(jīng)網(wǎng)絡(luò)應(yīng)用于入侵檢測時檢測率較低、訓(xùn)練時間過長的問題,對改進(jìn)差分進(jìn)化算法(samde)優(yōu)化bp神經(jīng)網(wǎng)絡(luò)并用于入侵檢測的可行性進(jìn)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(jìn)化算法進(jìn)行改進(jìn)以提高其全局尋優(yōu)能力.用改進(jìn)后的算法優(yōu)化bp神經(jīng)網(wǎng)絡(luò)權(quán)值閾值.通過逐次的迭代訓(xùn)練使bp神經(jīng)網(wǎng)絡(luò)收斂,將優(yōu)化過的bp神經(jīng)網(wǎng)絡(luò)用于入侵檢測.仿真實驗結(jié)果顯示,優(yōu)化的bp網(wǎng)絡(luò)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(zhǔn)確率,縮短了訓(xùn)練時間.

為解決bp神經(jīng)網(wǎng)絡(luò)應(yīng)用于入侵檢測時檢測率較低、訓(xùn)練時間過長的問題,對改進(jìn)差分進(jìn)化算法(samde)優(yōu)化bp神經(jīng)網(wǎng)絡(luò)并用于入侵檢測的可行性進(jìn)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(jìn)化算法進(jìn)行改進(jìn)以提高其全局尋優(yōu)能力。用改進(jìn)后的算法優(yōu)化bp神經(jīng)網(wǎng)絡(luò)權(quán)值閾值。通過逐次的迭代訓(xùn)練使bp神經(jīng)網(wǎng)絡(luò)收斂,將優(yōu)化過的bp神經(jīng)網(wǎng)絡(luò)用于入侵檢測。仿真實驗結(jié)果顯示,優(yōu)化的bp網(wǎng)絡(luò)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(zhǔn)確率,縮短了訓(xùn)練時間。

精密軸承應(yīng)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(dāng)缺陷小于0.075mm時人眼就很難識別.以ccd攝像機(jī)為視覺結(jié)合圖像處理技術(shù),設(shè)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(luò)進(jìn)行缺陷分類,實驗結(jié)果表明:分類正確率可達(dá)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(luò)模型進(jìn)行造價估測的理論優(yōu)勢,引入工程分類思想,以學(xué)校類建筑為例,建立了bp神經(jīng)網(wǎng)絡(luò)估測模型并進(jìn)行了造價估測。

造價估測方法的研究和bp神經(jīng)網(wǎng)絡(luò)模型的應(yīng)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(luò)模型進(jìn)行造價估測的理論優(yōu)勢,引入工程分類思想,以學(xué)校類建筑為例,建立了bp神經(jīng)網(wǎng)絡(luò)估測模型并進(jìn)行了造價估測?！　?/p>

在對某基坑工程采用bp神經(jīng)網(wǎng)絡(luò)模型預(yù)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(yù)測結(jié)果跳不出訓(xùn)練樣本以及訓(xùn)練時間較長的問題,提出采用matlab中的mapminmax函數(shù)進(jìn)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(luò)訓(xùn)練算法進(jìn)行了改進(jìn).研究結(jié)果表明:與常用的基于梯度下降原則相比,改進(jìn)后的bp神經(jīng)網(wǎng)絡(luò)在訓(xùn)練時間和預(yù)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(luò)在訓(xùn)練樣本時的迭代次數(shù)最少為74次,采用共軛梯度法的預(yù)測結(jié)果與實測結(jié)果的誤差最大為2.4％,而采用牛頓法神經(jīng)網(wǎng)絡(luò)的預(yù)測值則比較均衡,預(yù)測結(jié)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(jìn)行了相關(guān)定價研究。對傳統(tǒng)特征價格模型的屬性因子進(jìn)行了擴(kuò)充,加入房產(chǎn)周邊犯罪率因子進(jìn)行模擬;在數(shù)值方法計算方面,首先對數(shù)據(jù)進(jìn)行了box-cox變換,分別采用bp神經(jīng)網(wǎng)絡(luò)及傳統(tǒng)的最小二乘法進(jìn)行數(shù)值模擬分析,結(jié)果表明,房價隨犯罪事件類型及發(fā)生距離房地產(chǎn)的遠(yuǎn)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(luò)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(luò)是分析處理復(fù)雜非線性問題的一種有效方法,是目前廣泛應(yīng)用的一種神經(jīng)網(wǎng)絡(luò),已被逐漸應(yīng)用于對宏觀經(jīng)濟(jì)問題的研究中。本文有機(jī)地整合了計量經(jīng)濟(jì)學(xué)與bp神經(jīng)網(wǎng)絡(luò),建立了基于因果關(guān)系理論來確定bp網(wǎng)絡(luò)的輸入變量,基于協(xié)整理論來分析bp網(wǎng)絡(luò)系統(tǒng)的可靠性,基于學(xué)習(xí)率可變的動量bp算法的用于研究經(jīng)濟(jì)領(lǐng)域問題的改進(jìn)bp神經(jīng)網(wǎng)絡(luò)預(yù)測模型,加強(qiáng)了網(wǎng)絡(luò)模型的理論基礎(chǔ),提高了網(wǎng)絡(luò)模型的質(zhì)量,并將其應(yīng)用于西北建筑業(yè)的預(yù)測和控制中,取得了令人滿意的效果。

基于bp神經(jīng)網(wǎng)絡(luò)電子評標(biāo)方法的研究和應(yīng)用——為了解決招投標(biāo)中評標(biāo)環(huán)節(jié)專家評審法隨意性大的問題,針對建設(shè)工程的不同特點,對評標(biāo)內(nèi)容進(jìn)行分類剖析.利用人工神經(jīng)網(wǎng)絡(luò)的智能識別功能,建立基于神經(jīng)網(wǎng)絡(luò)的電子評標(biāo)方法.結(jié)合人工神經(jīng)網(wǎng)絡(luò)的自適應(yīng)功能、良好的容錯能...

為了對民航系統(tǒng)安全運行狀態(tài)進(jìn)行科學(xué)的分析和預(yù)測,針對反映民航系統(tǒng)安全運行狀態(tài)的重要指標(biāo)之一——飛行事故萬時率,采用bp神經(jīng)網(wǎng)絡(luò)的時間序列非線性預(yù)測模型及方法,對其進(jìn)行了分析研究和仿真驗證,計算結(jié)果表明,該預(yù)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(gòu)造定量評價的人工神經(jīng)網(wǎng)絡(luò)方法,結(jié)合東坡井田討論了bp模型的輸入層、隱含層和輸出層的構(gòu)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(xué)習(xí)樣本,經(jīng)過學(xué)習(xí)樣本的訓(xùn)練,對未知單元進(jìn)行評價。

針對評標(biāo)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(jìn)bp算法,構(gòu)建了建設(shè)工程項目評標(biāo)的神經(jīng)網(wǎng)絡(luò)模型。該模型能夠較好地適應(yīng)各影響因素之間的非線性關(guān)系,并通過附加動量法的自學(xué)習(xí)、自適應(yīng)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(xué)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(shè)計了一種基于神經(jīng)網(wǎng)絡(luò)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(luò)應(yīng)用于故障電流的檢測,利用反饋神經(jīng)網(wǎng)絡(luò)的歷史記憶效應(yīng),對信號進(jìn)行預(yù)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(luò)工具箱進(jìn)行仿真,通過仿真產(chǎn)生模擬訓(xùn)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(jié)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(luò)擬合該函數(shù)訓(xùn)練時間長,且無法達(dá)到期望精度,說明bp神經(jīng)網(wǎng)絡(luò)擬合復(fù)雜非線性函數(shù)能力需改善.文章提出了一種改進(jìn)的bp神經(jīng)網(wǎng)絡(luò),先對網(wǎng)絡(luò)的輸入進(jìn)行k-means聚類,bp神經(jīng)網(wǎng)絡(luò)訓(xùn)練采用大規(guī)模節(jié)點,聚類輸入分別激活部分節(jié)點進(jìn)行訓(xùn)練,每組聚類使用不同的節(jié)點,通過子網(wǎng)絡(luò)訓(xùn)練聚類樣本,減少了網(wǎng)絡(luò)擬合難度.經(jīng)測試改進(jìn)的bp神經(jīng)網(wǎng)絡(luò)達(dá)到了精度.最后,用改進(jìn)的bp神經(jīng)網(wǎng)絡(luò)進(jìn)行了軸徑的最優(yōu)計算.

針對傳統(tǒng)bp神經(jīng)網(wǎng)絡(luò)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(luò)預(yù)測方法,采用遺傳算法優(yōu)化bp神經(jīng)網(wǎng)絡(luò)的初始權(quán)重,建立路基沉降預(yù)測模型。該模型可克服bp神經(jīng)網(wǎng)絡(luò)模型存在的收斂速度慢、易陷入局部極小點等缺點。結(jié)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(yù)測模型和傳統(tǒng)bp神經(jīng)網(wǎng)絡(luò)預(yù)測模型對比,結(jié)果表明改進(jìn)的bp神經(jīng)網(wǎng)絡(luò)在路基沉降預(yù)測中精度最高,適宜于廣泛推廣應(yīng)用。

針對傳統(tǒng)的bp神經(jīng)網(wǎng)絡(luò)存在的缺點,提出了用附加動量法、自適應(yīng)學(xué)習(xí)速率和l-m優(yōu)化算法等幾種算法進(jìn)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(jié)合取得了最優(yōu)的預(yù)測效果。該方法克服了bp神經(jīng)網(wǎng)絡(luò)模型存在的收斂速度慢、易陷入局部極小點的缺點。結(jié)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(luò)預(yù)測模型對比,預(yù)測結(jié)果表明改進(jìn)的bp神經(jīng)網(wǎng)絡(luò)在路基沉降預(yù)測中精度最高,適宜廣泛采用。