基于改进的BP神经网络胶铆接头的力学性能预测研究

利用遗传算法优化BP神经网络的连接权值和阈值,并将改进的BP神经网络应用于胶铆接头力学性能预测中,建立了胶铆接头最大拉剪力预测模型。结果表明:GA-BP神经网络比BP神经网络的收敛时间长,但GA-BP网络预测相关系数更好,回归性能更好,具有更好的泛化能力。对训练好的神经网络预测模型进行验证,发现GA-BP神经网络预测的均值绝对误差为BP神经网络均值绝对误差的40%,GA-BP神经网络具备更好的预测性能。     

陕西省耕种收综合机械化水平预测研究

研究采用BP网络改进算法、RBF网络和遗传神经网络,构建了机耕、机播与机收水平预测模型。应用所构建的模型对陕西省机耕、机播、机收水平进行预测,着重对3种预测模型进行比较和分析,为有关部门制定政策、方针和路线提供科学依据。用测试样本对预测精度进行检验,3种机耕水平预测模型(基于BP改进算法的BP模型、GA-BP模型和RBF模型)的平均相对误差都在10%以内;3种机播水平预测模型的平均相对误差分别为5.17%,9.0%和13.86%;3种机收水平预测模型的平均相对误差分别为12.11%,7.22%和16.75%。对于机耕水平预测问题,综合考虑预测精度、构建网络的复杂度和稳定性,采用RBF模型较好;机播水平预测采用预测精度最高的基于改进BP算法的BP模型;机收水平预测可采用GA-BP模型。     

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.     

基于粗糙集和遗传神经网络的城市日用水量预测模型

为克服日用水量主要影响因素一般采用主观判断确定的不足,利用改进粗糙集算法对影响因素进行属性约简,确定日用水量的主要影响因素。以日用水量的主要影响因素和相关日用水量为BP网络的输入,采用遗传算法优化BP网络的权阈值,建立了基于粗糙集算法和优化BP网络的日用水量预测模型。实例分析表明,与基于传统BP网络和基于遗传算法优化B...     

基于田间环境及气象数据的甘蔗产量预测方法

对2008—2017年间广西某甘蔗地装设的田间物联网获取的田间环境及气象数据进行了分析,研究通过这些数据预测甘蔗产量的可行性。对田间的环境数据(土壤含水率和土壤温度)和气象数据(降水量和空气温度)进行预处理,分别运用BP神经网络及遗传算法优化初始阈值的BP神经网络(GA-BP)对所选地块的甘蔗产量进行预测。结果表明,GA-BP神经网络模型的预测精度明显高于BP神经网络模型,R~2达到0. 989 4,平均相对误差仅为0. 64%。说明用GA-BP神经网络预测甘蔗产量是有效、可行的。     

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.     

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GA-BP神经网络的作物参考腾发量预测

采用黄金分割原理优化算法确定BP神经网络的隐含层节点数,进而确定BP神经网络的结构,并针对BP神经网络容易陷入局部极小值和全局搜索能力弱的缺点,引人遗传算法(GA)优化网络权值,建立GA-BP网络模型,预测作物参考腾发量ET0.以北京地区的相关资料为基础,选用6种输入因子组合方案,对该模型进行验证,结果表明该网络模型具有较好的预测能力;同时,对6种方案比较分析表明,方案4最优,该方案只需选用4项输入因子(日序数、平均气温、风速和日照时数),就能以较高的精度预测作物参考腾发量.     

基于DPA-BP神经网络的地下水质综合评价

为了提高地下水质量的预测精度,提出了一种由海豚群算法与BP神经网络结合的水体质量评价方法(DPA-BP)。算法的主要思想是将求解BP神经网络最优权值和阈值的过程转化为海豚群捕食寻求最优位置的过程,通过逐代寻优,确定BP网络评价水环境质量的最优权值、阈值。并对文献[9]中8个采样点地下水的数据与其他算法进行对比评价。结果表明,DPA-BP算法对地下水质评价的精确性高、稳定性好,具有较好的鲁棒性和实际工程实用价值。     

基于SA-PSO优化神经网络的拖拉机齿轮箱故障诊断

采用模拟退火算法,并融合了遗传算法的杂交和变异思想,对粒子群进行寻优运算,利用优化后的SA-PSO对BP神经网络权值和阈值进行优化.通过对拖拉机变速箱的齿轮故障进行诊断,结果表明,该方法解决了基本粒子群算法迭代速度慢容易陷入早熟问题;同时克服了传统BP算法容易陷入局部最小问题.与传统BP算法和Elman算法比较,在网络性能、收敛速度方面均优于前者,可以推广应用到其他故障模式和特征量之间具有非线性关系的故障诊断领域.     

BP神经网络与GA-BP农作物需水量预测模型对比

农作物需水量预测是制定合理灌溉制度的重要依据.针对BP神经网络的不足,利用遗传算法(GA)具有全局搜索能力强的特点,建立基于GA-BP神经网络的农作物需水量预测模型.以广州辣木农庄试验田农作物作为研究对象,结果表明:基于BP神经网络农作物需水量预测模型测试集均方误差和确定性系数分别为0.037和0.648;GA-BP神经网络农作物需水量预测模型测试集均方误差和确定性系数分别为0.013和0.882,GA-BP农作物需水量预测模型收敛速度、确定性系数和性能均优于BP农作物需水量预测模型.     

基于GA-BP神经网络的池塘养殖水温短期预测系统

为解决传统的水温小样本非实时预测方法预测精度低、鲁棒性差等问题,基于物联网实时数据,提出了遗传算法(GA)优化BP神经网络的池塘养殖水温短期预测方法,并在此基础上设计开发了池塘养殖水温预测系统,首先采用主成分分析法筛选出影响池塘水温的关键影响因子,减少输入元素;然后使用遗传算法对初始权重和阈值进行优化,获取最优参数并构建了基于BP神经网络的水温预测模型;最后采用Java语言开发了基于B/S体系结构的预测系统。该系统在江苏省宜兴市河蟹养殖池塘进行了预测验证。结果表明:该系统在短期的水温预测中具有准确的预测效果,与传统的BP神经网络算法相比,研究内容评价指标平均绝对误差(MAE)、平均绝对百分误差(MAPE)和误差均方根(MSE)分别为0.196 8、0.007 9和0.059 2,均优于单一BP神经网络预测,可满足实际的养殖池塘水温管理需要。     

基于MEA-BP神经网络的土壤养分评价模型

针对BP神经网络在解决复杂非线性问题时,存在初始权值和阈值随机赋值,网络学习速度慢,局部极小的问题,运用群体搜索能力强的思维进化算法(MEA),寻找出最优的初始权值和阈值,优化BP神经网络的网络结构,建立MEA-BP神经网络的土壤养分等级评价模型。以敦化市黑土的土壤养分数据作为测试集,评价指标选用土壤的有机质、全氮、速效氮、速效磷和速效钾。对比MEA-BP网络预测模型、遗传算法(GA)优化BP网络预测模型和单一的BP网络预测模型,结果表明MEA-BP网络预测模型的均方误差(MSE)最小、决定系数(R^2)最接近1和误差波动最小,可以更准确地反映土壤养分分级特性。     

基于GA-BP神经网络的甘蔗收获质量预测

甘蔗联合收割机收获质量对制糖工艺有极大影响,但测量难度大,难以直接获得.针对上述问题,以甘蔗联合收割机切割机构、行走机构、切段机构、风机机构的负载压力信号和转速信号为输入变量,以含杂率和损失率为输出变量,建立了一种GA-BP神经网络预测模型.GA-BP神经网络预测模型对甘蔗收获质量的预测结果平均MSE为0.0937,平...     

蛋鸡设施养殖环境质量评价预测模型构建方法及性能测试

蛋鸡设施养殖环境质量对蛋鸡的健康生长和生产性能的提升至关重要。蛋鸡养殖环境是多环境因子相互影响制约的复杂非线性系统,凭借单一的养殖环境参数难以对环境质量做出准确有效的评价。针对上述问题,本研究综合蛋鸡设施养殖环境的温度、湿度、光照强度、氨气浓度等多个环境影响因子,在布谷鸟搜索算法优化神经网络（CS-BP）预测模型的基础上,构建了改进的CS-BP的蛋鸡设施养殖环境质量评价预测模型。将构建的改进CS-BP预测模型与BP神经网络、遗传算法优化BP神经网络（GA-BP）、粒子群算法优化BP神经网络（PSO-BP）3种深度学习方法进行性能参数分析比对,结果表明：改进CS-BP评价预测模型的平均绝对误差（MAE）、平均相对误差（MAPE）和决定系数（R²）分别为0.0865、0.0159和0.8569,其各项指标性能均优于上述3种对比模型,该模型具有较强的模型泛化能力和较高的预测精度。对改进CS-BP的蛋鸡设施养殖环境质量评价模型进行测试,其分类准确率达0.9333以上。本研究构建的模型可以为蛋鸡设施养殖环境质量提供更加全面有效的科学评价,对实现蛋鸡生产环境的最优控制,促进蛋鸡生产性能的提升具有重要意义。     

基于改进遗传算法的轮毂缺陷检测研究

针对轮毂生产过程中产生的气孔、缩松、缩孔、裂纹和夹杂缺陷进行识别检测研究。对经过预处理操作后的缺陷图像运用布谷鸟算法结合大津法的CS-Otsu算法,寻找最优阈值T以便缺陷部分与背景分割。通过提取不同类型缺陷的特征数据构建样本数据库。基于萤火虫算法改进BP神经网络的GSO-BP算法优化权值及阈值,并结合构建的缺陷数据库实现对轮毂缺陷类型的检测。通过结果可知运用基于改进遗传算法的正确识别率为95%,高于传统遗传算法,能够满足缺陷检测要求。     

基于改进BP神经网络的农业机械数据预测研究

为提高河南省农业机械数据预测的精度,获得更可靠的预测结果,提出基于自适应粒子群算法(APSO)优化的误差方向传播(BP)神经网络预测方法,利用APSO算法优越的全局搜索能力更新BP神经网络的权值和阈值,有效结合两种算法的优势,并引用河南省1986-2017年农业机械数据进行测试。仿真结果表明,本文提出的APSO-BP算法比同等条件下BP神经网络算法和PSO-BP算法预测误差平均可降低2.4%和1.35%,可以有效提高预测的速度和精度。     

基于遗传算法和遗传神经网络算法的堆石料参数反演分析研究

面板堆石坝应力变形计算过程相当费时费力,如果直接调用有限元计算程序进行反演计算,难度相当大,效率也非常低.利用遗传算法优化BP神经网络权值与阈值,建立遗传神经网络模型代替堆石坝的有限元计算程序以提高反演计算效率,同时利用遗传优化算法全局搜索功能寻找使遗传神经网络模拟值和实测值之间误差最小的最优参数组,并通过MATLAB实现基于遗传算法和遗传神经网络算法的堆石料参数反演分析,反演结果表明该算法能够很好地提高反分析效率及准确性.