BP和RBF神经网络预测射流式喷头射程对比

为了探究适合全射流喷头多因素下射程的预测模型,通过改变喷头工作压力、安装高度、喷嘴直径、喷头仰角共4个参数,对射程进行测量.基于BP神经网络和广义径向基(RBF)神经网络的基本原理和算法,建立了全射流喷头射程预测的BP和RBF神经网络模型,并分析BP和RBF神经网络的预测性能.结果表明射程与工作压力、喷嘴直径呈非线性关系;当喷头在1.2 m安装高度、27°仰角、4~10 mm喷嘴直径时,压力增大到0.4 MPa,射程趋于极限,并且安装高度与射程呈正相关关系.BP与RBF神经网络均能较好地表达全射流喷头射程与主控因素之间的非线性关系.在训练时间方面,RBF网络比BP网络慢8.05 s;预测过程中,BP网络在每次运行程序时的预测结果不一定相同,而RBF网络则不会出现此问题,且RBF网络预测值与实测值之间的平均绝对误差比BP网络的小3.55%.从网络预测总体效果观察,RBF神经网络预测喷头射程具有更好的推广能力.     

基于神经网络的离心泵能量性能预测

总结了BP网络和RBF网络在离心泵能量性能预测中的应用现状,介绍了这两种网络的结构及特点.分别采用BP网络和RBF网络建立了离心泵能量性能预测模型.用57组数据对这两个预测模型进行了训练,并用6组数据对两种网络结构的性能预测模型进行了仿真.研究结果表面:两种网络结果的预测模型预测精度比较接近且预测结果的趋势也相同,BP网络预测精度略高于RBF网络;BP网络扬程平均预测误差为3.85%,效率平均预测误差为1.39%,RBF网络扬程平均预测误差为4.79%,效率平均预测误差为3.43%;RBF网络预测所需时问仅为BP网络预测所需时间的一半.     

基于改进樽海鞘优化BP神经网络的土壤墒情预测

针对传统的土壤墒情预测方法精度较低、训练周期长的问题,本文对BP神经网络预测模型进行研究,提出一种改进樽海鞘算法优化BP神经网络的预测方法。首先,在标准樽海鞘群算法(Salp Swarm Algorithm, SSA)中引入变异算子增强种群的多样性,提高算法的全局探索能力;同时,采用动态权重调整策略增强局部开发性能,改善收敛速度,在位置更新过程中加入动态权重,进一步平衡全局探索和局部开发能力;其次,考虑到BP预测网络收敛精度低、易陷入局部最优等缺点,将改进樽海鞘算法引入到BP中形成ASSA-BP的预测模型算法,该算法缩短了训练时间、提高了预测精度。最后,将ASSA-BP与PSO-BP、BP不同预测模型进行对比,结果表明ASSA-BP的最优预测相对误差平均值3.37%,绝对误差平均值0.025 8,比BP模型预测误差有所下降。克服了BP预测模型收敛精度低、易陷入局部最优的缺点,具有更好的鲁棒性和预测精度。     

基于GA-BP神经网络的果园需水量预测

为解决果园需水量预测精度低、鲁棒性差等问题,提出了遗传算法(GA)优化BP神经网络的果园需水量预测模型.选取空气温度、土壤含水率、光照强度3个主要环境因子作为BP神经网络的输入量,利用遗传算法的全局搜索能力优化神经网络权值和阈值,建立GA-BP神经网络模型预测果园需水量.仿真结果表明:GA-BP预测模型的预测值比BP模型更加趋近期望需水量,模型评价指标平均绝对百分比误差(MAPE)、均方根误差(RMSE)和平均绝对误差(MAE),均优于单一BP神经网络模型.与传统的BP神经网络算法相比,GA-BP神经网络模型能较好的表达果园需水量与主要环境因子的非线性关系,具有较高的预测精度和适应性.     

基于神经网络的离心泵能量性能预测

总结了BP网络和RBF网络在离心泵能量性能预测中的应用现状,介绍了这两种网络的结构及特点。分别采用BP网络和RBF网络建立了离心泵能量性能预测模型。用57组数据对这两个预测模型进行了训练,并用6组数据对两种网络结构的性能预测模型进行了仿真。研究结果表面：两种网络结果的预测模型预测精度比较接近且预测结果的趋势也相同,BP网络预测精度略高于RBF网络;BP网络扬程平均预测误差为3.85%,效率平均预测误差为1.39%,RBF网络扬程平均预测误差为4.79%,效率平均预测误差为3.43%;RBF网络预测所需时间仅为BP网络预测所需时间的一半。     

基于RBF神经网络的地下水动态预测

以内蒙古自治区巴彦淖尔市金泉工业园区为例,基于园区B248号长观井2001-2008年的地下水埋深资料,首先建立了地下水埋深RBF神经网络预测模型,而后对该模型的模拟结果作误差分析,并将相应值与BP网络模型进行对比。RBF神经网络模型和BP网络模型的最大相对误差分别为9.88%和19.67%,最大绝对误差分别为0.81和1.56,均方误差分别为0.19和0.98。显然,RBF神经网络具有较高的预测精度和较强的非线性映射能力。用上述训练好的RBF神经网络模型对研究区2009-2013年平水年条件下的地下水埋深进行预测,结果表明,研究区已出现地下水位持续下降的趋势。最后,根据地下水资源保护规划方案,在逐时段压缩地下水开采量10%的情况下,研究区2025年即可恢复到2001年的地下水水位值。     

优化神经网络模型在作物需水量预测中的应用

在MATLAB6.5中建立BP神经网络模型,用比较试验法对网络结构优化起关键作用的隐层节点数和优化训练算法进行了仿真试验,从而确定了合理优化的BP神经网络预测模型.采用一组样本数据来训练建立好的优化模型,并通过一组非样本数据来验证训练好的网络模型.误差结果证明,该优化模型能快速与准确地预测作物需水量,完全能够满足农业灌溉的精度要求.     

遗传算法优化BP神经网络在山洪临界雨量预测中的应用研究

为研究确定四川省冕宁县山洪灾害临界雨量,及时采取减灾避灾措施,根据冕宁县14个雨量站和气象站的资料,选取山洪灾害发生的关键因子:日时段降雨量和降雨强度,建立BP神经网络预测模型.然后用遗传算法对BP神经网络的权值和阈值进行优化,建立GA-BP预测模型.与BP预测模型相比,GA-BP预测模型能有效克服BP模型训练时间长,易陷入局部最优的缺陷,在临界雨量预测精度方面,GA-BP模型预测的平均相对误差为1.96％,而BP模型预测的平均相对误差为7.22％,明显提高了预测精度.这一临界雨量预测方法与结果,进一步修正完善后将试用于冕宁县山洪灾害监测预警系统.     

基于神经网络的离心泵汽蚀性能预测

介绍了离心泵汽蚀性能预测的研究现状,分析了离心泵汽蚀性能预测的主要研究方法．根据设计流量下离心泵汽蚀余量的影响因素,确定人工神经网络的拓扑结构．应用MATLAB的神经网络工具箱,建立单级单吸离心泵汽蚀性能预测的BP神经网络（Back Propagation Neural Network）和RBF神经网络（Radial Basis Function Neural Network）两种人工神经网络模型．用工程实践中得到的57台离心泵几何参数和试验数据作为样本来训练建立好的网络,并用6台离心泵的数据来测试网络．预测值与试验值的相关性分析表明,BP和RBF网络的预测结果均较好,其中BP网络预测模型的平均相对偏差为5．69％,RBF网络预测模型的平均相对偏差为6．32％,可满足工程应用的要求．     

基于灰色神经网络的作物需水量预测模型研究

采用灰色系统理论与神经网络,通过多维度气象因子和参考作物需水量的相关分析,来确立灰色神经网络拓扑结构及网络流程,建立了预测作物需水量的灰色神经网络模型。以海南省儋州市1979~2014年的气候数据为输入,作物需水量为输出数据,运用Matlab工具,仿真表明预测曲线与参考作物需水量曲线拟合度较高,灰色神经网络模型预测结果绝对相对误差均值为5.28%,预测精度高,为节水灌溉提供了一种新的有效方法。     

一种基于卷积神经网络的车辆检测方法

介绍了一种基于卷积神经网络的车辆识别方法。该方法首先对车道线进行边缘检测,采用车道线模型进行匹配,从而确定道路感兴趣区域。然后采集道路视频,对其中的车辆目标进行标注,制作车辆数据集,再设计一种卷积神经网络,利用车辆数据集训练检测器,使检测器适应于车辆二分类识别的任务。最后在道路感兴趣区域中检测车辆。相较于传统的车辆识别方法,该方法具有较好的准确性与鲁棒性,在复杂行驶环境下的识别效果令人满意。     

人工神经网络在食品检测中的应用

近年来,人工神经网络的应用领域迅速扩大,在图像识别和语音识别方面展现了很好的智能特性.它在模式识别、数据处理、自动控制和预测中广泛应用,其优势在于不确定性系统的控制和预测.食品工业所涉及的食品加工过程、品质控制以及成分分析往往是属非线性和非稳态的系统,应用人工神经网络能够促进食品工业的发展.为此,首先简单介绍了人工神经网络的原理;然后,总结了国内外将人工神经网络应用于食品工业的一些情况,最后,展望了人工神经网络的应用前景.     

微波干燥过程的神经网络模型

研究了微波干燥过程的神经网络模型。建立了基于Levenberg—Marquardt优化算法的3层BP神经网络,网络输入为微波功率和辐射时间,输出为干基湿含量。使用线性回归方程、均方差和相关系数来评定所建网络的性能。结果表明,当隐层激发函数和神经元个数分别为tansig和25时,所得模型可以同时满足训练和测试的精度要求。     

油气减振器非线性特性的神经网络识别研究

利用神经网络的非线性逼近能力，设计了用于识别油气减振器非线性特性的结构化神经网络模型，并介绍了该模型的具体应用方法，即利用试验数据组成学习样本，对网络模型进行训练，识别出其非线性特性。识别结果表明，结构化神经网络可有效地识别油气减振器的非线性特性。     

基于RBF神经网络的农用车油耗值标定方法

油耗直接影响着农用车的经济性,真实油耗数据的准确检测对农用车产品管理的科学化以及建设资源节约型社会具有积极的意义.为此,针对行车电脑往往不能准确显示油耗值的缺点,提出油耗值的RBF神经网络标定方法.实验表明,该方法能取得较好的标定效果,简单实用,为农用车油耗值的实时监测提供了一种有效的手段.     

RBF神经网络软测量技术在汽油机CO排放中的应用

以汽油机排放污染物CO难于进行实时控制测量为例,讨论了神经网络技术在汽油机中应用的前景,提出了神经网络软测量的概念,建立了基于汽油机排放污染物CO的神经网络控制模型,并应用MATLAB软件编程对该神经网络进行学习训练。结果表明:该模型可在没有专用的汽车排放仪器时进行CO排放值的测量,也可用于CO的实时控制。     

概率神经网络在白洋淀水质评价中的应用

用概率神经网络的方法,以河北省白洋淀为研究对象,对其水质进行评价分析,并将其结果与灰色聚类方法和BP神经网络方法评价结果作比较.结果表明,用概率神经网络进行评价过程简单,计算用时少,评价避免了人为因素的干扰,结果更加准确并切合实际情况.提高了水质评价的准确性.     

机械故障模式识别的ICA基神经网络方法

首先利用 ICA及基于残余互信息的二次特征抽取策略 ,进行不同机械状态模式 (包括正常和齿轮点蚀状态 )的特征提取 ,随后以此训练某一典型神经网络 (如多层感知器、径向基或自组织映射网络 ) ,以实现模式的最终分类。借助 ICA,隐藏于多通道振动观测中的高阶特征得以有效提取 ,从而实现机械状态模式的准确识别。对照分类实验结果表明 ,基于 ICA SOM分类方法不仅具有较好的故障模式分类能力 ,且实现简单 ,在机器运行状况监测中有较大的应用潜力。     

甘蔗收获机切刀负载压力的神经网络预测

为了实现切刀负载压力预测以及入土切割自动控制信号获取,结合正交试验和BP神经网络与回归分析分别建立了切刀负载压力的预测数学模型.结果表明:BP神经网络构建的切割负载压力数学模型准确拟合率达到了85.2％,而回归分析构建的切割负载压力模型准确拟合率只有33.3％;对构建的切刀负载压力BP神经网络模型在新的试验因素下得到的...     

基于神经网络的农作物病害专家系统

讨论了传统专家系统中存在的知识获取瓶颈、知识窄台阶、推理能力弱、智能水平低和实用性差等问题;就这些问题提出将神经网络应用于专家系统的知识获取和推理过程;介绍了人工神经网络的优点;简述了BP人工神经网络算法原理.以棉花病害专家系统为例,给出了将人工神经网络BP算法应用于农作物病害专家系统的实现方法.