BPNN

摘要： 光伏发电是新兴的清洁能源发电方式之一,其光功率受辐照度等环境因素影响较大,导致注入电网的电量不稳定。采集的环境数据能准确预测发电量变化趋势,对电网平稳运行具有重要意义。现有光功率预测方法大多采用单个模型构建预测结构,当面对不同环境数据时预测结果不够稳定。文中提出一种基于双深度神经网络的光功率预测方法,该方法以BPNN(back propagation neural networks)和LSTM(long short term memory)为基础判别器,并通过遗传算法将二者融合为更加精确和鲁棒的光功率预测模型。在东北电网实际数据集上的实验结果表明,相比现有单一神经网络模型,文中提出的方法具有更高的判别精度,且预测结果更加稳定。

摘要： 研究目的:现行交通建设项目投资估算办法难以准确反映交通建设项目的复杂性、非线性和全生命周期的特点,本文以西阜高速公路为例,综合运用PSO、BPNN、FIS和BIM三维技术进行交通建设项目全生命周期成本估算和投资方案比选。研究结论:(1)建立交通建设项目投资估算信息资料数据库,为投资方案筛选提供一定的历史数据;(2)结合拟建项目工程特征,采用PSO方法筛选出与其相似的工程案例,基于BP神经网络模型分别预测其建设成本和未来20年运营成本,再用FIS预测其未来21~100年运营成本,结合三部分数据得到全生命周期成本;(3)从经济角度出发,以全生命周期成本最优为决策准则,采用BIM三维技术建立投资方案可视化模型,以便决策者从备选方案中寻优;(4)本研究结论可为交通建设项目投资方案决策提供参考。

摘要： 为了解决演示场合展示办公应用的高性价比手势导航产品系统的需求,提出并阐述了基于高性能的激光飞秒测距传感和人工智能深度学习自适应进行手势识别的算法模型,做到了准确可靠、工效卓著和低成本,有力的突破了现有传统手势识别的局限;以此激光飞秒手势识别为核心,结合Lora短距离无线传输、WinUSB便捷接口和视窗控制软件处理的组合优势,独辟蹊径,实现了高性价比的简易导航微产品系统,使手势识别走向大众化常规应用,达到了教学、论坛、会展、会议等演示办公廉价便捷运用的期求。

摘要： 为了建立更为有效的瓦斯隧道施工风险评估系统,本研究以成简快速路龙泉山隧道为依托,基于人—设备—环境事故三要素,考虑瓦斯地层环境(R1)、隧道工程环境(R2)、工程施工因素(R3)、施工设备因素(R4)4个方面构建评估指标体系。经研究得出:NCM、EAHP、BPNN模型目标层计算结果分别为Ⅲ~Ⅳ级、3.178级、3.247 2,隧道施工风险整体处于“异常~严重”状态,与现场施工安全等级相吻合。

摘要： 山区水文地质条件复杂,桥梁工程运营维护安全影响因素多,呈现随机、不确定性等特点。为了更好地避免由此带来的安全风险,提高山区桥梁运营维护管理水平,文章以张家庄大桥为例进行实证研究,通过收集以往桥梁工程运营维护安全管理信息资料,构建桥梁运营维护管理基础数据库,并运用基于PSO的BPNN算法对桥梁工程运营维护安全进行智能识别与预控;综合运用海恩法则与PDCA管理思想构建桥梁运营维护动态管理模型;运用BIM技术加强桥梁运营维护安全三维动态辅助控制,通过实例验证了该识别与控制模型的可行性。

摘要： 传统气动优化设计需要大量CFD分析,而代理优化(SBO)方法能够有效降低CFD分析次数,但该方法并没有改变单次CFD分析时间。提出一种基于本征正交分解—反向传播神经网络(POD-BPNN)模型的热启动策略,并应用于气动代理优化。使用POD-BPNN模型对SBO中的初始样本建立从几何设计变量到流场数据的预测模型;在SBO迭代过程中,使用该模型预测新样本的流场,并将其作为CFD分析的初场,进行热启动计算,获得新样本的数据;添加新样本数据到POD-BPNN建模样本并更新模型,直到优化结束,通过案例对该策略进行对比验证。结果表明:在跨声速翼型减阻优化设计中,基于POD-BPNN的热启动策略使得单次CFD计算时间降低68%,SBO的效率整体提升37%。

摘要： 为准确判断轨道电路的状态,保障轨道交通的安全运行,研究无监督学习中的高斯混合模型(Gaussian mixed model,GMM)、有监督学习中的反向传播神经网络(back propagation neural network,BPNN)模型与逻辑回归(logistic regression,LR)分类模型等3种典型机器学习算法在轨道电路状态判断中的应用。将轨道电路分为占用状态和空闲状态,应用3种算法实现状态分类任务,并在实际测得的数据集上对比3种算法的分类性能。测试结果表明:3种算法均能实现轨道电路状态的准确分类。与BPNN模型和LR分类模型相比,GMM无需训练过程,可降低人工成本。

摘要： 高速开关阀以其结构简单、响应速度快、抗污染能力强、稳定性好等优点得到了广泛的应用。水液压高速开关阀的工作介质黏性低,更容易因性能退化发生故障。提出了一种基于机器学习的水液压高速开关阀性能退化状态识别及退化趋势预测方法。搭建了高速开关阀性能测试试验台,将电流信号的变化作为高速开关阀的性能退化指标。根据高速开关阀性能退化程度,将其退化状态定义为正常期、退化期和严重退化期3个阶段。采用BP神经网络(BPNN)方法对高速开关阀的退化状态进行了识别,并采用粒子群优化长短期记忆模型(PSO-LSTM)方法对高速开关阀的退化趋势进行了预测。使用高速开关阀的性能退化试验数据对提出模型的有效性进行了检验,结果表明该方法具有较高的预测精度。

摘要： 可见-近红外光谱技术是检测土壤有机碳含量的高效方法.模型的精度与模型的传递能力是目前可见-近红外光谱检测技术应用发展中存在的问题.对预处理后的土壤光谱数据利用BPNN训练土壤有机碳检测模型,应用GA提取光谱特征波段,最佳检测模型R2为0.984,结尾通过对不同类型土壤进行建模,分析模型的传递能力.

摘要： 研究目的:隧道工程设计方案受其地形条件、地质构造、水文特征、气象条件、围岩类别等多因素影响,具有典型的开放性、复杂性、自组织、自相似、非平衡性等复杂系统特点和演化规律.根据以上特点,本文主要运用FMEA、RCM、BP神经网络、BIM等技术,对隧道工程设计方案进行智能比选与动态优化,为隧道工程设计方案优化提供重要参考.研究结论:(1)方案设计前,搜集大量已完类似工程项目的设计方案资料,构建了隧道工程设计方案历史数据库;(2)结合拟建工程特征,运用PSO聚类分析方法,从设计方案历史数据库中筛选出相似度较高的备选方案;(3)综合考虑工程各参与方需求,运用FMEA、RCM技术对各备选方案设计指标进行系统分析与优化,并运用BPNN模型预测各备选设计方案的全寿命周期造价,以全寿命周期造价最低为原则,优选设计方案;(4)运用BIM、ILS技术对优选设计方案进行深度优化;(5)本研究成果可为高速公路隧道、桥梁等工程设计方案优化提供参考.

摘要： 本发明公开了一种基于CAGM(1,1)‑BPNN的在役油气管道腐蚀预测方法，包括以下步骤：获取在役油气管道的检测点数据序列；根据在役油气管道的检测点数据序列得腐蚀深度累加生成序列；对腐蚀深度累加生成序列X(1)中的每点进行m次方处理,得腐蚀深度开方序列；计算腐蚀深度开方均值序列：建立灰微分方程，然后求解该灰微分方程，得腐蚀深度CAGM(1,1)模型的时间响应函数；计算的模拟值，然后对的模拟值进行m次方运行，再累减生成油气管道腐蚀深度的模拟值，然后利用BP神经网络模型对油气管道腐蚀深度的模拟值进行修正，得油气管道腐蚀深度的预测值，该方法能够较为准确的预测在役油气管道的腐蚀深度。

摘要： 本发明公开了一种基于VAE和BPNN的内部威胁检测方法，首先获取原始用户行为数据，并进行特征提取和归一化处理，得到用户行为数据；其次对归一化后的训练数据进行VAE预训练，通过网络反向传播最小化损失值提取原始特征信息，构建正常用户行为特征模型，同时得到VAE模型；接着将归一化后的所有用户行为数据全部输入到移除解码器后的VAE模型中，得到输出数据；最后将所述输出数据输入BPNN网络进行威胁检测，并根据检测结果和正常用户行为特征模型判断检测结果是否异常，减少误报和漏报，提高检测效率。

摘要： 本发明涉及在电力技术领域，公开了一种基于BPNN的检修需求指数分析最优停电检修方法。通过采用构建层次结构树的思想建立电网网络拓扑结构，按照树形结构分析电网中各个设备之间相互影响的关系，得出某次停电检修的影响范围，并基于此影响范围得出本次停电检修的所有设备，然后基于BPNN分析出这些设备的检修需求指数，以此为基础制定最优停电检修方案。本发明在必检设备停电检修的停电线路上，找出相应的陪停设备，并对需要检修的陪停设备提出检修方案，因此大大提高了检修效率，实现一停多用、综合检修，避免用户出现频繁停电、长时间停电。大大提高了用户用电满意度和供电可靠性。

摘要： 本发明提高了一种基于改进BPNN‑DE算法的硅铝合金车削工艺参数优化方法（1）将数控车床车削硅铝合金的切削三要素及车削后硅铝合金表面粗糙度信息（以下统称数据集）按折交叉验证方法将数据划分为训练集与验证集；（2）将个训练集分别训练BPNN模型，得到个BPNN模型；（3）通过验证集验证BPNN模型集合的拟合准确率；（4）取步骤（3）中拟合准确率最高的模型作为改进DE的适应度函数，并使用改进DE算法对工艺参数进行优化，得到最优硅铝合金质量时对应的车削三要素，从而实现对硅铝合金车削工艺参数的优化。

摘要： 本发明提供了基于HSSA‑BPNN模型的车辆全态声品质预报方法，利用传感器提供卡车驾驶工况数据，通过多软件联合分析获取驾驶室噪声信息，并根据区间化数据处理的方法，基于混合麻雀算法改进反向传播神经网络算法，建立可听声范围内噪声预测模型，通过数值计算的方法，实现了预报新能源汽车尤其是卡车驾驶室内的噪声和客观声品质的功能。本发明解决了汽车的噪声源不确定且传递路径众多，而新能源汽车由于能源系统复杂，使得驾驶室内的噪声预报和评价十分困难的问题，完善了新能源汽车体验舒适度的评价方法。

摘要： 基于GRA‑ABC‑BP神经网络的城市燃气日负荷预测方法，对影响城市燃气日负荷的因素进行归纳、量化分析；采用GRA(灰色关联分析法)剔除关联性较小的影响因素，确定BP神经网络输入的变量，从而确定BP神经网络的拓朴结构；在使用ABC(人工蜂群算法)优化BP神经网络的初始权值和阈值时，先确定种群大小、各蜂种的比例、最大迭代次数和放弃限制参数；通过ABC算法得出最优初始权值和阈值；以某市实际数据为研究实例进行燃气日负荷预测，得出预测结果进而研究该方法的准确性与可行性。本发明方法从两个方面对燃气负荷预测问题进行深入研究，一是对诸多影响因素的筛选研究，二是对BP神经网络预测模型的优化研究。在提高输入神经网络数据的质量的同时，优化了BP神经网络固有缺陷。实例研究结果显示，该方法预测精度非常高，平均绝对百分比误差低至0.5528％，完全可以满足工业需求。

摘要： 本发明提供了一种基于BPNN模型和自适应阈值的磨煤机故障预警方法，包括，S1：采集磨煤机运行过程中的故障相关的目标变量和磨煤机运行的状态变量；S2：计算状态变量与目标变量的相关系数，保留相关性满足要求的状态变量；S3：将保留的状态变量及目标变量输入BPNN模型，进行模型训练；S4：将待识别的状态变量输入训练后的模型内，获得目标变量预测值，计算目标向量残差自适应数值，进行故障判断。本发明的优点在于：通过相关系数保留对目标变量影响较大的状态变量，降低数据运算量，然后训练得到BPNN模型并将进行目标变量的预测，基于预测结果计算自适应残差结果，并在自适应残差超过预设阈值时，认为将发生与目标变量对应的故障情况。

摘要： 为了解决现有技术只能在已有分类的基础上进行分类而无法完全实现对文本信息的分类的问题，提出一种基于BPNN‑BERT的电网多业务成本需求文本分类方法，本发明利用电网业务成本需求报告中的文本信息，将业务成本需求报告转换为可批量化处理的高维文本矩阵，然后根据成本表述文本迭代改进文本语义信息，建立自动化识别的电网业务成本分类器，以支持电网企业实现成本分类管理、资源精准配置，提高电网投入产出效率。能利用电网成本需求报告中的文本信息直接进行成本分类，减少了人工成本，大大加快生产效率；利用训练后的神经网络模型对向量化的成本需求文本进行分类，提高了分类的精确度。

摘要： 基于改进的SSA‑BPNN原油管道蜡沉积速率预测方法，对影响蜡沉积的因素进行归纳、分析，确定BPNN输入的变量，从而确定了BPNN的拓扑结构；利用Logistic映射策略初始化种群，实现对SSA的改进；通过改进的SSA算法得出BPNN的最优初始权值和阈值；以某作业区原油蜡沉积速率实验值数据为研究实例进行原油管道蜡沉积速率预测，通过预测结果与实验值对比，进而确定该方法的准确性与可行性。本发明方法从两个方面对蜡沉积速率预测问题进行了研究，一是对优化算法的改进，二是利用改进的SSA算法实现对BPNN初始权值和阈值的寻优。通过优化BPNN的初始权值和阈值很好地规避了BPNN固有缺陷。结果显示，证明该方法预测精度非常高，平均绝对百分比误差仅有1.481％，完全满足石油工业需求。

摘要： 一种耦合BPNN回归和BN分类的供水管道破损预测模型的建立方法，属于城市供水管网领域。首先对管道破损记录数据进行处理，确定管道破损事件的影响因素，然后建立管道破损数回归模型，对管道进行分组，以管道组的破损数为因变量，基于BPNN建立破损数回归模型；同时建立管道破损事件分类模型，将自变量划分为离散状态，以每个管道是否破损为因变量，基于BN建立破损事件分类模型。最后耦合BPNN模型和BN模型进行管道破损概率预测，预测这些管道中的每根管道的破损概率。以提升破损管道预测准确度，指导高危管道的更新改造。