基于神经网络模型的水源地水质参数反演研究

以武汉市的主要供水水源地水质参数(氨氮含量)为研究对象,根据某时段的实测数据、遥感影像数据,尝试性地建立了氨氮含量的神经网络反演模型.反演模型的平均相对误差为4.8%,可用于该项水质指标的反演研究.     

基于遗传算法优化BP神经网络的数字图像土壤含水量反演研究

快速准确地测量土壤含水量在农业、水文、生态等领域的应用至关重要,数字图像技术测量土壤含水量因其具有廉价、快速和不破坏土体的优势成为研究的热点。基于手机相机获取的数字图像,提取了R、G、B、H、S、V和DN 7种图像特征参数,并利用与土壤含水量相关性较大的图像特征参数R、V和DN构建了BP神经网络和遗传算法优化的BP神经网络土壤含水量反演模型,来获取高精度的土壤含水量数值。结果显示：将BP神经网络和遗传算法用于数字图像技术,均可提高数字图像技术测量土壤含水量的精度,其中BP神经网络土壤含水量反演模型的决定系数(R²)可达到0.940～0.972,均方根误差(RMSE)为0.936%～1.694%;遗传算法优化的BP神经网络土壤含水量反演模型的R2可达到0.976～0.993,RMSE为0.559%～0.878%,遗传算法优化的BP神经网络模型用于数字图像技术反演土壤含水量的R²更接近1,RMSE更小,精度更高。同类型研究中提出的多元线性模型的R2介于0.60和0.96,RMSE介于1.11%和7.00%,与其相比,研究模型的预测精度和稳定性更高...     

基于实码的加速遗传算法在水文地质参数反演中的应用

采用遗传算法的一种改进算法基于实码的加速遗传算法(RAGA)对一地区的水文地质参数(渗透系数K,潜水给水度μ)进行了反演计算,并建立了与数值方法耦合的数学模型。同时与基于实码遗传算法(RGA)、人工调参法在水文地质参数反演中的应用进行了对比。研究表明:与其它2种方法相比,基于实码的加速遗传算法在水文地质参数的反演中具有全局优化,加快收敛的优点。     

基于遗传算法和BP神经网络的用水

为避免BP算法易陷入局部极小的缺陷，根据遗传算法具有全局寻优的特点，将二者结合起来形成GA-BP混合算法。以GA优化BP网络的初始权值和阈值，按负梯度方向修正网络权值及阈值，对网络进行训练。最后，用matlab编写GA-BP计算程序，以多组数据进行测试，并与纯BP算法进行分析比较，结果表明该方法可以有效、准确的应用于城市用水量预测。     

基于遗传神经网络的水田下陷量的预测

分析了遗传算法GA（Genetic Algorithm)和人工神经网络ANN（Artifical Neural Network)的主要内容和各自的优缺点，给出了将遗传算法和人工神经网络有机结合的遗传神经网络，并提出了一种新型的预测水田土壤下陷量的方法。结果表明，遗传神经网络作为预测的一种有效方法是可行的。     

基于参数化遗传神经网络的植物病害预测方法

将混合神经网络(PFNN—FG)技术应用于植物病害预测，其输入矢量含模糊分量，遗传算法优化配置各参数。变形Sigmoid函数用于不同的隐含层，构成参数化神经网络。网络的输入层引入模糊集合理论，使网络能处理语义变量。将PFNN—FG和其他神经网络(如前向神经网络、径向基神经网络等)用于大豆基准问题进行分析比较，结果是PFNN—FG在精度和训练速度上优于其他网络。将PFNN—FG和前向神经网络用于2组黄瓜霜霉病数据，前者测试组的均方根误差小于后者。     

基于神经网络和遗传算法的车身骨架结构优化设计

在对客车车身骨架结构进行有限元静、动力分析的基础上,利用神经网络对有限元分析得出的样本数据建立骨架结构设计参数（输入）与位移、应力及频率（输出）的全局性映射关系,获得遗传算法求解结构优化问题所需的目标函数值。最后,用遗传算法进行了车身骨架结构的优化设计。结果表明,基于神经网络和遗传算法的优化技术应用在汽车结构的优化设计中是有效、合理的。     

遗传神经网络算法在应用中的优化策略研究

通过分析废气的HC、CO、CO2和O2的含量,可以快速诊断发动机的常见故障。本文设计了神经网络诊断系统,通过融合分析废气含量、发动机转速、氧传感器及其它一些信息诊断发动机故障。本文设计的方法主要应用遗传算法的复制、交换、变异过程代替BP网络的反向传播过程,并对遗传算法进行了改进研究。实践证明这种基于遗传神经网络方法的故障诊断系统具有收敛速度快、推广性能强的特点,极大提高了发动机故障诊断系统的效率和准确性。     

堆石体分区和堆石料压缩模量对面板坝变形影响分析

采用邓肯-张E-B模型和ANSYS数值分析软件,结合水布垭面板坝工程,研究了200 m级面板坝主、次堆石料不同压缩模量及堆石分区形式对坝体的沉降、应力和面板挠度等的影响。通过比较分析,结果表明：坝体最大沉降和面板最大挠度均随着主、次堆石压缩模量比值增大而增大;顶部面板顺坡向0.35倍处的面板挠度最大并有较大程度的反弯,为了减小挠度和反弯趋势,可增大主堆石料的压缩模量;主、次堆石压缩模量比值在1~2以内,可以选择分界线在坝轴线上游的分区形式,可以明显提高软岩的利用量而且坝体和面板的变形尚在接受范围之内;否则,分界线要置于坝轴线下游1∶0.2~1∶0.5之间,保证主堆石在0.5~0.75倍的充分坝宽,这样的分区对坝体和面板的变形才更为有利,值得推广应用。     

基于支持向量机的面板堆石坝堆石料参数反演分析

在综合分析了各种参数反演方法的基础上,提出了支持向量机的堆石料参数反演方法,并在MATLAB中编制了相应的支持向量机程序,建立了相应的堆石料参数反演模型。以大量的实测数据作为学习样本和测试样本,验证基于支持向量机的参数反演分析方法及其可行性。研究表明,用支持向量机方法来反演堆石料参数是可行的。     

基于遗传算法的模糊神经网络温室温度控制器

为了创造适合作物生长的环境,针对温室系统的特点提出了一种新的基于遗传算法的模糊神经网络控制器,利用遗传算法训练模糊神经网络模型,并采用此模糊神经网络控制器控制温室温度系统.运用该方法对温室温度控制系统进行了Matlab 仿真,结果表明:采用遗传模糊神经控制器的系统,不但提高了阶跃响应的快速性,而且大大减少了超调量.     

基于遗传算法与RBF网络的养殖池塘溶解氧模型

在分析了工厂化水产养殖池塘溶解氧影响因素的基础上,利用RBF神经网络良好的非线性逼近能力建立了池塘溶解氧的神经网络预测模型.常规的RBF神经网络模型常导致训练时间较长且易陷入局部极小点,因此,采用自适应遗传算法对RBF神经网络进行优化,模型的收敛速度明显加快.采用了养殖池塘的外部可控环境水体温度T、水流量Q、酸度(pH)以及增氧机器的转速V作为模型的输入.实验结果表明采用该方法预报溶解氧的预测精度较常规RBF递推算法的预测精度明显提高.该方法为研制开发智能水产养殖环境监控系统以及工厂化水产养殖奠定了基础.     

递阶遗传算法优化的模糊神经网络的故障诊断应用

提出一种利用递阶结构的混合编码遗传算法与进化规划相结合优化模糊神经网络学习的新算法,利用该算法同时优化模糊神经网络的结构和参数,剔除网络的冗余接点和冗余连接,提高网络的处理能力。分析和实验结果表明,所构建的机械故障诊断模糊神经网络结构简洁,而且具有良好的诊断效果。     

Elman神经网络与遗传算法在变速器故障诊断中的融合应用

提出了基于Elman神经网络的变速器故障诊断方法,以克服传统方法不能用于时变系统的缺陷。由于加入了短时记忆环节和局部逆回互联功能,Elman神经网络具有优秀的时间序列预测能力,变速器故障就从特征信号平方预测误差的期望中检测出来。同时,引入了遗传算法来辅助神经网络的训练,以期获得最佳的检测性能。最后,通过变速器故障台架试验来验证该方法的有效性。     

基于递阶遗传算法优化的交通流预测

及时准确地进行短时交通流预测是智能交通系统研究的关键内容之一。基于小波分析和模糊神经网络的相关知识,提出模糊小波神经网络的控制方法。将小波函数作为模糊隶属函数,利用神经网络实现模糊推理,从而完成对下一周期交通流量的预测,同时采用递阶遗传算法实现网络结构和参数的优化。经实测数据验证,预测精度高,运行稳定,适应性强。     

人工神经网络的混合算法在发动机故障诊断中的应用

提出一种基于混合神经网络的发动机振动故障诊断方法,即迭代前期采用BP算法而迭代后期采用梯度优化法进行计算。通过BP算法和混合算法对相同算例网络权值和阈值的计算,验证所提出的混合算法的有效性和实用性。     

基于长短期记忆神经网络的健康状态估算

当前电池健康状态估算与预测在处理大量电池数据、时间间隔较长存在一定缺陷。长短期记忆神经网络算法在解决该问题时效果明显。在完成电池循环充放电实验基础之上,分析和提取电池放电过程中外部信号变化的特征指标,以电池放电数据中放电容量、放电时间、循环次数训练并建立了长短期记忆神经网络预测模型,采用3种不同的自适应学习率优化算法对学习训练部分进行优化,最后对比分析模型预测的准确程度。结果表明,长短期记忆神经网络估算电池健康状态的误差小于5%,证明预测模型的有效性。     

基于改进Hu矩和遗传神经网络的稻飞虱识别系统

针对稻飞虱识别实时性差和BP神经网络分类有一定误差的问题,设计了1种基于DSP硬件平台和遗传神经网络算法的稻飞虱识别系统.系统硬件以AT89S52单片机控制拍摄移动装置,以DM6437处理器作为算法处理平台;系统软件设计主要包括基于改进Hu矩的特征值提取和基于遗传算法优化神经网络的识别算法.系统通过CCD摄像机拍摄稻飞虱视频信号传送到DSP识别系统,从中提取图像,识别图像中的稻飞虱.实验对稻飞虱、水蝇和潜蝇等80个样本进行了训练和测试,结果表明遗传神经网络对稻飞虱的正确识别率达到90％.     

基于遗传优化模糊PID算法的温室智能控制系统研究

近年来,随着信息智能化和农业现代化的快速发展,我国温室种植取得了重大进展,形成了以科学方法管理控制大棚温室环境的理念;但因缺乏工厂化管理方式,温室智能控制技术在设施配套和产业自动化方面还有不足之处,与欧洲发达国家差距甚远。因此,设计一套适合我国农情的现代化温室控制系统显得非常重要,其对实时监测和精确控制温室环境参数,提高农作物产量和质量意义深远。本文根据大棚种植特点,基于遗传优化模糊PID融合算法,设计和研究了一套独有的温室智能控制系统,并对该系统进行性能仿真实验。结果表明:本温室智能控制系统性能良好、自动化程度高、节能显著,对大棚蔬菜的种植具有重要的促进作用。