基于遗传BP神经网络的数据挖掘系统设计

数据挖掘技术是从大量数据中挖掘知识的有效的工具 ,遗传算法和BP神经网络是现今数据挖掘技术中比较新兴的算法。本文介绍了遗传算法和BP神经网络相互结合的一种新算法 ,并设计出了相应的数据挖掘系统 ,且将该系统应用到实际农业实验中。为了便于遗传算法的有效运用 ,文中还提出了格雷———浮点编码法。     

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BP神经网络组合模型的中药销售预测研究

对某医院2010-2012年中药的销售及变化情况进行了对比分析。为了更好地保证医院中药的库存数量,提出了一种基于遗传算法优化BP神经网络组合模型,用改进的遗传BP神经网络进行中药销售量预测,并将预测结果和单纯使用BP网络的预测结果进行比较,实验证明遗传BP神经网络模型具有更高的预测准确度,为医院中药销售及科学管理中药库存量提供科学依据。     

基于BP神经网络的智能定量供种系统设计

为确保双级振动精密排种器工作时在充种均匀的前提下实现连续播种,设计智能定量供种系统。为提高定量供种精度,基于BP神经网络对勺式外槽轮供种装置建立定量供种预测模型,建立隐层结点数为6的神经网络模型。BP网络训练结果表明,当网络模型训练步数为71步时,网络的均方误差为4.61×10~(-5),小于设定值5×10~(-5);采用16个理论供种模型样本与测试样本进行BP网络测试,结果表明,基于BP神经网络预测模型仿真得到的预测值相对误差较小,其精度高于理论供种模型的精度,且神经网络相对误差均小于5%,获得的样本误差平方和为5.59×10~(-4),小于设定目标值8×10~(-4),满足预先设定要求;最后,利用建立的定量供种预测模型,对4种不同千粒重的超级稻种子进行仿真,得到振幅分别为0、5、10、15μm下的排种轮转速与供种量关系,该研究结果可为确定定量供种器的工作参数提供理论依据。     

基于BP神经网络对苹果呼吸强度的预测

应用BP神经网络,通过苹果贮藏期间多维数据与呼吸强度的相关分析确定网络的拓扑结构,建立苹果呼吸强度的人工神经网络模型.仿真结果表明,该神经网络能很好地拟合不同贮藏条件下的呼吸强度,模型预测精度达到90%以上.同时,通过遗传算法优化BP神经网络的初始权值和阈值矩阵,使神经网络的预测精度进一步提高.     

基于遗传神经网络优化调节滴灌施肥液pH值

为缩短国产滴灌施肥智能化控制系统中施肥液pH值的调节时间,提高控制精度,本研究利用遗传神经网络,建立动态前馈校正模型,采用天津市水利科学研究所灌溉施肥实验室提供的滴灌施肥液pH值试验数据作为遗传神经网络的学习样本,训练结果表明,在水流速快速变化时,施肥液pH值的调节大约在2个调节周期内恢复到期望输出值,且偏差控制在±2%以内,达到国外滴灌施肥智能化控制系统的技术水平。     

BP神经网络在堤坝砂基液化预测中的应用研究

鉴于砂土液化是多因素综合作用的结果,应用人工神经网络基本原理,建立多参数综合评价砂土液化的BP网络模型,对砂土液化的严重程度作出了客观评价,并在实际工程中得以应用和检验,取得良好的效果.     

模拟电路故障诊断的BP神经网络方法

提出了一种采用改进型的BP神经网络诊断模拟电路故障的新方法。介绍了包括附加动量法和自适应学习速率法在内的改进型的BP网络算法，其中附加动量法是在每一个权值的变化上加上一项正比于前次权值变化量的值，不仅考虑了误差在梯度上的作用，而且考虑在曲面上变化趋势的影响；自适应学习速率是根据误差函数值的变化对学习率进行实时调整，可以保证网络总是以最大的学习速率学习。最后，本文给出了仿真实例，实验证明所提出的方法与传统方法相比有更好的实时性和诊断效率。     

基于遗传神经网络的采暖季PM10浓度预测

用GA算法和BP算法相结合的算法预测西安市PM10污染浓度,首先采用GA算法优化BP神经网络模型的初始权重,再用BP算法进行精确训练,在此基础上进行浓度预报。实例表明GA-BP神经网络解决了BP神经网络收敛速度慢和易于陷入极小值的问题,提高了预测精度。     

集成GASA混合学习策略的BP神经网络优化研究

针对BP算法易于陷入局部极小值且收敛速度慢的缺陷,在BP神经网络训练过程中集合GA并行化群体搜索的特点和SA在局部极小处发生概率突跳的特性.基于GASA混合学习策略对BP神经网络进行优化.优化后的BP神经网络被应用在农作物虫情预测中,实验结果表明能够较大幅度提高网络学习的收敛性能和收敛速度,并一定程度上减少了算法的复杂性.     

基于BP网络的飞行器解耦设计

在大气边界层风洞中对某高层住宅建筑模型进行了风压分布风洞试验,分析了单体及受扰后建筑表面风压的分布特性.结果表明：凹形立面同高度处风压的相关性高,双层悬挑屋檐中,上层受负风压控制,下层受正风压控制,顶部玻璃挡板也受正风压控制;建筑物的风压分布受周边建筑及地形的干扰后产生较大变化,尤其是1倍于干扰物高度范围内,脉动风压的大小及分布的改变十分明显;受扰后,建筑物的最小极小风压增大了28%.     

基于遗传BP网络的植物根系图像边缘检测

为实现对护坡植被根系图像的轮廓提取和边缘检测,提出一种遗传算法和误差反向传播算法相结合的混合算法来训练前馈人工神经网络.将描述边缘的特征向量,作为神经网络的输入信号,构造三层前馈网络.在网络训练过程中,构造的边缘特征量抗噪性佳,且可有效提取边缘的真实信息.仿真实验表明:设计的神经网络抗噪性强,边缘定位精度高,提取后图像更接近根系真实轮廓图像,更有利于植物固坡研究中根系形态的监测.     

基于BP神经网络的葡萄病害诊断系统研究

我国种植葡萄已经有两千多年的历史,葡萄病害严重影响了葡萄产品的产量和质量,葡萄病害的诊断对我国葡萄产业的发展具有重大意义。通过对葡萄病害知识和专家经验的研究,并将神经网络技术与计算机技术相结合,采用改进的BP算法,建立了BP神经网络诊断模型。以葡萄的发病部位、病斑形状、病斑颜色和主要症状为诊断参数输入,以病害名为输出,以诊断依据为训练样本。实验结果表明,该网络能够获得满意的诊断结果。采用MVC设计模式,利用JSP、Javabean、JDBC等技术,开发了基于WEB的葡萄病害诊断系统,实现了在线葡萄病害诊断的过程。     

基于GA、BP神经网络和多元回归的集成算法研究

建立了一个考虑税收腐败和公共支出腐败的经济增长模型,从理论上探讨财政腐败行为及其影响.主要结论归纳：第一, 财政腐败降低私人资本的回报率,使厂商的生产力下降,就整体而言阻碍了经济增长.第二,最优税率可能大于或小于Barro的最优税率,取决于征税效率和寻租引发的行政成本.第三,两种类型的公共支出隐含着不同程度的腐败机会,以及对官员行为产生的不同“激励”作用,从而扭曲公共支出结构效率.第四,增强制度约束力对遏制财政腐败至关重要.     

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BP神经网络的缺测降水数据插补

 缺测降水数据的插补可以有效改善数据系列的完整性,以元江境内的元江、洼垤、因远、街子河、阿支、磨房河等水文和雨量站点逐月及年降水数据为基础,研究缺测降水数据的插补。站点之间月降水数据相关分析表明：各站点之间相关性较差,相关分析难以满足本研究流域内部分月降水数据插补精度,故尝试采用BP神经网络模型对研究流域降水数据进行插补。研究表明：基于本流域降水数据建立的神经网络模型检测样本合格率达到89.6%,具有较好的插补精度,说明神经网络可以用于本研究流域的缺测降水数据插补,为降水数据缺测的插补提供了新的途径。     

基于LM算法的BP神经网络的电力负荷短期预测

清代书院课艺总集多为连续出版物,或具有连续出版物的刊行初衷。刊期短则一季,多则一年或数年。经费充足与否,会影响刊期。发表周期多为一年至五年,也有十余年的。用稿率以10%~20%居多,偶见“关系稿”。时文的用稿标准是“清真雅正”。题目多为官师所拟。一般全文刊登,也偶有“论点摘编”。多经润色,并附录评点。有的以袖珍本刊行,有的宣称“翻刻必究”,标出定价,附载广告。稿费已在膏火费中预支,优秀作品可被转载。从本质属性和诸多要素来看,书院课艺总集实开今日“大学学报”、“学术集刊”之先河。     

基于BP神经网络的土壤适宜性评价——以溪洛渡水电站嘎勒移民安置区为例

人工神经网络具有大规模并行处理、分布式储存、自适应性、容错性等特点,可以解决复杂的非线性问题.本文将BP人工神经网络应用到溪洛渡水电站嘎勒移民安置区土壤适宜性评价中,构建了影响土壤适宜性的评价因子训练集,对隐层神经元数量的选择、训练过程的建立等问题进行了探讨.通过MATLAB神经网络工具箱对专家样本的学习,建立具有泛化能力的土壤适宜性评价BP神经网络模型,确定网络模型结构为9-7-1,均方误差为0.00033,并对预测地块进行评价,得出评价区域以中等适宜性的土壤为主的结果.