BP神经网络算法

摘要： 经过多年建设,轨道交通项目沉淀了大量历史数据。鉴于近期轨道交通造价控制要求的提高,结合历史造价数据,利用合适的数学工具分析辅助设计人员进行车站土建造价快速且准确估算,是具有较高使用意义和迫切性的。笔者选取10个造价特征值,利用20个明挖车站样本,采用BP神经网络算法进行造价预测分析,探讨利用历史造价资料预测车站土建造价的可行性。

摘要： 为了探索建立钢铁行业智能化和自动化生产指挥智能管理系统,实现对物料库存的准确预测,基于冶金流程工程理论,分析了钢铁制造流程中的物质流程,论证了BP神经网络算法对物质流模型模拟运算的可行性,并构建了算法模型。为使算法得到训练,初步形成运算能力,以高炉生产节点为研究对象,根据2座高炉15天的生产记录和管理规定,确定了隐含层与输出层的权值与阀值,进而初步构建了基于BP神经网络算法对库存管理的算法模型,为实现生产组织职能指挥奠定了基础。

摘要： 为了准确、有效、实时估计智能电网中配电网线损,提出了一种基于神经网络模型的智能电网线损估计方法.在BP神经网络算法的基础上采用LM算法对神经网络权重和阈值进行连续优化从而实现网络自适应调节,进而搭建神经网络模型.将模型应用于IEEE33节点系统进行实验,实时估计每条线路的功率损耗并将估计线损值与实际测得的线损值进行比较并提出相应的评估指标对方法有效性进行评估.结果表明,与传统的潮流法相比,所提出的方法具有更优的运算速度和准确度.

摘要： 为提高陕西省小麦条锈病发生面积的预测准确度,以2010年-2018年陕西省小麦条锈菌冬繁区和越冬区的发生县区数、发生面积、温度和降雨量为数据集,通过Pearson相关性分析筛选病害流行的主要影响因子,利用全子集回归筛选病害流行的因子集。以筛选得到的影响病害流行的5个因子,即累计发生县区数、冬繁区条锈病发生面积、1月平均温度、1月平均降雨量和3月平均降雨量为自变量,采用全子集回归和BP神经网络算法开展小麦条锈病发生面积的预测研究。结果表明,全子集回归和BP神经网络算法对2019年-2020年的小麦条锈病发生面积预测准确度均达90%以上,预测2021年陕西省小麦条锈病发生面积分别为46.11万hm^(2)和52.85万hm^(2)。

摘要： 将神经网络科学、动态信息科学融合,通过采集图像方式将信息传输到系统终端,采用基于BP神经网络算法的图像识别技术实现对图像的识别。在网络训练过程中,首先收集足量的训练样本来训练网络,得到以文件形式保存的权值;然后在程序中采用遗传算法训练样本图片,将采集到的二值化图片中提取出字符作为训练样本;最后,将训练样本图片进行典型特征提取后,导入BP神经网络进行训练。仿真实验结果证明,文章算法有效避免了常规处理中其他算法容易陷入局部极小值的缺点,提高了图像识别模型的有效性和识别精度。

摘要： 针对变电站对多站点多设备集中监控难度大,信息处理效率低的问题,设计了一种改进BP神经网络算法。该算法与L-M快速学习法结合使用,实现了对变电站设备信息进行事件化处理。利用图像处理技术对事件化监控结果进行人工智能视觉扫描,通过对监控中心进行实时拍摄,对关键信息进行提取,将不同的事件结果进行输出、展示,帮助人员快速获取信息。与变电站现有监控方法相比,单个事件的处理事件平均降低了2.968 s。

摘要： 为解决开元煤矿机电硐室温度监测的盲点,杜绝安全生产隐患,结合该矿机电硐室的温度监测和预警需求,进行了温度监测预警装置微处理器、温度传感器等关键硬件模块和温度传感器的多点测温连接方式的选择,基于BP神经网络完成了温度测量和预测算法的设计,并通过测试验证了温度监测预警装置的性能。

摘要： 对中老昆万(昆明—万象)铁路景寨隧道大变形进行现场实测与分析,同时考虑时间和距离两个因素的影响,采用BP神经网络算法对隧道拱顶沉降数据进行拟合和预测,并与实测值、施工现场采用的指数函数拟合值进行对比。结果表明,隧道开挖初期隧道变形受距掌子面距离和时间双重影响,支护后以受距离影响为主,距掌子面距离达到75 m后,逐渐转变为以受时间影响为主;BP神经网络算法在量测过程中可不断进行曲线拟合并给出预测值,拟合值比指数函数拟合值更贴合实测值,快捷适用,且精度较高,有利于及时采取施工措施。采用BP神经网络算法拟合及预测时对初始输入数据的依赖性强,可增加原始数据,使预测模型更贴合实际。

摘要： 火电厂是我国重要的电力生产项目,为提高火电机组运行的可靠性与经济性,基于粗糙集理论,结合BP神经网络算法,研究火电机组热控电源自动配置模型。分析热控电源的基本特征,利用电力参数模块,采集热控电源信号特征,进行归一化处理,构建自动配置方法的初始数据集,基于粗糙集理论,根据属性决策特征,建立电源信号属性决策表,为自动配置方法,提供理论依据,进行连续属性的约简处理与离散化处理,精简化属性决策集合,利用BP神经网络算法,建立火电机组热控电源自动配置模型。为检测模型的可行性,设计模拟试验,试验结果显示,设计模型具有高效性与准确性,模型输出结果的ROC曲线,对应的AUC值(Area under curve)为0.916,即模型自动配置结果的精准度为91.6%,表明融合了粗糙集理论与BP神经网络算法的模型,可以显著地提升模型的精准度。

摘要： 甘肃是中国小麦条锈菌重要的周年循环发生区之一,是重要的菌源基地。准确预测甘肃省小麦条锈病的发生面积,对甘肃及中国小麦条锈病的科学防控具有重要意义。利用2001-2021年甘肃省小麦条锈病秋苗发生面积、温度、相对湿度、降雨量和日照时数等资料,通过Pearson相关性分析筛选到影响甘肃小麦条锈病流行的4个关键因子,即小麦条锈病秋苗发生面积、上年8月最低气温、1月平均相对湿度和3月日照时数,并采用全子集回归和BP神经网络算法对甘肃小麦条锈病发生面积进行预测。结果表明,全子集回归模型1和模型2对2020-2021年甘肃小麦条锈病发生面积预测准确度分别为94.63%和88.81%;BP神经网络模型1和模型2的预测准确度分别为98.25%和94.03%。综上可知,BP神经网络模型1是最佳预测模型,其预测2022年甘肃省小麦条锈病发生面积为10.03万hm^(2)。

摘要： 草原NPP是陆地生态系统碳循环的重要组成部分,是草原生态系统承载力水平的直接衡量指标.本文考虑到现有三类NPP估算模型的缺陷,决定采用BP神经网络算法从数据挖掘的角度,结合气象、遥感、野外等多源遥感数据,以锡林郭勒盟草原为研究区,精确估算其NPP的数值.研究结果表明:训练后的BPNN模型具备优秀的NPP模拟性能,且其泛化性和可移植性良好,可用来估算研究区其它像元的NPP数值;锡林郭勒盟草原NPP空间格局存在较为明显的水平地带性规律,其值自西向东由0逐渐上升至300gC/m2以上.

摘要： 草原NPP是陆地生态系统碳循环的重要组成部分,是草原生态系统承载力水平的直接衡量指标.本文考虑到现有三类NPP估算模型的缺陷,决定采用BP神经网络算法从数据挖掘的角度,结合气象、遥感、野外等多源遥感数据,以锡林郭勒盟草原为研究区,精确估算其NPP的数值.研究结果表明:训练后的BPNN模型具备优秀的NPP模拟性能,且其泛化性和可移植性良好,可用来估算研究区其它像元的NPP数值;锡林郭勒盟草原NPP空间格局存在较为明显的水平地带性规律,其值自西向东由0逐渐上升至300gC/m2以上.

摘要： 草原NPP是陆地生态系统碳循环的重要组成部分,是草原生态系统承载力水平的直接衡量指标.本文考虑到现有三类NPP估算模型的缺陷,决定采用BP神经网络算法从数据挖掘的角度,结合气象、遥感、野外等多源遥感数据,以锡林郭勒盟草原为研究区,精确估算其NPP的数值.研究结果表明:训练后的BPNN模型具备优秀的NPP模拟性能,且其泛化性和可移植性良好,可用来估算研究区其它像元的NPP数值;锡林郭勒盟草原NPP空间格局存在较为明显的水平地带性规律,其值自西向东由0逐渐上升至300gC/m2以上.

摘要： 草原NPP是陆地生态系统碳循环的重要组成部分,是草原生态系统承载力水平的直接衡量指标.本文考虑到现有三类NPP估算模型的缺陷,决定采用BP神经网络算法从数据挖掘的角度,结合气象、遥感、野外等多源遥感数据,以锡林郭勒盟草原为研究区,精确估算其NPP的数值.研究结果表明:训练后的BPNN模型具备优秀的NPP模拟性能,且其泛化性和可移植性良好,可用来估算研究区其它像元的NPP数值;锡林郭勒盟草原NPP空间格局存在较为明显的水平地带性规律,其值自西向东由0逐渐上升至300gC/m2以上.

摘要： 针对煤矿回采工作面瓦斯涌出量预测问题,采用因子分析与非线性权重粒子群优化BP神经网络(IPSO-BP)算法,选取原始瓦斯含量、埋藏深度、煤层厚度、煤层倾角、工作面长度、推进速度、采出率、临近煤层瓦斯含量、临近煤层厚度、临近煤层间距、层间岩性、开采深度12个主要影响因素,引入相关性分析,在因子分析过程中,对相关性高的指标进行降维,将提取的2个主要因子与煤层倾角、工作面长度、临近层厚度、临近层间距作为输入数据,采用“试错法”确定BP神经网络隐层节点个数,并利用改进的粒子群算法(IPSO)对BP神经网络权值、阈值参数进行优化,构建回采工作面瓦斯涌出量FA-IPSO-BP预测模型.选取实测的15组数据作为模型训练样本,用另外3组数据作为测试样本进行预测.结果表明:该模型处理高维数据时具有预测精度高、泛化能力强等特点,可有效用于回采工作面瓦斯涌出量的预测.

摘要： 针对煤矿回采工作面瓦斯涌出量预测问题,采用因子分析与非线性权重粒子群优化BP神经网络(IPSO-BP)算法,选取原始瓦斯含量、埋藏深度、煤层厚度、煤层倾角、工作面长度、推进速度、采出率、临近煤层瓦斯含量、临近煤层厚度、临近煤层间距、层间岩性、开采深度12个主要影响因素,引入相关性分析,在因子分析过程中,对相关性高的指标进行降维,将提取的2个主要因子与煤层倾角、工作面长度、临近层厚度、临近层间距作为输入数据,采用“试错法”确定BP神经网络隐层节点个数,并利用改进的粒子群算法(IPSO)对BP神经网络权值、阈值参数进行优化,构建回采工作面瓦斯涌出量FA-IPSO-BP预测模型.选取实测的15组数据作为模型训练样本,用另外3组数据作为测试样本进行预测.结果表明:该模型处理高维数据时具有预测精度高、泛化能力强等特点,可有效用于回采工作面瓦斯涌出量的预测.

摘要： 针对煤矿回采工作面瓦斯涌出量预测问题,采用因子分析与非线性权重粒子群优化BP神经网络(IPSO-BP)算法,选取原始瓦斯含量、埋藏深度、煤层厚度、煤层倾角、工作面长度、推进速度、采出率、临近煤层瓦斯含量、临近煤层厚度、临近煤层间距、层间岩性、开采深度12个主要影响因素,引入相关性分析,在因子分析过程中,对相关性高的指标进行降维,将提取的2个主要因子与煤层倾角、工作面长度、临近层厚度、临近层间距作为输入数据,采用“试错法”确定BP神经网络隐层节点个数,并利用改进的粒子群算法(IPSO)对BP神经网络权值、阈值参数进行优化,构建回采工作面瓦斯涌出量FA-IPSO-BP预测模型.选取实测的15组数据作为模型训练样本,用另外3组数据作为测试样本进行预测.结果表明:该模型处理高维数据时具有预测精度高、泛化能力强等特点,可有效用于回采工作面瓦斯涌出量的预测.

摘要： 针对煤矿回采工作面瓦斯涌出量预测问题,采用因子分析与非线性权重粒子群优化BP神经网络(IPSO-BP)算法,选取原始瓦斯含量、埋藏深度、煤层厚度、煤层倾角、工作面长度、推进速度、采出率、临近煤层瓦斯含量、临近煤层厚度、临近煤层间距、层间岩性、开采深度12个主要影响因素,引入相关性分析,在因子分析过程中,对相关性高的指标进行降维,将提取的2个主要因子与煤层倾角、工作面长度、临近层厚度、临近层间距作为输入数据,采用“试错法”确定BP神经网络隐层节点个数,并利用改进的粒子群算法(IPSO)对BP神经网络权值、阈值参数进行优化,构建回采工作面瓦斯涌出量FA-IPSO-BP预测模型.选取实测的15组数据作为模型训练样本,用另外3组数据作为测试样本进行预测.结果表明:该模型处理高维数据时具有预测精度高、泛化能力强等特点,可有效用于回采工作面瓦斯涌出量的预测.

摘要： 针对煤矿回采工作面瓦斯涌出量预测问题,采用因子分析与非线性权重粒子群优化BP神经网络(IPSO-BP)算法,选取原始瓦斯含量、埋藏深度、煤层厚度、煤层倾角、工作面长度、推进速度、采出率、临近煤层瓦斯含量、临近煤层厚度、临近煤层间距、层间岩性、开采深度12个主要影响因素,引入相关性分析,在因子分析过程中,对相关性高的指标进行降维,将提取的2个主要因子与煤层倾角、工作面长度、临近层厚度、临近层间距作为输入数据,采用“试错法”确定BP神经网络隐层节点个数,并利用改进的粒子群算法(IPSO)对BP神经网络权值、阈值参数进行优化,构建回采工作面瓦斯涌出量FA-IPSO-BP预测模型.选取实测的15组数据作为模型训练样本,用另外3组数据作为测试样本进行预测.结果表明:该模型处理高维数据时具有预测精度高、泛化能力强等特点,可有效用于回采工作面瓦斯涌出量的预测.

摘要： 针对煤矿回采工作面瓦斯涌出量预测问题,采用因子分析与非线性权重粒子群优化BP神经网络(IPSO-BP)算法,选取原始瓦斯含量、埋藏深度、煤层厚度、煤层倾角、工作面长度、推进速度、采出率、临近煤层瓦斯含量、临近煤层厚度、临近煤层间距、层间岩性、开采深度12个主要影响因素,引入相关性分析,在因子分析过程中,对相关性高的指标进行降维,将提取的2个主要因子与煤层倾角、工作面长度、临近层厚度、临近层间距作为输入数据,采用“试错法”确定BP神经网络隐层节点个数,并利用改进的粒子群算法(IPSO)对BP神经网络权值、阈值参数进行优化,构建回采工作面瓦斯涌出量FA-IPSO-BP预测模型.选取实测的15组数据作为模型训练样本,用另外3组数据作为测试样本进行预测.结果表明:该模型处理高维数据时具有预测精度高、泛化能力强等特点,可有效用于回采工作面瓦斯涌出量的预测.

摘要： 基于BP神经网络改进算法的铁磁材料硬度预测算法，首先采集铁磁材料的巴克豪森信号，对信号集进行划分，获取巴克豪森噪声训练集和巴克豪森噪声测试集。然后对采集的信号进行AR谱分析，选择5个阶次展开，分别是4、8、16、32、64阶，对展开的信号求二阶导，并以二阶导信号的谷宽，谷深和谷值点所在的位置作为特征，对这些谷使用kmeans算法进行距离，对信号进行编码，从而完成了特征维度的统一。然后对BP神经网络模型进行优化与训练。仿真表明本发明预测的结果很好，均方误差只有80，也就是每个硬度预测的误差可以保证在9个维氏硬度，而时域算法的均方误差为229，也就是大于15个维氏硬度，所以证明了算法有效性。

摘要： 一种基于遗传算法改进的BP神经网络安全态势评估算法，通过合理构建网络安全态势评估模型，同时依靠神经网络强大的自学习能力，将BP神经网络应用于网络安全态势的评估中，同时针对神经网络算法自身存在的易限于局部最小值，收敛速度慢等缺陷，引入遗传算法对BP神经网络权值进行优化，加快BP神经网络的收敛速度，提高BP神经网络对网络安全态势评估的准确性和高效性，从而有效解决利用单纯神经网络进行网络安全态势评估结果的效率不高、结果不确定性问题。

摘要： 本发明公开一种基于BP神经网络的钻速预测方法，采集钻井工具的扭矩、钻压、泵压和排量，并基于BP神经网络预测钻速，具体包括步骤1：按照采样周期，通过传感器测量钻井工具的扭矩N

摘要： 本申请提供了一种基于BP神经网络模型分类的方法和装置，以及一种训练BP神经网络模型的方法和装置。本申请在不丢失分类元素的特征信息的情况下，降低BP神经网络输入节点的数量。利用分类元素总量大但是不会同时在一个训练样本中出现的特点，当对预设训练集合进行训练时，仅对该预设训练集合中出现的分类元素到隐层的节点进行训练，对不出现在该训练文本中的分类元素，不进行训练。同样，当利用该神经网络进行分类时，仅对分类集合中出现的分类元素进行计算，对其他分类元素不再作为BP神经网络的输入。因此，降低BP神经网络输入节点的数量，减少了计算量。同时，利用权重二叉树提高了权重值的检索速度。

摘要： 基于光学水体类型和BP神经网络算法构建BP‑TURB的湖泊浊度制图方法，它涉及一种基于光学水体类型和模型的湖泊浊度制图方法。本发明为了解决现有算法限制了浊度反演模型对光学多样性水体适用性的技术问题。方法构建过程：基于连续三年全国典型内陆湖泊水体星地同步数据，分析其水体光学特性与水质参数特征，并筛选湖泊水体中对浊度变化敏感的波段反射率组合；对波段反射率聚类成为3类，BP神经网络作为输入变量，构建不同反射率光谱聚类特征下的湖泊浊度反演算法；最后将建立后的BP‑TURB算法耦合浊度敏感波段线性斜率中值分割法运用到MSI影像上，准确反演并获取湖泊浊度的年际变化规律及其空间分布。本方法技术路线能够实现湖泊浊度的长期高精度监测，具有普适性。

摘要： 本发明涉及一种基于遗传算法（GA）和AdaBoost算法优化的BP神经网络功率短期预测方法。通过采集到的历史输出功率以及温度、湿度、太阳辐射强度等主要的影响因子作为输入变量，通过遗传算法的全局优化对BP神经网络的初始权值和阈值进行改进，同时AdaBoost强预测器通过对弱预测器的预测序列赋予不同的权重综合不同序列的精度优势，实现了AdaBoost强预测器的“优中选优”的目的。本发明的优点：GA‑AdaBoost‑BP模型兼顾了遗传算法以及AdaBoost算法二者的优点，有效提高了BP神经网络模型性能，具有预测精度高、泛化能力强的特点，此模型和方法能够很好的预测光伏输出功率。

摘要： 本发明公开了一种基于GA‑BP神经网络算法的高精确度电阻测量算法，通过训练神经网络达到测量电压与被测电阻阻值之间的非线性关系的函数拟合；在BP网络训练参数之前，先通过GA算法，迭代得到一个较为精确的全局最优解，再通过BP神经网络训练得到模型的最优解，再将得到的网络参数固化到单片机上，通过嵌入式系统可直接测得高精确度的电阻值。本发明算法可以降低训练的迭代次数，进一步降低了测量误差，GA‑BP算法的测量误差约在0.1％左右。

摘要： 基于BP神经网络改进算法的铁磁材料硬度预测算法，首先采集铁磁材料的巴克豪森信号，对信号集进行划分，获取巴克豪森噪声训练集和巴克豪森噪声测试集。然后对采集的信号进行AR谱分析，选择5个阶次展开，分别是4、8、16、32、64阶，对展开的信号求二阶导，并以二阶导信号的谷宽，谷深和谷值点所在的位置作为特征，对这些谷使用kmeans算法进行距离，对信号进行编码，从而完成了特征维度的统一。然后对BP神经网络模型进行优化与训练。仿真表明本发明预测的结果很好，均方误差只有80，也就是每个硬度预测的误差可以保证在9个维氏硬度，而时域算法的均方误差为229，也就是大于15个维氏硬度，所以证明了算法有效性。

摘要： 本发明公开了一种基于遗传算法和BP神经网络的人体健康指标的预测算法，包括如下步骤(1)采集体征数据并进行遗传编码形成初始化种群，并将初始化种群依次进行计算个体适应度、选择算子、交叉算子和变异算子；(2)设置融合层的最大遗传代数i为100，并将个体适应度、选择算子、交叉算子和变异算子分别计算后的种群均输入至融合层；(3)将融合层满足迭代要求的种群输入BP神经网络，经过BP神经网络的训练和学习实现对人体健康指标的预测。本发明通过遗传算对采集的初始数据进行处理，可实现数据的最优解，再输入至BP神经网络，使得输入BP神经网络数据更正则化，提高了BP神经网络中权值的精度、训练效率、网络性能和网络的逼近能力。

摘要： 本发明公开了基于遗传算法改进的BP神经网络蓄电池寿命预测算法，包括用遗传算法对BP神经网络进行优化；借鉴已有的蓄电池寿命预测思路，建立指标体系；将对应的指标数据作为训练样本，训练后的BP神经网络；用训练后的BP神经网络对蓄电池寿命进行预测。本发明将遗传算法和BP神经网络有机结合起来，遗传算法是一种基于生物机制的全局搜索优化算法，利用遗传算法优化BP神经网络的初始权值和阀值，再利用误差反向传播方法找到其最优解，避免了陷入局部极值点的情况。