遗传算法的BP神经网络模型在桩孔质量检测中的应用

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。

针对bp神经网络易陷入局部最优和遗传算法全局搜索速度过慢的缺点及水利定额编制中存在非线性和复杂性的实际状况,提出采用遗传算法（ga）优化bp神经网络在水利定额编制中的问题。实例分析表明,优化后模型（ga-bp神经网络）结合了bp神经网络的非线性逼近、局部寻优能力和遗传算法的全局搜索特性,在稳定性、预测精度、收敛速度上均优于bp神经网络,可运用于水利定额编制。

为了实现桩身完整性的智能分类,并减少人为因素造成的误判,文章建立适用于桩基完整性检测的基于遗传算法的bp神经网络模型,运用matlab软件对模型进行模拟,并求出模型的可行性的解,从而实现对不同类型桩身的完整性智能辨别的功能,最后再通过测试样本对模型的正确性进行验证。测试样本中的预测结果与理想结果非常接近,通过计算得出测试样本的仿真误差为0.1538,训练样本的仿真误差为0.092644。结果表明,基于遗传算法的bp神经网络模型能过较好的对桩身完整性进行分类,并且在减少桩型误判的情况下,又提高了效率,在实际工程中具有良好的应用前景。

采用遗传算法优化bp神经网络来建立一个道路交通事故宏观预测的模型.该模型结合遗传算法和神经网络两者的优点,具有更好的运算性能、更快的收敛速度和更高的精度.模型以交通事故死亡人数为输出变量,以机动车保有量、公路里程、人均gdp为输入变量,利用1978年至2006年的道路交通事故数据进行训练及检验.实例计算表明,建立的基于遗传算法的bp神经网络模型可以很好的适用于道路交通事故宏观预测,为制定交通安全对策提供理论依据.

优化电解碲电源对电解行业节能增效、提高电解产品质量和改善电网环境具有重要意义.电源前级采用三相电压型pwm整流器；在建立pwm整流器数学模型的基础上；通过改进双闭环pi控制策略；即外环基于并行搜索全局寻优的遗传算法优化bp神经网络权值和阈值的智能控制方法；分析网侧电流波形和谐波含量；可得到所需的额定电解电压和电流；以matlab/simulink软件为平台进行仿真计算.结果表明:ga-bp(geneticalgorithm-backpropagation)算法具有输出电压平稳、响应速度快、超调量小、抗干扰性强等优点.

相对于监测数据采集的高效性,隧道施工中对现场突发状况缺乏高效的应对措施。本文结合工程实例,采用正交表及对应三维数值计算模型,得到隧道施工参数与对应隧道变形的样本集,应用基于遗传算法的bp神经网络matlab程序,通过对施工参数进行正演分析,实现相对高效的施工反馈;在实测数据基础上,通过进一步的反演分析,可优化施工参数,实现施工工艺的经济优选。工程应用结果表明,该方法的分析结果能够满足工程施工精度要求,有效提高施工过程中突发状况的应对效率,同时也为设计中参数的优化选择提供参考,为建立隧道工程施工的高效反馈机制提供新方法和新思路。

神经网络模型是一种非常有效的数据处理工具,但是存在结构确定困难的缺点.针对神经网络算法的这种缺点,提出了变结构神经网络模型.此模型增加了神经网络隐节点的决策变量,并对此决策变量进行松弛.在采用bp梯度算法确定神经网络结构的同时,确定网络参数.由于电缆的状态监测是时序数据,将此模型应用于电缆的状态监测过程中,能体现出较好的适应性.

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。　　

建立bp(backpropagation)神经网络与遗传算法相结合的电力负荷预测模型。在该模型中,利用遗传算法具有的全局寻优特点,将bp网络的初始权值优化到一个较小的范围,然后再用bp算法在该范围内继续优化,以便使优化算法既能实现全局最优求解,又能获得较快的求解速度。最后,通过仿真算例,与传统bp网络优化结果、及各种拟合方法获得结果进行比对,验证了计算方法的可行性和优越性。

阐述了企业信息化水平评价问题的现状,提出了运用遗传算法(ga)优化bp神经网络的评价方法,避免了传统评价方法确定权重值的主观随意性,并且克服了bp网络中的局部极小缺陷,使训练速度加快,在建立bp-ga网络信息化评价模型的基础上,利用样本公司实际指标数据对模型的评价效果进行了检验,并与传统bp网络模型的评价结果进行了比较研究。

建立bp（backpropagation）神经网络与遗传算法相结合的电力负荷预测模型。在该模型中，利用遗传算法具有的全局寻优特点，将bp网络的初始权值优化到一个较小的范围，然后再用bp算法在该范围内继续优化，以便使优化算法既能实现全局最优求解，又能获得较快的求解速度。最后，通过仿真算例，与传统bp网络优化结果、及各种拟合方法获得结果进行比对，验证了计算方法的可行性和优越性。

采用遗传算法对建筑设计进行优化,是建筑设计领域一个全新的研究方向,然而,在日照分析下基于遗传算法求解最优值时,需要对每个进化个体进行适应度函数的计算,将消耗大量的运行时间.为了降低算法的复杂性,提出一种神经网络结合遗传算法的建筑优化设计方法.研究结果表明：与传统遗传算法对比,该方法可以有效降低算法的迭代次数和运行时间,提高建筑优化设计的效率.

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。

采用遗传算法对建筑设计进行优化,是建筑设计领域一个全新的研究方向,然而,在日照分析下基于遗传算法求解最优值时,需要对每个进化个体进行适应度函数的计算,将消耗大量的运行时间.为了降低算法的复杂性,提出一种神经网络结合遗传算法的建筑优化设计方法.研究结果表明:与传统遗传算法对比,该方法可以有效降低算法的迭代次数和运行时间,提高建筑优化设计的效率.

第47卷第6期厦门大学学报(自然科学版)vol.47no.6 2008年11月journalofxiamenuniversity(naturalscience)nov.2008 基于bp神经网络的工程估价模型及其应用 叶青,王全凤 (华侨大学土木工程学院,福建泉州362021) 收稿日期:20080414 基金项目:福建省自然科学基金(2008j0196)资助 email:yeqing@hqu.edu.cn 摘要:基于bp神经网络的工程估价模型具有高度的容错性和较强的泛化能力,通过对数据并行处理的方式能快速准 确地估算出工程造价.本文根据bp神经网络原理,选取福建泉州地区的21组工程实例来建立模型,其中19组为训练样 本,2组为检测样本,确定了13个主要造价

本文采用bp神经网络预测模型,通过在matlab软件建模,并对实际工程项目的支护结构顶水平位移的监测数据进行分析,预测其后的监测数据,结果表明bp神经网络拟合效果优越,仿真性强,具有很强的泛化能力,能够对实际工程的支护结构顶水平位移进行有效预测.

根据某建筑中央空调系统的工作参数,创建bp神经网络模型,得到输入输出的映射关系.利用遗传算法寻找中央空调系统的最佳工作参数,对遗传算法的优化结果进行分析.利用图形分析法验证遗传算法得到的结果是全局最优解.当冷却水进口温度为室外温度、冷水出口温度为设置范围内的最大值时,空调功耗最小.

为有效gis设备放电故障诊断的快速性和准确性,采用近几年出现的遗传算法对bp神经网络进行优化,减少了bp神经网络算法陷入局部最优解的风险,显著增强了bp神经网络的泛化能力和全局寻优能力。对比发现,遗传算法优化后的bp神经网络模型具有比较好的快速性和准确的诊断能力。测试结果表明,遗传算法优化bp神经网络对gis设备放电故障诊断具有可行性和有效性。

针对压电陶瓷驱动器的蠕变误差随时间呈现非线性变化,会严重影响其定位精度的问题,提出遗传算法优化bp神经网络的压电陶瓷蠕变预测算法。采用遗传算法优化了bp神经网络的权值和阈值,构建了基于遗传算法的bp神经网络(ga-bp算法)的蠕变预测模型。用ga-bp算法对压电陶瓷蠕变进行了预测仿真,并将结果与实测数据进行了对比。结果表明,获得的蠕变预测结果与实验数据的最大绝对误差均不超过0.2μm,最大蠕变误差均小于1.5%,最大均方误差仅为0.0046,因此,ga-bp预测模型可作为预测压电陶瓷蠕变误差的一种有效手段。

综合利用有限元法、正交试验法、bp神经网络以及遗传算法对大重型数控转台的花盘结构系统进行优化研究。首先对花盘结构系统进行谐响应动力学分析,找出对结构动态特性影响最大的模态频率,并确定bp神经网络的输入变量,然后利用正交试验法和有限元分析法确定出bp神经网络样本点数据,建立反映花盘结构特性的bp神经网络模型,最后利用遗传算法对建立的bp神经网络优化。仿真结果表明,花盘第一阶固有频率提高15.5%,其自重降低9.8%。

根据电力负荷的主要影响因素,考虑时间和天气,建立了基于遗传算法和反向传播神经网络(bp)的短期负荷预测.从bp神经网络的理论入手,采用遗传算法优化bp神经网络的初始权值和隐层节点数,从而避免了神经网络结构确定和初始权值选择的盲目性,提高了神经网络用于电力系统短期负荷预测的效率和精度使得负荷预测在更加合理的网络结构上进行.