基于非线性粒子群算法与神经网络的天气预测

采用非线性PSO-BP神经网络对天气预测,可以有效地预测出多云、晴天和下雨3种不同天气。非线性PSO-BP算法提高了天气预测的准确度和精度,加快了网络收敛速度,为智能化天气预报提供了基础。     

无风撑钢管混凝土拱桥建模分析

结合康复南路跨线桥工程实例，阐述了利用Ansys建立钢管混凝土拱桥模型的一般方法-即首先建立拱桥的空间杆系单元模型。对复杂截面采用写截面的方法，同时在建横过程中使用数组来增强程序的可读性，并提出了施加预应力和吊杆初张力的方法．理论计算与实测结果对比分析表明，本建模方法正确可靠．     

基于主成分分析和粒子群优化神经网络的粮食产量预测

粮食产量的预测研究在粮食安全方面具有重要意义,神经网络可以较好地反映粮食产量这一复杂的非线性动态系统。但是传统的BP神经网络预测模型存在学习收敛速度慢、易陷入局部极小值等缺陷,为了改善这一缺陷,提出了一种基于主成分分析(PCA)和粒子群(PSO)优化神经网络的预测模型。首先计算各影响因素与粮食产量之间的相关系数,利用主成分分析方法降低影响因子的维度,将降维后的因子作为神经网络的输入,然后采用BP神经网络建立粮食产量预测模型,其中引入PSO算法对BP神经网络的权值和阈值进行优化,最后使用训练过的BP神经网络预测粮食产量值。预测结果表明,该模型可有效提高预测精度,且收敛速度快,全局收敛性好,为粮食产量预测提供了一种新的途径。     

钢管混凝土拱桥施工稳定性数值模拟分析

采用通用有限元软件建立拱桥结构模型,对施工过程进行受力分析计算,并与实际检测数据进行对比,验证了模型的有效性和可靠性,并利用模型进行该桥施工过程中的稳定分析,结果表明,该拱桥稳定系数随全桥刚度的增大而增大,质量的增大而减小,弹性失稳模态均为拱肋侧倾失稳。     

钢管混凝土柱框架结构体系的抗震可靠度分析

针对按现行规范设计的钢管混凝土框架,应用Monte Carlo随机模拟法,分析结构在小震作用下控制截面失效相关性,由此建立了结构在小震作用下的可靠度分析方法.基于结构总体破坏指标建立的极限状态方程,采用适合强柱弱梁型框架结构分析的杆系模型,提出了钢管混凝土柱框架结构在大震作用下的可靠度分析方法.     

基于粒子群优化算法和长短时记忆神经网络的蟹塘溶解氧预测

为准确预测蟹塘溶解氧质量浓度,及时掌握溶解氧质量浓度的变化趋势,提前采取防控措施从而降低河蟹养殖风险,提出了一种基于粒子群优化算法(PSO)和长短时记忆神经网络(LSTM)的蟹塘溶解氧质量浓度预测模型,采用PSO算法优化LSTM模型参数后对蟹塘溶解氧质量浓度进行预测.结果表明,PSO-LSTM模型不仅整体优于ARIMA...     

钢管混凝土拱桥拱肋刚度计算取值分析

介绍了目前常用的3种钢管混凝土拱桥的设计方法,通过对目前钢管混凝土拱肋刚度计算方法的比较分析,认为采用(CECS 28：90}的方法较合理,可供设计参考。     

基于粒子群算法的喷洒参数优化算法

针对精确农业中农药喷洒参数的优化,提出了一种基于粒子群算法的喷洒参数优化算法。首先将农田图像分割为二值图像,将图像标记为植被区域和背景区域,然后以描述喷洒效果的数学模型为标准,通过粒子群算法优化喷头的位置和喷洒半径。结果表明,与植被区域中心确定的喷头位置和半径比较,新算法取得了较好的结果。     

基于改进的粒子群算法优化开关神经网络的木材表面缺陷识别

提出了一种改进的粒子群优化算法(IPSO),由混沌序列产生初始种群,采用克隆选择变异算子避免算法过早收敛于一个平衡点.用改进后的粒子群算法训练开关神经网络,将其用于木材表面缺陷识别.结果表明在较少的网络节点连接数目的情况下,获得了较高的识别率及良好的网络泛化性能.     

基于免疫粒子群和BP神经网络的变压器故障诊断技术

为了解决粒子群算法的早熟收敛问题和BP神经网络梯度下降训练法收敛速度慢、容易陷入局部极小值的问题,将免疫学中的克隆、变异理论用于粒子群算法的优化,建立免疫粒子群算法并给出算法步骤及免疫粒子群算法训练BP神经网络的步骤,将其应用到电力变压器的故障诊断中．仿真实验证明所提出的方法对变压器故障的诊断准确率可达95％以上,能够满足工程应用的需要．     

基于混合粒子群算法的数据分类

随着科技的飞速发展,数据分类日益重要。在改进粒子群算法基础上,结合最近邻分类,形成混合粒子群算法,并在分类基准数据集Iris上试验。试验结果表明:所提出的算法在收敛速度、稳定性和可信度上具有一定的优越性。     

基于粒子群算法的联合站优化

联合站实际运行过程中常存在能耗及运行费用过高的问题,需要对其进行优化。建立了以年最低运行费用为目标的优化函数,并提出采用改进的粒子群算法(Particle Swarm Optimization,PSO)获得最优相关温度、压力及加药浓度等决策变量,从而在一定程度上达到降低联合站运行费用的目的。将该优化方法应用于胜利油田某联合站,并与实际运行费用及标准遗传算法的优化结果进行对比,结果表明:采用该方法对联合站运行参数进行优化,可以提高联合站的能量利用率,从而达到节能降耗的目的,并产生一定的经济效益,对实际生产具有一定的指导意义。     

基于钢管再生混凝土轴压短柱承载力规程比较的可靠度分析

本研究将国内外设计规程中有关钢管混凝土柱轴压承载力的计算方法,用于计算钢管再生混凝土轴压短柱承载力,并将计算结果与试验结果(其中包括21根方钢管再生混凝土柱以及49根圆钢管再生混凝土柱)相比较,找出与实验值最为接近的计算公式,并利用一次二阶矩法(JC法)进行可靠度校准.结果表明:采用规范CECS28-2012给出的轴压承载力计算公式计算钢管再生混凝土短柱的轴压承载力,试件在大部分荷载作用下,能够满足《建筑结构可靠度设计统一标准》有关承载能力极限状态可靠指标的要求。     

基于粒子群组合神经网络的原岩应力预测研究

【目的】建立原岩应力准确预测方法,为岩石力学研究及地下岩土开挖工程设计与施工提供参考。【方法】充分利用区域实测原岩应力数据资料,选取岩石埋藏深度、岩石类别等参数作为原岩应力的评判指标,在分析基于群体智能（GI）的粒子群优化算法（PSO）和BP神经网络算法特点的基础上,提出一种新的组合训练方法,建立了PSO-BP组合人工神经网络模型,并对原岩应力进行实际算例预测。【结果】PSO-BP组合人工神经网络模型整体工作性能优良,研究区域原岩应力场最大主应力、最小主应力、垂直应力的网络输出与目标输出相关程度较高,相关系数分别为0.994 0,0.997 0,0.992 0,该组合模型基本可以预测研究区域原岩应力场的分布规律。【结论】应用建立的PSO-BP组合人工神经网络模型可以进行原岩应力的准确预测,对岩体初始应力研究和地下工程设计具有一定的指导意义。     

一种基于双子群的改进粒子群优化算法

针对粒子群优化算法易于陷入局部最优解并存在早熟收敛的问题，提出了一种基于双子群的改进粒子群优化算法（TS IPSO)，通过2组搜索方向相反的主、辅子群之间的相互协同，扩大搜索范围，借鉴遗传算法的杂交机制，并采用惯性权值的非线性递减策略，加快算法的收敛速度和提高粒子的搜索能力，降低了算法陷入局部极值的风险.实验结果表明该算法较标准PSO算法提高了全局搜索能力和收敛速度，改善了优化性能.     

改进的粒子群算法在磨煤机PID神经网络控制中的应用

磨煤机制粉系统的输入量和输出量之间相互耦合,而且具有非线性、时滞性大等特点,因此使用常规的控制方法难以达到良好的效果。设计了磨煤机制粉系统的多变量PID神经元网络控制系统,提出了改进的粒子群算法优化多变量PID神经网络参数,然后采用误差反传算法调整网络权值,避免了网络陷入局部最优解。磨煤机制粉系统的仿真实验表明,该方法解决了系统的耦合、时滞性问题,同时减小了系统的超调量,避免了系统的震荡,具有良好的稳态性能和动态性能。     

一种新型的钢管混凝土拱桥计算方法

本文结合拱结构计算的矩阵位移法[1]和钢管混凝土拱桥分析的纤维单元法[2],特提出钢管混凝土拱桥计算的实体-梁单元法。该方法便于考虑钢管初始应力和温度初应变,而且有其自身的优越性,算例计算结果表明,该方法是可行的。因此,该方法的提出为完善钢管混凝土拱桥计算理论具有重要的理论意义和参考价值。     

基于粒子群算法的综合暴雨强度公式

[目的]简化传统方法,得到直接推求综合暴雨强度公式的方法。[方法]采用粒子群算法优化各重现期统一的综合暴雨强度公式的参数,直接推求综合暴雨强度公式,并通过对芜湖市降雨历时资料建立的综合暴雨强度公式的计算结果与传统方法进行了比较。[结果]采用粒子群算法直接推求的综合暴雨强度公式比传统方法的计算结果精度更高,且推求过程更简便。[结论]说明采用粒子群算法直接推求综合暴雨强度公式是可行的。     

基于遗传思想的改进粒子群优化算法

传统的粒子群优化算法(Particle Swarm Optimization,PSO)在解决有关离散优化的问题时,容易发生早熟收敛,陷入局部最优等现象,从而得不到最优解。为了克服这种现象,提出了一种基于遗传思想的改进PSO算法:利用繁殖法更好的搜索粒子的空间,经过繁殖后的粒子可以更好的从局部最优逃离,并对经典的测试函数进行了测试。测试结果表明,与传统的PSO算法相比,改进算法的寻优效果较好,不仅能加快收敛速度,而且能找到同样甚至更好的解。     

基于改进粒子群算法的烧结配料预测模型

针对烧结配料系统中的非线性、复杂性和相关性，基于BP神经网络建立烧结配料的预测模型，并采用粒子群算法对预测模型参数进行优化。为了克服粒子群算法的局部收敛性，在迭代过程中，根据迭代次数对惯性权重进行动态非线性调整，从而提高算法的搜索能力。仿真结果表明，所提出的改进粒子群算法与传统的粒子群算法比较，收敛速度快、迭代次数少、具有较强的全局寻优能力。