共查询到20条相似文献,搜索用时 15 毫秒
1.
2.
3.
为了解决BP神经网络在对含根土抗剪强度的预测中存在的预测精度低,计算收敛速度较慢,容易陷入局部极值等问题,本研究通过直剪试验、团聚试验、根系分形分析试验等探究了不同因素对含根土抗剪强度的影响,并对各因素进行相关性分析,从中选取了大团聚体含量(R0.25)、平均重量直径(MWD)、几何平均直径(GMD)、土壤分形维数(Dd)、根表面积、平均直径6个影响含根土抗剪强度的因素作为模型输入层节点,含根土的抗剪强度作为输出层节点。参考FangfaGorman理论公式、Kolmogorov理论公式以及一种经验公式分别计算,并对结果进行讨论,确定了本研究中神经网络的最佳隐含层节点数量为13。建立6∶13∶1的BP神经网络模型,并引入了烟花算法(FWA)对BP神经网络进行优化。结果显示,BP神经网络、粒子群算法(PSO)优化的BP神经网络、FWA-BP神经网络的预测值与期望值的最大相对误差分别为11.12%、9.06%、7.44%,平均相对误差分别为4.60%、3.24%、1.96%,相较于BP神经网络和PSO-BP神经网络,FWA-BP神经网络预测误差值有明显降低;对比引入的统计参数,均方根误差(R... 相似文献
4.
5.
为解决现场作业调度问题以及向维修计划的制定者提供决策支持和信息支持,本文通过综合的考虑生产准备成本和偏离最优执行时间的惩罚成本,并以故障分布形式为威布尔分布的设备为例,建立了成组维修模型的相关关系式,给出了有限期设备成组维修策略的模型,并用粒子群算法进行优化。计算结果显示,粒子群算法能以极快的收敛速度达到全局最优,具有较高的计算速度。用粒子群算法根据成组维修理论进行计算,可以准确的分组及确定维修时间。 相似文献
6.
基于机器视觉的柑桔苗品种识别方法 总被引:1,自引:0,他引:1
本文基于粒子群优化后的支持向量机技术,通过MATLAB R2017b平台提取柑桔叶片的形态、颜色、纹理等8个特征参数,建立了可以对大雅柑、爱媛38号和晚熟血橙进行分类的模型。该模型的识别准确率为93.33%,预测一份样本的时间约为0.514 s。试验结果表明,该模型能够快速准确地对各类柑桔叶片进行分类,为柑桔分类机的研究提供了决策依据。 相似文献
7.
8.
9.
10.
11.
12.
《科技视界》2016,(19)
雾霾是对大气中各种悬浮颗粒物含量超标的笼统表述。随着空气质量的恶化,阴霾天气现象出现增多,危害加重。为了更加准确的预测雾霾天气的形成,本文基于自然界遗传机制和生物进化论,提出了一种基于遗传算法优化的RBF神经网络雾霾形成的预测模型,并使用MATLAB进行仿真研究。研究表明RBF神经网络预测精度与网络权值和RBF参数初始值有很大关系,因此本文采用遗传算法优化RBF网络权值和其他参数,形成GA-RBF预测模型。该模型通过计算群体中个体适应度,确定全局最优值,寻找网络参数的最优值。实验结果表明GA-RBF优于传统的RBF预测模型,训练速度和预测精度显著提高。 相似文献
13.
工业润滑油的调和是一个较为复杂的工艺过程,针对这一问题,文章提出了一种基于改进粒子群算法的工业润滑油调和方案。该方案为了满足两种不同的需求(质量和成本),根据工业润滑油调和的配比模型设计了两种非线性约束目标优化模型。为了能够迅速、准确地寻找最优的调和方案,文章提出了改进粒子群算法,使用随机惯性权重函数,增加了每一代粒子的多样性。另外,文章还设计了两组实验,对本文提出的数学模型和算法进行测试。第一组实验的优化方案得到的润滑油指标最大误差仅为1.2%,符合质量设计需求。第二组实验的优化方案得到的润滑油成本远远小于需求一中的总成本,符合成本设计需求。因此,文章提出的方法对于工业润滑油调和方案设计具有一定的参考价值。 相似文献
14.
基于BP神经网络的饲料产品品质预测方法 总被引:1,自引:0,他引:1
饲料加工生产过程是一个非常复杂的系统,其产品品质受原料特性和加工参数的影响,且各加工参数之间相互关联,很难用精确的数学模型来反映原料特性和加工参数与产品品质的关系。利用BP神经网络能自身从样本数据中提取相关的信息,并依据数据建立模型,可以有效准确地预测产品品质。试验结果表明,产品淀粉糊化度预测结果与真值的相关系数R在0.99以上,产品水分含量预测结果与真值的相关系数R在0.97以上,预测效果理想。因此,BP神经网络预测模型用于饲料产品加工品质预测是可行的。 相似文献
15.
《科技视界》2014,(18)
DEA是一种基于线性规划理论、广泛应用于效率评价的系统分析方法,属于事后评价的范围。BP神经网络的容错能力、学习能力、纠错能力使其在非线性系统预测方面有着广泛的应用。目前DEA与BP神经网络的混合模型已得到广泛研究,其可以在资源投入阶段就进行评价,这样一旦发现问题可以及时调整,变事后评价为事前控制。但是软件的分离使用极大地限制了此混合模型的应用。本文基于DEA与BP神经网络,利用MATLAB将DEA软件与BP神经网络工具箱结合在一起,设计开发了混合效率预测模型系统。利用此系统可以进行效率预测,及时调整投入指标以减少投入资源的浪费,提高能源利用率,并且此系统提供了良好的人际交互界面,避免了复杂的人工操作。 相似文献
16.
17.
18.
19.