用遗传神经网络方法预测活性粉末混凝土强度

活性粉末混凝土的组成成分复杂,用来预测传统混凝土强度的鲍罗米公式不能准确预测活性粉末混凝土的强度。提取了影响其强度的主要因子,利用遗传神经网络方法来对活性粉末混凝土的强度进行预测。结果表明:遗传神经网络可以较为准确地预测其强度。该方法是预测混凝土强度的科学理论分析方法,具有一定实践意义。     

应用RBF网络预测粉煤灰混凝土强度

介绍了神经网络应用中使用广泛的RBF神经网络的模型及其学习算法，将其用于粉煤灰混凝土强度预测，结果表明，RBF网络方法是一种可以定量分析、简便易行、具有较高精度的预测方法，在混凝土性能预测中具有广阔的应用前景。     

基于混沌径向基神经网络模型的洪水预测研究

【目的】建立更为理想的洪峰大流量预测模型。【方法】针对目前大部分预测模型对洪峰大流量数值预测结果不太理想的问题,根据自然界中普遍存在的混沌现象,在对洪水系统进行混沌识别的基础上,建立了基于混沌理论和径向基神经网络(RBF)的预测模型,将实测洪水序列进行相空间重构得到训练样本,利用MATLAB 7.0工具箱确定网络结构。【结果】将所建立的RBF模型用于汾河石滩水文站2004年最大洪水的预测,结果表明,该模型预测结果的合格率、平均相对误差、相关系数(R)、均方根误差(RMSE)和Nash-Sutcliffe系数(NSC)分别为100%,4.69%,0.9793,4.2260和0.9552,而传统Volterra级数自适应预测模型的分别为93.75%,8.97%,0.9540,10.2632和0.7358,可见RBF模型的预测结果较好,并且对预测洪峰大流量数值取得了较理想的预测效果。【结论】将混沌理论和径向基神经网络结合建立预测模型,作为提高洪水预报精度的一种新尝试,对以后进行洪水预测研究具有一定的参考价值。     

基于混合算法优化神经网络的混沌时间序列预测

提出了一种混合算法优化神经网络的混沌时间序列预测模型.将粒子群优化算法与模拟退火算法过程中概率突跳的思想相结合形成一种新的混合算法,并用此混合算法优化神经网络建立预测模型.该模型克服了传统的神经网络收敛慢、易陷入局部最优等不足.利用该模型对Mackey-Glass混沌时间序列和Henon映射进行实验仿真,结果表明,该模型收敛速度快,稳定性能好,预测精度高.     

基于混沌变量优化的神经网络PID控制

对神经网络模型辨识器的输入量y(k),u(k)进行归一化处理,一种规范化PID控制方法作为控制器.采用Logistic映射构造多个不同的混沌变量,应用到神经网络PID参数域中,根据控制系统性能指标进行混沌寻优,获得近似最优解后,再通过时变因子Z(t)在近似最优解的附近继续混沌局部寻优.仿真实验表明该方案是有效的.     

基于进化神经网络的火灾后混凝土强度评估

高温后混凝土强度的评估是判断受火建筑的结构损伤程度、剩余承载力的重要依据，设计了一个进化神经网络模型。用遗传算法优化RBF网络的连接权和网络结构，并将其应用于火灾后混凝土强度的评估，介绍了混凝土立方试块经受不同火温后进行回弹测试混凝土强度的方法．经实验测试和仿真分析证明．所提出的进化算法用于RBF神经网络优化比基于聚类法的RBF网络具有更高的识别精度．     

基于BP神经网络对苹果呼吸强度的预测

应用BP神经网络,通过苹果贮藏期间多维数据与呼吸强度的相关分析确定网络的拓扑结构,建立苹果呼吸强度的人工神经网络模型.仿真结果表明,该神经网络能很好地拟合不同贮藏条件下的呼吸强度,模型预测精度达到90%以上.同时,通过遗传算法优化BP神经网络的初始权值和阈值矩阵,使神经网络的预测精度进一步提高.     

基于混沌神经网络的径流预测模型

【目的】揭示径流时间序列变化规律并进行预测,为水库调度提供指导。【方法】针对径流时间序列的非线性特点,利用重构相空间的嵌入维数确定神经网络的结构,建立了基于混沌相空间重构的径流量预测BP网络模型,并利用该模型对位于陕西省汉江上游的石泉水文站的径流时间序列进行了预测。【结果】实例计算结果表明,石泉水文站月平均流量的时间序列具有混沌性,最大嵌入维数为12,依此构建的BP神经网络收敛速度快、预测精度较好。【结论】利用重构相空间中的最佳嵌入维数,可合理确定BP神经网络的输入层节点数。     

土壤水分预测的BP神经网络方法及模型

土壤水分预报是农田适时适量灌水的基础。田间土壤水分的变化受到外界气象因素及土壤特性、作物生长的影响,关系比较复杂。笔者利用多年实测土壤水分资料和气象资料,建立了考虑多个因素对土壤水分影响的BP人工神经网络模型。模型结果表明:所建立的模型具有较好的预测效果;用神经网络建立土壤水分预测模型的方法是可行的。     

基于结构优化递归神经网络的网络流量预测

针对传统方法预测网络流量精度较低的问题,提出了一种基于改进双线性递归神经网络模型(BLRNN)的非线性网络流量预测方法.首先,给出了双线性递归神经网络的定义及网络结构描述;然后从网络结构和修剪过程两方面对双线性递归神经网络进行优化改进,采用遗传算法全局搜索进行修剪;最后,通过真实工况下的网络流量数据用仿真试验对模型性能进行分析.试验结果表明,优化后双线性递归神经网络模型大幅降低了算法复杂度,提高了计算效率,与传统的多层神经网络预测方法相比,该方法预测精度更高.同时,该方法也为其他具有相似特征的非线性预测问题提供了一种新的研究思路.     

基于神经网络的催化剂配方模型

本文应用人工神经网络中的BP网络与RBF网络，讨论脂肪醇催化剂配方的建模问题，并与传统的多元线性回归方法进行对比。结果表明，神经网络具有明显的优点，而RBF网络又比BF网络更加精确，且收敛速度要快1000倍以上。     

重庆市区县综合实力评价的GA-BP方法

遗传神经网络模型综合了人工神经网络和遗传算法的优点,具有全局寻优、自学习、自适应的信息处理能力,用于地区综合实力的评价是可行的。设计了能反映重庆市各区(县、市)地区综合实力的3类共34个评价指标,并用GA—BP模型对其进行了评价分析。评价结果表明,渝中、沙坪坝等8个区(市)地区综合实力最强,永川、北碚等9个区(县、市)次之,南川、开县等10个区(县、市)一般,而黔江、城口等13个区(县、自治县、市)地区综合实力相对较弱。     

基于RBF神经网络的城市需水量预测研究

鉴于RBF神经网络强大的非线性逼近能力及能够避免陷入局部最优的特点,建立了基于RBF神经网络的城市需水量预测模型,为提高神经网络的收敛速度及精度,利用退火遗传算法对网络进行了优化,并以天津市的城市需水量预测为例,进行了实例研究。     

基于神经网络和遗传算法的济南市区岩溶地下水预报模型研究

济南市以”泉城”著称，近年来随着城区人口的增加和工业的发展．地下水开采量不断增加，致使地下水位大幅度下降，泉群断流，对济南市的环境质量和人民群众生活造成了严重影响。本文依据BP人工神经网络模型和遗传算法的基本原理，建立了基于神经网络和遗传算法的济南市区岩溶地下水预报模型，并对地下水位、最大开采量和泉排量进行了预测，效果良好。     

煤矿企业可持续发展BP神经网络预测

煤矿企业可持续发展预测系统是一个复杂的系统,在对目前煤炭可持续发展水平评价指标体系分析的基础上,提出了基于人工神经网络的煤矿企业可持续发展预测模式,建立了BP神经网络预测模型,阐述了样本的构建方法,并结合实例进行了分析.模拟结果证明了该模型的有效性,可为煤矿企业的可持续发展提供有价值的参考数据和指导意见.     

基于BP神经网络的材料腐蚀预测模型

通常使用灰色系统理论的方法对材料腐蚀数据进行拟合预测,为了深入研究材料的腐蚀特性和使用寿命,提出了材料腐蚀数据预测的神经网络模型。并将预测结果与灰色系统理论、回归模型等方法的预测结果对比,表明利用神经网络模型方法对材料腐蚀数据进行拟合预测具有一定的合理性,指出了进一步的研究方向。     

智能网络化水资源的实时预测分析

在水资源严重短缺地区，对水资源较准确可靠的实时预测预报是充分利用当地有限的水资源、实施地表地下水资源的联合调度和最优配置极为重要的前提和条件。本文利用BP神经网络的纠错性、智能性，对复杂的水资源产汇流黑箱模型进行预测计算，并应用于太子河流域枯季的水资源实时监测监控系统，较传统的统计回归计算方法，其计算速度与拟合优度都有较大的提高与改进。     

水文预测中的神经网络模型实用对比分析

本文尝试用BP网络、L－M网络和RBF网络进行水文预测，并将这三种网络的计算结果进行了比较分析。结果表明，L－M网和RBF网络对水文预测比BP网络更准确，收敛速度更快。本文的研究为使用者选择合适的高性能的网络结构提供了参考。     

混凝土强度试验误差的研究及应用

本文通过对塔里木河阿拉尔护岸工程和上游水库护坡工程混凝土抗压强度试验资料的统计、计算,推求出了试验误差及试验水平等级.为合理评定混凝土质量提出了符合本实验室、本地区的试验误差值.填补了我区这方面资料缺乏,长期没有引起试验工作者重视的空白.指出C15和C20的试验误差分别为;0.83MPa和1.12MPa,并根据两个等级混凝土的强度变异系数,确定了试验水平为“良好”.同时,对其主要影响因素进行分析,提出了改进和推广应用的见解.     

动态神经网络的隐节点增删算法研究

在前人关于动态结构神经网络研究的基础上,提出了一种综合性质的隐节点增删算法：由训练过程的均方差和误差衰减率来确定神经元的增删时刻,并采用矩阵分析的方法研究隐节点输出间的线性相关性,动态删除多余的隐节点,计算机仿真结果表明,采用该方法动态增删隐节点是有效的。