基于径向基函数网络的变量施肥决策研究

应用RBF神经网络模型训练数据,进行施肥决策,并对神经网络训练的数据及其结果进行分析。结果表明,基于RBF神经网络建立的土壤养分、施肥量与产量之间的关系模型,具有较好的估计结果,可用于指导变量施肥。     

基于RBF神经网络的筑坝建库环境影响综合评价——以富岭水库为例

针对水电工程与社会、经济、生态、环境系统复杂的关系,选用PSR概念模型建立指标体系,构建了基于RBF的神经网络模型。以2014年为评价水平年,对富岭水库的环境影响进行评价。根据训练好的神经网络,输入评价指标,计算得出评价指数为0.379。结果表明:生态环境影响处于四级,总体为负效应,但影响程度较小。     

基于RBF神经网络地下水位预测

在黑龙江八五二农场,以地下水观测井测得的地下水埋深数据作为输出,以温度、湿度、降雨量、蒸发量这4个参数作为输入,一共测得54组数据,其中48组数据作为RBF神经网络的训练数据,6组数据作为测试数据。采用MATLAB2016b为平台创建RBF神经网络模型,对RBF神经网络的训练和测试最后测得最大相对误差为21.5%,最大绝对误差为0.862m。通过建模和得到的数据可以看出RBF神经网络具有较高的预测精度,学习速度也较快。     

一种基于数据驱动的系统建模方法

提出了一种基于数据驱动的系统建模方法,采用减法聚类和模糊C-均值聚类相结合的模糊聚类算法进行前件RBF网络辨识,自适应地获得精确的聚类个数和隶属度参数;用BP算法训练后件网络的权值,从而仅利用输入输出数据,就建立了T-S模糊神经网络模型,在该过程中充分利用了BP神经网络和RBF神经网络的优点。最后用该模型对一个非线性系统进行辨识,用MATLAB进行仿真,结果表明,该方法具有可行性。     

预测水稻螟虫发生趋势的径向基函数人工神经网络模型及其与BP网络的比较

文章采用径向基函数人工神经网络的方法,利用MATLAB工具箱并结合气象资料中的平均气温、最低气温、日照时间和降雨量．建立了预测虫害发生程度的RBF神经网络预测系统。系统通过实例证实了预测的准确性,并且与常用的BP网络进行了比较。RBF网络和BP网络通过对训练样本的仿真,可明显看出RBF网络比BP网络更为精确。通过程序记时显示RBF网络用时1．2030s．比BP网络训练所需的时间要短的多．因此RBF神经网络具有很好的实用价值。     

基于粗糙集RBF神经网络在东丰县开发区企业管理上的应用

为提高基层企业管理效率,根据吉林省东丰县开发区2015年企业调查数据,使用粗糙集与RBF神经网络算法结合算法对企业工业生产总值、用电量、用工量等3个主要影响因素进行分析,并根据各参数之间差异划分企业等级。研究结果表明:根据算法对数据分类结果,该结果与东丰县开发区企业分级情况比较接近,说明基于粗糙集RBF神经网络算法,是一种在企业绿色发展分级方面有效的评价方法;通过2种算法之间的可视化图形对比,得出粗糙集RBF神经网络算法较BP神经网络算法分类效果更加明显;因而,基于粗糙集RBF神经网络算法对东丰县开发区进行企业划分准确性强、效率高、易于推广,为东丰县开发区关于企业管理工作起到技术指导作用。     

山东省花生年产量的组合预测模型研究

以山东省花生年产量为研究对象.针对花生年产量的强烈波动性而导致的预测难、准确率低等难题,提出了一种基于GM(1,1)和RBF神经网络的组合预测模型,利用GM(1,1)来捕捉花生年产量的总体趋势,RBF神经网络来预测带有强烈非线性的残差项;同时为了提高RBF神经网络的训练速度和精度,针对标准遗传算法存在的早熟现象和收敛速度慢的缺点,提出了一种改进的自适应遗传算法,对RBF神经网络的初始参数进行优化.试验结果表明,组合预测模型可以较准确预测花生年产量,说明了组合预测模型的可行性.     

RBF神经网络在可溶性糖含量预测中的应用

在小麦(Triticum aestivum L.)幼苗生长过程中,将RBF神经网络应用到可溶性糖含量的预测和数据变化的分析中,试验数据经过RBF神经网络的训练和仿真后得到,网络输出结果的误差小,网络输出矢量与目标矢量相关性好.说明可以将RBF神经网络作为农作物幼苗生长中预测数据变化的有效方法.     

RBF神经网络的土壤养分肥力评价研究

土壤养分肥力等级是土壤特征的综合反映。以黑龙江850农场为研究区域,应用RBF神经网络方法构建该区的土壤养分肥力评价模型。以土壤养分指标作为神经网络的输入,土壤养分等级作为输出。通过实验模拟训练和预测,RBF神经网络取得的结果较好,与相关的BP神经网络模型进行实验比较,实验结果表明RBF神经网络得到的等级结果精度更高,该模型的建立与预测为土壤养分肥力等级评价提供了新途径。     

葡萄病害智能诊断网络模型的比较

以选择构建葡萄病害智能诊断系统的最适算法为目的,考查了3种神经网络模型：BP、RBF、GRNN,并以12种葡萄主要病害为研究样本,用3种网络模型分别构建了诊断系统,然后通过样本进行训练与仿真,比较各网络模型的稳定性和准确度。提出以GRNN作为病害诊断的最适模型,其诊断准确率为96％,为整个辅助决策系统的开发奠定了良好的基础。     

基于模态曲率改变率与神经网络的桥梁损伤识别

将模态曲率改变率和BP神经网络理论相结合,提出了桥梁结构损伤识别的新方法,据此识别结构损伤位置和损伤程度,并以一简支梁结构和一座连续梁桥为例进行了损伤识别.计算结果表明,该方法可以获得令人满意的识别精度.在结构参数化有限元模型存在误差的情况下,该方法仍然可以获得较好的识别效果,可应用于复杂桥梁结构体系的损伤识别.     

一种基于PSO-RBF神经网的入侵检测方法

针对传统基于K-均值聚类的RBF神经网络训练方法中,隐层参数训练结果易受初始值影响而陷入局部极小解,最终导致整个网络收敛速度慢、性能下降等问题,提出了基于粒子群算法(PSO)和K-均值相结合的径向基神经网络(RBF)训练算法.该算法利用PSO的全局搜索能力形成最优解邻域,K-均值算法在该邻域进行局部搜索,这样既利用了PSO算法的全局最优解搜索能力,同时也利用了K-均值算法收敛速度快的优点.试验结果表明该算法有效地解决了基于K-均值训练算法易陷入局部极小解的不足.文中将基于上述训练方法的RBF神经网应用到入侵检测系统中,试验结果同基于传统K-均值、遗传算法和RPCL算法训练的RBF方法进行比较,结果表明本文建议的方法在检测性能和训练时间上都有明显提高.     

航空发动机磨损故障的智能融合诊断

运用了4种最常用的滑油分析技术——铁谱分析、光谱分析、颗粒计数分析及理化指标分析，同时结合发动机试车台监测数据，提出了运用神经网络和D—S证据理论对发动机试车状态进行融合诊断的方法。首先依据各种分析方法的标准磨损界限值，将原始数据进行了预处理，转换成故障征兆的布尔值；其次，建立了各子神经网络的拓扑结构。并依据专家经验建立各子系统的输入征兆与故障论域的映射关系，由此获得了各子神经网络的训练样本，对各网络成功训练后。利用神经网络实现各子网络的诊断并得到了中间诊断结果；然后，将每种方法的神经网络诊断结果作为各故障模式的基本概率分配值，利用改进的D—S证据理论。实现了对神经网络诊断结果的融合，由此获得了最终的融合诊断结果，最后，通过算例证明了该方法的有效性。     

基于小波包的频带能量特征提取及智能诊断

提出一种基于小波包和BRF神经网络的智能故障诊断方法。对滚动轴承故障信号进行小波包分解，选择合适的小波基函数和尺度，将故障信号分解到八个不同的频段上，提取这八个频段上的能量信息，组成特征问量，作为RBF神经网络的输入；建立RBF神经网络模型并进行训练，对三种滚动轴承故障信号进行智能分类与识别。实验结果表明这种智能诊断方法有效可行。     

中小型旧桥承载力评估的遗传优化神经网络模型

桥梁承载力的变化总会以各种损伤形式直接或间接的反映。针对旧桥承载力荷载试验评估法费用高、工作量大的不足,建立了以桥梁承载力校验系数日为评价输出指标的中小型旧桥承载力遗传优化神经网络评价模型。应用该模型,直接利用易于采集的8个损伤指标就可以对旧桥承载力进行评价。实例验证表明,该评价模型是一种科学、准确和实用的旧桥承载力评价模型,有着很强的实用价值、经济价值与现实推广意义。     

基于神经网络的农产品综合运输水平评价研究

利用层次分析法确定农产品综合运输水平效能的综合评价指标体系,依据此指标体系建立单目标农产品综合运输水平效能的综合评价模型,并利用优化后的神经网络对模型进行训练求解。训练结果与传统神经网络训练结果和线性规划软件计算结果相比,所获得的综合运输最佳方案相同,而优化后的神经网络比传统神经网络训练时间短,迭代次数少,拟合误差小。算例表明:此模型具有良好的泛化能力,可对农产品运输水平效能做出有效的综合评价。     

水电机组振动故障的粗糙集-神经网络诊断方法

针对当前水电机组故障原因复杂,实际监测数据量大,采用神经网络方法进行机组故障诊断存在网络结构复杂、训练时间长、诊断困难的问题,文章将粗糙集理论引入到水电机组故障诊断中,提出了基于粗糙集理论与RBF神经网络相结合的水电机组故障诊断方法。在保持分类能力不变的前提下,用粗糙集理论对故障信息进行约简处理,然后用RBF神经网络对预处理后的故障信息进行诊断,使神经网络的输入神经元数目明显减少,其结构得以简化。通过对某电站实测机组数据进行离线故障诊断,证明该诊断方法有效提高了机组故障诊断的效率和准确性。     

基于粒子群优化RBF神经网络的水轮发电机组振动故障诊断

【目的】针对单一径向基(RBF)神经网络在水轮发电机组振动故障诊断中泛化能力不足的缺点,提出基于粒子群(PSO)算法优化的RBF神经网络。【方法】利用PSO算法操作简单、容易实现等特点及其深刻的智能背景,对RBF神经网络的参数(中心和宽度)、连接权重进行优化,并用经PSO算法优化的RBF神经网络对水轮发电机组振动故障进行仿真诊断。【结果】仿真诊断结果表明,PSO算法优化的RBF神经网络具有较好的分类效果,较RBF诊断模型精度高、收敛快。【结论】PSO算法优化的RBF神经网络,适用于水轮发电机组振动故障诊断,其诊断精度较高,具有推广应用价值。     

小波神经网络在群桩基础轴力监测中的应用

深水群桩基础是目前大跨径桥梁工程采用的主要基础型式之一。为了研究其荷载传递机理、群桩效应、上部结构—桩—土的共同作用,信息化施工技术已在多座大型桥梁上得到了运用。然而受水文、气象及工程施工等诸多外界因素的干扰,所监测到的轴力时程曲线存在许多突变点,严重干扰了桩基础承载力的分析和预测。为此,提出基于小波神经网络的预测模型,首先采用小波分析对原始监测数据进行去噪,得到反映实际变化的基桩轴力时程曲线,然后分别采用BP神经网络、改进的BP神经网络和径向基函数(RBF)神经网络对其进行预测。研究结果表明:基于小波分析的径向基函数(RBF)神经网络模型预测效果较好。     

应用改进的RBF方法预测粘土料力学指标的研究

 坝土料力学指标是土石坝结构稳定分析的重要依据,其传统获取方法为实验方法。本文尝试采用改进RBF神经网络模型,以不同物理指标组合为输入因子,力学指标为输出项。然后,通过改进最近邻聚类算法训练模型进行测试样本模型效果检验。结果表明,改进RBF神经网络模型可以较为快速、准确地预测粘土料力学指标。