遗传算法优化人工神经网络模型在日光温室湿度预报中的应用

提出一种基于遗传算法优化BP神经网络的方法预测日光温室湿度环境因子。实测日光温室内影响空气湿度的环境因子组成数据样本作为神经网络的输入,采用基于实数编码的遗传算法替代随机设定神经网络的初始权阈值,然后通过改进的BP算法在由遗传算法确定的搜索空间中对网络进行精确训练。模型预报值和实测值基于1：1线的决定系数R2和预测平均相对误差MSE分别为0.9857和3．1％。结果表明,遗传算法优化BP神经网络预报模型收敛速度快、预测精度高。可为日光温室的湿度环境调控制提供理论依据和决策支持。     

基于相空间遗传BP神经网络的径流预测研究

基于混沌时间序列的重构相空间、遗传算法的良好全局搜索和神经网络精确的局部搜索特性,以重构相空间中的饱和嵌入维数作为神经网络输入层节点数,通过采用遗传算法优化神经网络初始权重,将重构相空间、遗传算法、神经网络三者有机地结合,提出并建立了相空间遗传BP神经网络预测模型。将该模型用于黄河上游月径流预测,结果表明,该模型应用在水文时间序列的预测中是合理、可行的,并具有较高的精度。     

基于遗传算法的154T电动车牵引励磁PID控制器的设计

讨论了154T电动轮自卸车牵引励磁控制的基本问题;分析了传统PID控制器的不足和基于遗传算法PID控制器的优势;论述了遗传算法的原理、基本问题和实现步骤.研究了电动轮自卸车的牵引特性和牵引励磁控制系统的结构,根据设计,该系统被控对象可简化为二阶系统,而控制器采用基于遗传算法的PID控制.用MATLAB对PID参数整定进行了仿真,以考察利用遗传算法的进化能力优化PID的效果.仿真结果表明,经过遗传算法优化的PID控制器具有较高的精度和较强的适应性,能获得满意的控制效果.     

基于遗传算法改进 BP 神经网络的遥感影像分类研究

遥感影像分类是遥感信息提取的重要手段,是目前遥感技术中的热点研究内容,有效地选择合适的分类方法是提高遥感影像分类精度的关键。BP神经网络具有收敛快和自学习、自适应性强的特点。在遥感图像分类中,BP神经网络能充分利用样本集的信息,自动建立分类模型,但由于BP神经网络的权值和阀值能直接影响BP神经网络模型的分类精度,因此该研究通过遗传算法来确定BP神经网络的最优权值和阀值,从而提高BP神经网络的分类精度。以LandsatTM遥感图像作为数据源,以长江中游一武汉市为研究地区,建立了基于BP神经网络模型的遥感分类模型和基于遗传算法改进BP神经网络模型的分类模型,对分类结果进行了定量分析。结果表明：在样本相同的情况下,基于遗传算法改进BP神经网络的遥感影像分类精度要高于BP神经网络的遥感影像分类精度。     

基于RBF神经网络的城市需水量预测研究

鉴于RBF神经网络强大的非线性逼近能力及能够避免陷入局部最优的特点，建立了基于RBF神经网络的城市需水量预测模型，为提高神经网络的收敛速度及精度，利用退火遗传算法对网络进行了优化，并以天津市的城市需水量预测为例，进行了实例研究。     

基于改进遗传算法的ANN结构优化

人工神经网络的结构设计没有系统的规律可循,而基于传统学习的神经网络参数优化又易于陷入局部最优解.用带退化的协同进化遗传算法可以优化神经网络结构,同时优化网络参数.将网络参数作为实数编码基因进行遗传选择,参数个体的受损率超过退化阈值时发生结构退化.退化进程由协同进化的控制个体动态控制.试验证明,该方案能有效简化神经网络的结构和优化网络参数,收敛速度比常规遗传算法快.     

基于遗传算法优化小波神经网络的煤炭铁路运量预测模型研究

鉴于煤炭铁路运量预测的复杂性和随机性,本文利用遗传算法优化小波神经网络模型的方法进行运量预测。该模型高度融合了小波神经网络和遗传算法的优点,具有广泛映射能力和全局搜索能力,从而保证了预测精度。结果表明,优化模型计算的预测值和实际值之间的相对误差低于3%,说明该模型具有较高精度。     

基于思维进化优化BP神经网络的大豆叶片叶绿素含量高光谱反演

为进一步研究优化神经网络算法在植物生化参量高光谱反演当中的应用问题,运用遗传算法和思维进化算法对BP神经网络进行优化来构建大豆叶片叶绿素含量反演模型。利用实测光谱数据和对应叶绿素数据建立训练数据集,然后分别使用遗传算法和思维进化算法对BP神经网络进行优化训练,将训练好的模型用于叶绿素含量估算。结果表明,基于思维进化优化BP神经网络模型能准确预测叶绿素含量,且模型最稳定,能够解决小样本情况下叶绿素含量估算问题,并保证估算精度,可以作为大豆叶片叶绿素含量估算的一种新的参考方法。     

遗传小波神经网络在模拟电路故障诊断中的应用

提出一种基于遗传算法(Genetic Algorithm, GA)、小波变换及神经网络(NN)的模拟电路故障诊断方法.该方法将小波基作为神经网络的传递函数,利用遗传算法优化神经网络的结构和权值,从而避免了BP神经网络结构设计的盲目性和局部最优等问题,大大减少了网络训练时间.利用该方法对模拟电路进行故障诊断有利于提高诊断的智能性及识别故障类别的能力,提高诊断的精度与速度.实例诊断结果表明文中所提方法是可行的.     

基于遗传神经网络的渔业养殖疾病预测

简要介绍了神经网络和遗传算法的基本原理,针对神经网络算法易陷入局部极小的缺点,将具有全局寻优特点的遗传算法融入其中,使用遗传算法对神经网络的权值优化,并将该算法运用到渔业养殖疾病预测中,得到了收敛速度快、精度较高的预测模型。这种模型具有较好的客观性和实用性,可以为科学养鱼、处理养殖疾病提供依据。     

基于遗传算法的BP网络在小流域侵蚀量预测中的应用

人工神经网络可用于流域水土流失的预测.针对BP神经网络收敛速度慢及容易陷入局部最优解的缺点,设计了基于遗传算法(GA)的优化BP神经网络.利用遗传算法特有优势,为BP网络的初始权值和阈值搜索全局最优解空间,经过BP算法迭代训练,进行预测.依据黄土高原沟壑区杨家沟小流域多年径流与泥沙的实测数据,对创建的侵蚀量模型进行训练和预测,取得了较高的预测精度和较快的收敛速度.     

基于L-M神经网络的储粮害虫分类识别

基于图像处理的储粮害虫检测过程中,需要解决多种害虫多特征、混合度大的综合分类问题.本文提出采用基于L-M算法的多层前馈神经网络对害虫进行分类识别.实验表明,该神经网络和害虫分类识别系统拟和程度很高,并且采用的L-M算法,在网络训练速度及识别精度方面,都优于传统的BP算法.因此基于L-M算法的神经网络在害虫的在线识别方面有应用价值.     

基于遗传算法神经网络模型的蔬菜价格预报

针对蔬菜市场价格预报的复杂性,利用遗传算法与神经网络的特性,建立了基于遗传算法的神经网络蔬菜价格预报模型,并以香菇为例通过实验对模型参数选择进行了分析,进行了价格的模拟与预报。最后把遗传算法神经网络与BP网络预报结果进行了比较,结果证明,在预报数据绝对误差小于10%的范围内,二者预报能力相当;在预报数据绝对误差小于20%、15%的范围内,遗传算法神经网络模型的准确度高于BP神经网络模型,尤其是预报绝对误差小于20%的范围内,遗传算法神经网络模型的准确度明显好于BP神经网络模型,表现出模型良好的泛化能力。     

基于NARX 神经网络的日光温室湿度预测模型研究

在日光温室湿度预测模型建模中,由于输入因子间存在复杂耦合关系以及冗余的条件属性,导致网络训练难以收敛且精度不高.选用影响日光温室湿度的环境因子组成数据样本,采用主成分分析方法对样本集进行解耦降维处理,以采用主成分分析后的数据样本作为输入,以日光温室内湿度作为输出,采用贝叶斯正则化算法构建NARX神经网络模型,对日光温室湿度进行预测.仿真结果表明,基于NARX神经网络建立的预测模型具有很强的非线性动态描述能力,能够对室内湿度值做出准确的预测.     

模糊神经网络的真空木材碳化设备控制系统设计与仿真

针对目前真空木材碳化设备的控制系统具有大滞后、强耦合、时变性以及难以建立精确数学模型等特点,提出了一种模糊神经网络算法的真空木材碳化设备控制系统。通过对输入输出变量、论域及隶属函数的选择,设计出真空木材碳化设备控制器;再将神经网络与模糊控制系统相结合,得到模糊神经控制网络。对模糊神经网络控制器的算法进行了分析;在Matlab环境下编写控制器的程序,用Simulink进行仿真实验。结果表明:模糊神经网络控制器的真空木材碳化设备输出的温度曲线,稳态误差为0、最大偏移量为1℃、调节时间约为8 s、超调量为2%;湿度曲线在6 s时即可达到稳定,稳态误差为0、最大偏差为1%、超调量为4%;加入扰动后,误差能被快速消除,温湿度的波动幅度相对减小,系统的稳定性更强。模糊神经网络控制器,可减小调节时间、消除误差、提高控制精度,具有很好的鲁棒性。将二者结合设计出的模糊神经网络控制器,具有自适应、学习、识别和模糊信息处理等功能,在处理大规模复杂的模糊应用问题方面具有更好的控制效果。     

木材干燥过程的Elman神经网络模型研究

[目的]研究木材干燥过程的Elman神经网络模型。[方法]在人工神经网络理论的基础上,选用Elman神经网络建立木材干燥过程模型。针对木材干燥过程的特点,Elman神经网络利用木材干燥过程材堆的温度、湿度以及对应的木材含水率建立模型。[结果]通过实际干燥过程数据对模型的准确度进行验证,结果表明Elman神经网络利用少量数据就可以建立模型,并且模型预测精度高,对数据的联想记忆和优化能力强。[结论]Elman神经网络建立的木材干燥过程模型准确,对于提高木材干燥过程的控制水平具有重要研究意义。     

基于遗传神经网络的陕西省土地利用结构模型研究

针对土地利用结构变化的复杂特征与BP人工神经网络在预测应用上的缺陷,利用遗传算法来优化BP人工神经网络模型,形成了遗传算法与BP网络结合的遗传神经网络模型,通过运用matlab软件编制神经网络和遗传神经网络程序,实现模型的建立。证明遗传神经网络用于土地利用结构的预测是可行和有效的,有着良好的前景。     

基于神经网络PID算法的优化饲料配制系统

【目的】设计饲料配制控制系统,并采用神经网络PID优化算法实现对配料精度的提高。【方法】以西门子S-200 smart型PLC为主控设计饲料配制控制系统,针对现有常规PID算法的控制策略存在超调大、收敛慢等缺陷和BP神经网络梯度下降过程容易出现局部最小化问题,提出以附加动量项的BP神经网络PID算法实现称重误差的降低。【结果】基于动量项的梯度下降法建立的BP神经网络PID算法模型解决了参数自学习整定问题,在响应速度上该算法与PID算法对比为3∶1,试验后平均精度99.6%。并在收敛速度和改善超调现象具有更高效的表现。【结论】配料系统经算法优化后误差得到有效控制。     

基于自适应模糊PID控制的猪舍温湿度控制系统研究

我国北方猪舍冬季室内外温差大,影响温湿度控制精度。文章基于自适应模糊PID控制算法研究母猪舍温湿度控制。该算法具有超调量小、响应速度快、鲁棒性强优点,可提高寒地猪舍温湿度控制精度。仿真试验数据表明,该算法系统超调量为2.57%,系统调控时间较原有PID控制算法调控时间缩短57.56%;实测结果表明,基于该算法改进温湿度控制系统最大温湿度偏差值分别为0.61℃和6.86%,较原有PID控制算法调控温湿度偏差分别减少1.8℃和2.21%,研究可为我国北方寒地猪场冬季养殖管理提供更精准温湿度环境保障。