基于遗传神经网络对FRP布加固混凝土柱承载力的预测研究

为了比较准确的预测应用FRP布加固混凝土柱的承载力,应用遗传神经网络来对加固后的混凝土柱承载力进行研究。该方法充分利用了神经网络与遗传算法的优点。预测结果表明,应用遗传神经网络方法对FRP布加固混凝土柱的承载力进行研究是可行的。     

基于遗传神经网络的陕西省土地利用结构模型研究

针对土地利用结构变化的复杂特征与BP人工神经网络在预测应用上的缺陷,利用遗传算法来优化BP人工神经网络模型,形成了遗传算法与BP网络结合的遗传神经网络模型,通过运用matlab软件编制神经网络和遗传神经网络程序,实现模型的建立。证明遗传神经网络用于土地利用结构的预测是可行和有效的,有着良好的前景。     

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神经网络模型在象山港水环境承载力研究中的应用

为研究近年象山港水环境承载力状况,根据2010—2013年象山港水质指标DO、COD、DIN和DIP的统计数据获取指标阈值,应用BP神经网络技术建立象山港水环境承载力研究模型。模型输入指标为DO、COD、DIN和DIP的监测值,输出为水环境承载力指数。应用构建的模型对2014年春、夏、秋、冬象山港水环境承载力进行研究,结果表明:2014年象山港水环境承载力指数季节平均值都小于0. 4,水环境承载力总体不理想。象山港湾内的水环境承载力整体高于外海。湾口受外海影响,水环境承载力常年偏低;内湾水环境承载力季节变化复杂,主要为局部影响;湾中部水环境承载力春季偏高,夏季偏低,这与生物活动有关。BP神经网络模型结构简单、数据结果直观可靠,可应用于象山港水环境承载力问题的研究。     

基于BP神经网络的林木资源资产批量评估模型优化

批量评估具有效率高、费用低且满足大量评估等优点。论文以中龄林为例,将BP神经网络应用于林木资源资产批量评估。通过比较学习算法、隐含层节点数,运用敏感性分析法确定影响因子对评估值的贡献程度,筛选输入层因子,从而优化了林木资源资产批量评估BP神经网络模型结构。结果表明：贝叶斯正则化法优于L-M算法;年龄、利率、蓄积、树种为强影响因子,这4个因子对评估值的贡献度超过60％;最优模型结构为BR 9-10-1,该模型平均绝对误差为32．46元/hm2,平均相对误差为1．28％,决定系数达0．9997,模型拟合精度高,泛化能力强,能够满足中龄林林木资源资产批量评估的要求。     

辽滨沿海经济区湿地生态承载力评估与分析

构建了辽滨经济区生态承载力评价指标体系,并运用系统定量表征的方法评价经济区生态承载力现状,旨在探索可持续发展实验区建设的最佳生态承载力评价与信息展示方法,为当地区域规划提供依据。     

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。     

基于遗传神经网络的工业股票指数预测

结合遗传算法与倒传递神经网络进行工业股票指数预测 ,使用 5个输入变量 :周成交额增减幅、周振荡幅度、周涨跌幅、5日EMA波动、DIF波动值 ,并将下周涨跌幅设为输出目标进行训练 ,以取得较理想的预测结果。对于传统上选择适合的神经网络拓扑结构效率较低的问题 ,本文对于遗传算法的引入大大提高了搜索到最优结构的速度。     

基于遗传神经网络的农村用电量需求预测

文章对标准BP神经网络的基本原理进行了简单的概述,并提出标准BP神经网络存在的缺点和不足,进而提出了用实数遗传算法优化神经网络的权重,解决了标准BP神经网络在训练过程中的缺点,并将遗传神经网络应用到我国农村用电量预测中,取得了良好的效果。     

基于优化动态小波神经网络的网络安全态势评估

为了分析网络威胁的演化趋势,并探讨安全态势的自主感知和调控问题,将动态小波神经网络融入模型的设计,提出一种基于优化动态小波神经网络的网络安全态势评估,增强网络安全系统的层间交互和认知能力。仿真实验结果表明:基于优化动态小波神经网络的网络安全态势评估及方法能够态势提取异质安全数据,动态感知威胁的演化趋势,并具有一定的自主调控能力,达到了态势评估的研究目的,为监控和管理网络提供了新的方法和手段。     

基于遗传算法优化BP神经网络的小球藻生长模型的建立与应用

[目的]探讨用遗传算法优化BP神经网络对小球藻生长模型的建立与应用。[方法]使用遗传算法对BP神经网络的权值和阈值进行优化,并使用该网络模型,以小球藻培养时间和残余葡萄糖为输入,菌体光密度值（OD680）为输出,对小球藻在500 L多功能生物反应器中的生长情况进行了建模,还探讨了该模型的应用情况。[结果]经过遗传算法优化的BP神经网络,其泛化值的误差平方和比BP神经网络的小,因而预测值更加接近实际值。t检验表明,所建立的模型是可信的。验证表明,该模型具有良好的拟合度,能够很好地描述在500 L多功能生物反应器中培养的小球藻的生物量（OD680）与残余葡萄糖和培养时间之间的关系。[结论]所建立的模型可用于试验结果的预测,对小球藻的培养控制具有指导意义。     

基于PROSAIL模型和遗传算法优化的BP神经网络模型的不同大豆种群叶面积指数反演比较

以大豆叶面积指数(Leaf area index, LAI)反演为研究目标,利用PROSAIL模型和遗传算法优化后的BP神经网络模型,分别对重组自交系(Recombinant Inbred Lines, RIL)和自然野生大豆种群的LAI进行反演。结果表明,在对人工定向培育的RIL大豆种群冠层叶片LAI反演中,PROSAIL模型表现出了更优异的反演能力,而对品种繁多的自然野生大豆种群LAI反演中,遗传算法优化后的BP神经网络模型表现出了更好的适用性,并且上述2种模型在始粒期(R5)时性能最佳,PROSAIL模型和遗传算法优化后的BP神经网络模型R~2分别为0.89和0.85,RMSE分别为0.11和0.13,EA均为97%,典型生育期内的反演性能均优于全生育期综合反演性能。因此,针对同一农作物不同种群的表型特征反演,需要根据研究对象的特征来选择合适的模型,以便于精确的估测大豆长势情况,为农作物的规模化育种监测提供数据支持。     

基于遗传神经网络的渔业养殖疾病预测

简要介绍了神经网络和遗传算法的基本原理,针对神经网络算法易陷入局部极小的缺点,将具有全局寻优特点的遗传算法融入其中,使用遗传算法对神经网络的权值优化,并将该算法运用到渔业养殖疾病预测中,得到了收敛速度快、精度较高的预测模型。这种模型具有较好的客观性和实用性,可以为科学养鱼、处理养殖疾病提供依据。     

基于BP神经网络的大气环境质量评价模型

依据BP人工神经网络原理,以MATLAB为工具,建立了某市大气环境质量评价模型,评价了该市1月上旬大气环境质量状况,并与灰色聚类法、模糊综合评价法的评价结果进行比较,得到了较为一致的评价结果。     

基于环境承载力的嘉荫县公共安全评价体系模型研究

公共安全是当今关注的热点,依据环境承载力理论,针对嘉荫县城建设背景进行分析,找出嘉荫县城建设中的诸多安全隐患,并建立安全评价体系和模型,用计算方法将体系中选取的指标进行量化和权重的确定,通过权重来评价环境承载力,进而初步提出了嘉荫县城发展建设中安全问题的对策建议。     

农村河道水资源承载力评价模型

针对恶化的农村河道生态环境做出评价并采取治理对策,是维持良好农村河道生态环境的关键。介绍了水资源承载力的研究方法,包括水资源承载力评价模型的构建,结合溧水县白马岔河的具体特点,在调查分析和试验分析的基础上,开展水资源承载力评价的实例研究。     

基子遗传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。     

基于优化BP神经网络的香格里拉高山松蓄积量模型研究

以香格里拉县高山松为研究对象,以Landsat TM 8影像和DEM（30M）数据为信息源,结合森林资源二类调查数据和地面样地实测数据,借助MATLAB平台,在前期进行基于遗传算法（GA）和粒子群算法（PSO）优化BP神经网络模型基础上,采用决定系数（R²）、均方根误差（RMSE）及预测精度（P）3个指标对优化后的BP神经网络模型及进行评价,并建立了研究区高山松蓄积量估测模型。结果表明,遗传算法效率（耗时1.9 h）低于粒子群算法（耗时1.4 h）;采用遗传算法优化后的BP神经网络模型R²、RMSE及P分别为0.636、4.216 m³、81.748%,均优于粒子群算法。通过遗传算法优化后的BP神经网络模型估测香格里拉高山松蓄积量总量为13 317 879.7 m³。     

基于改进神经网络的大坝安全监控模型

神经网络独特的结构和强大的信息处理能力为大坝安全监控提供了有力的技术支持。针对传统神经网络存在的网络学习速度慢,容易陷入局部最优以及网络结构参数经验取值的缺陷,建立了一种新的基于改进神经网络大坝安全监控模型,在网络学习算法上采用LM算法以提高网络的收敛性能,并利用遗传算法确定神经网络结构参数。对某混凝土重力坝的实例计算表明,该模型预报精度可满足工程要求,具有良好的应用前景。