改进BP神经网络的矿井CO检测方法  

本文把信息扩散原理和神经网络相结合,提出一种工程造价的估测方法,并给出计算实例。

为了有效利用多种检测数据来综合评价轨道的状态,本文应用bp神经网络技术建立了轨道状态评定方法,并采用matlab软件编制了具有自学习功能的评价软件。bp神经网络应用于轨道状态的评价中,其学习样本、规模及代表起关键作用,通过大量的样本训练,对\"未知\"样本神经网络模型的评价具有较高的准确性。理论分析与算例的结果表明,该评价方法是可行的、有效的,为解决轨道状态评定提供了一条新的途径。

针对传统方法单独采用bp神经网络算法易陷入局部极值的问题,提出了遗传算法优化bp神经网络,并将其应用于mimo-ofdm系统信号检测中。该方法将遗传算法与神经网络相结合,用遗传算法优化神经网络初始值,使bp网络快速收敛到最优解,避免了由初始值的随机选取而带来的检测误码。仿真结果表明所提出的方法在误码率方面有比较好的性能。

基于bp神经网络的矿井通风系统安全评价方法——运用人工神经网络的理论和方法，建立了基于bp神经网络的矿井通风系统安全评价模型，并利用matlab7．0进行编程，实现了矿井通风系统的安全评价预测。通过某矿通风系统的实例评价，预测结果与实测结果相符，表明应...

针对工业控制系统入侵检测模型对各类攻击的检测率和检测效率不高的问题,提出一种adaboost算法优化bp神经网络的入侵检测模型.首先利用主成分分析法对原始数据集进行预处理,消除其相关性；其次利用adaboost算法对训练样本的权重进行不断调整,从而获得bp神经网络最优权重和阈值；最后再通过adaboost算法将bp弱分类器组合成bp强分类器,从而实现工业控制系统的异常检测.实验结果表明该方法在对各攻击类型的检测率和测试时间明显优于其他算法模型.

提出一种采用bp神经网络算法来预测深基坑沉降的方法,结合具体工程实例,构建了预测深基坑周边地表沉降具体bp神经网络模型,预测结果表明,该模型有较高的预测精度,可作为预测沉降的一种新方法。

为解决bp神经网络应用于入侵检测时检测率较低、训练时间过长的问题,对改进差分进化算法(samde)优化bp神经网络并用于入侵检测的可行性进行研究.该算法引入模拟退火算法(sa)和一种融合de/rand/1与de/best/1的变异算子对差分进化算法进行改进以提高其全局寻优能力.用改进后的算法优化bp神经网络权值阈值.通过逐次的迭代训练使bp神经网络收敛,将优化过的bp神经网络用于入侵检测.仿真实验结果显示,优化的bp网络在收敛速度和精度方面有明显提升,用于入侵检测时提高了检测准确率,缩短了训练时间.

为解决bp神经网络应用于入侵检测时检测率较低、训练时间过长的问题,对改进差分进化算法(samde)优化bp神经网络并用于入侵检测的可行性进行研究。该算法引入模拟退火算法(sa)和一种融合de/rand/1与de/best/1的变异算子对差分进化算法进行改进以提高其全局寻优能力。用改进后的算法优化bp神经网络权值阈值。通过逐次的迭代训练使bp神经网络收敛,将优化过的bp神经网络用于入侵检测。仿真实验结果显示,优化的bp网络在收敛速度和精度方面有明显提升,用于入侵检测时提高了检测准确率,缩短了训练时间。

精密轴承应用广泛,精度要求高,轴承表面缺陷对其使用影响很大.因此,对轴承缺陷的检测很有必要.目前的检测以人工为主,但当缺陷小于0.075mm时人眼就很难识别.以ccd摄像机为视觉结合图像处理技术,设计一种轴承在线检测方法,能够在很大程度上提高检测效率和检测精度,最后利用bp神经网络进行缺陷分类,实验结果表明:分类正确率可达92.7%,符合工业要求.

比较分析了现行的造价估测模型的特点及其存在的问题,突出bp神经网络模型进行造价估测的理论优势,引入工程分类思想,以学校类建筑为例,建立了bp神经网络估测模型并进行了造价估测。

造价估测方法的研究和bp神经网络模型的应用——比较分析了现行的造价估测模型的特点及其存在的问题,突出bp神经网络模型进行造价估测的理论优势,引入工程分类思想,以学校类建筑为例,建立了bp神经网络估测模型并进行了造价估测。　　

在对某基坑工程采用bp神经网络模型预测基坑开挖引起地表变形的分析中,考虑到现有模型可能会遇到预测结果跳不出训练样本以及训练时间较长的问题,提出采用matlab中的mapminmax函数进行归一化处理,并基于牛顿法、共轭梯度法和l-m法三种数值优化方法对bp网络训练算法进行了改进.研究结果表明:与常用的基于梯度下降原则相比,改进后的bp神经网络在训练时间和预测误差方面均有明显的优势,采用l-m法的神经网络在训练样本时的迭代次数最少为74次,采用共轭梯度法的预测结果与实测结果的误差最大为2.4％,而采用牛顿法神经网络的预测值则比较均衡,预测结果相对最佳.

房地产在金融市场中占有举足轻重的地位,其价格变化对整个金融市场有着显著的影响。采用特征价格模型,对美国一线城市2007年6月及2008年的房价进行了相关定价研究。对传统特征价格模型的属性因子进行了扩充,加入房产周边犯罪率因子进行模拟;在数值方法计算方面,首先对数据进行了box-cox变换,分别采用bp神经网络及传统的最小二乘法进行数值模拟分析,结果表明,房价随犯罪事件类型及发生距离房地产的远近有-5.78%～2.08%的变化;在2008年与2007年6月的不同时段内,犯罪率的变化对房价的影响有所不同。bp神经网络模拟的价格与实际交易价格曲线比传统最小二乘模拟的价格曲线精度高出5.74个百分点。

bp神经网络是分析处理复杂非线性问题的一种有效方法,是目前广泛应用的一种神经网络,已被逐渐应用于对宏观经济问题的研究中。本文有机地整合了计量经济学与bp神经网络,建立了基于因果关系理论来确定bp网络的输入变量,基于协整理论来分析bp网络系统的可靠性,基于学习率可变的动量bp算法的用于研究经济领域问题的改进bp神经网络预测模型,加强了网络模型的理论基础,提高了网络模型的质量,并将其应用于西北建筑业的预测和控制中,取得了令人满意的效果。

基于bp神经网络电子评标方法的研究和应用——为了解决招投标中评标环节专家评审法随意性大的问题,针对建设工程的不同特点,对评标内容进行分类剖析.利用人工神经网络的智能识别功能,建立基于神经网络的电子评标方法.结合人工神经网络的自适应功能、良好的容错能...

为了对民航系统安全运行状态进行科学的分析和预测,针对反映民航系统安全运行状态的重要指标之一——飞行事故万时率,采用bp神经网络的时间序列非线性预测模型及方法,对其进行了分析研究和仿真验证,计算结果表明,该预测方法是可行的,并与实际具有较好的一致性。

探讨了矿井构造定量评价的人工神经网络方法,结合东坡井田讨论了bp模型的输入层、隐含层和输出层的构置和优选等问题,利用东坡井田已知资料使用有序地质量最优分割方法和插值法得到学习样本,经过学习样本的训练,对未知单元进行评价。

针对评标工作中专家的主观性、随意性和倾向性所带来的偏差,运用改进bp算法,构建了建设工程项目评标的神经网络模型。该模型能够较好地适应各影响因素之间的非线性关系,并通过附加动量法的自学习、自适应能力,提高了收敛速率,从而避免了局部极小值,提高了精度。通过仿真试验,验证了该模型的科学性和有效性。

随着我国经济建设的不断发展,多层建筑物已经被高层和超高层建筑所替代。高层建筑物对单元地面所产生的压力骤然增加,建筑物自身所存在的荷载相应增加。本文主要利用数字水准仪对高层建筑h楼进行沉降观测,设置15个周期,主体施工阶段每2层观测一期数据,封顶之后观测了5期数据。取3个点作为实验分析数据,得出了沉降变化曲线。利用bp神经网络、改进bp神经网络,对沉降数据进行预测,取期间的沉降数据和期间累计沉降数据作为训练样本,根据两个沉降数据预测值的大小,选择合适的训练样本,提高预测精度。

为了有效的实现用于混合式电力电子断路器的故障电流检测,设计了一种基于神经网络理论的短路电流检测方法,其主旨是将动态神经网络应用于故障电流的检测,利用反馈神经网络的历史记忆效应,对信号进行预测比较,可实现一种有效的短路电流故障检测。使用matlab神经网络工具箱进行仿真,通过仿真产生模拟训练样本,以单相工频基波叠加多次谐波分量,简化时可用类正弦函数代替,仿真结果表明了该方法的有效性和快速性。

shaffer函数定义域在[-10,10]区间内,bp神经网络拟合该函数训练时间长,且无法达到期望精度,说明bp神经网络拟合复杂非线性函数能力需改善.文章提出了一种改进的bp神经网络,先对网络的输入进行k-means聚类,bp神经网络训练采用大规模节点,聚类输入分别激活部分节点进行训练,每组聚类使用不同的节点,通过子网络训练聚类样本,减少了网络拟合难度.经测试改进的bp神经网络达到了精度.最后,用改进的bp神经网络进行了轴径的最优计算.

针对传统bp神经网络存在的缺点,提出基于遗传优化的变梯度反向传播的bp神经网络预测方法,采用遗传算法优化bp神经网络的初始权重,建立路基沉降预测模型。该模型可克服bp神经网络模型存在的收敛速度慢、易陷入局部极小点等缺点。结合现场实测数据,将该优化模型与指数曲线模型、双曲线模型、灰色预测模型和传统bp神经网络预测模型对比,结果表明改进的bp神经网络在路基沉降预测中精度最高,适宜于广泛推广应用。