BP网络

摘要： 针对空调双冷源系统提出一种运行优化方法,以提高冷源系统整体能效比。该方法以系统初始运行方案为基础,依次进行方案优化和参数优化:根据风冷热泵、水冷机组的启停顺序,冷冻水泵是否变频,进行方案优化;参数优化是以冷源系统整体能效比为优化目标,采用BP网络耦合粒子群优化算法(PSO),寻找最佳能效比对应下的运行参数。结果表明:初始运行下冷源浪费能量较多,系统COP较低,仅为3.32;方案优化后,水泵、风机等辅助设备能耗降低幅度超过50%,系统能效比显著升高(系统COP=3.85);参数优化后,水冷机组能耗略有升高,其他设备能耗均进一步降低,系统COP升至4.20。

摘要： 本文针对我国大部分高职院校创新创业教育质量评价体系存在的问题,运用系统控制理论阐述了教学评价体系的统一内涵,设计了一个基于BP神经网络的创新创业教育质量实用评价系统,确定了实践创新创业教育质量评价模型的网络结构和学习算法,并利用MATLAB建立了BP神经网络,进行了网络训练和测试结果分析,使网络模式更能体现高职院校创新创业教学的质量需求。实验结果显示,该模型预测值与目标值吻合较好,且收敛速度快,误差小,在创新创业教学质量评价中的应用具有科学性、客观性和实用性。

摘要： 为了保证传统形式的模型参考自适应方法(Model Reference Adaptive System, MRAS)在永磁同步电动机(Permanent Magnet Synchronous Motor, PMSM)的控制过程中保持良好的动态性能和快速的响应策略,本文提出一种基于MRAS经典策略的综合算法模型。此方法使用扩展卡尔曼滤波(Extended Kalman Filter, EKF)技术来代替MRAS传统形式的自适应律,同时综合了一种线性的神经网络(Back-Propagation Network, BPN),通过逆向传播策略对MRAS自适应律结果进行优化补偿,扩展了卡尔曼滤波算法对PMSM辨识目标的估算范围;最后通过MATLAB/Simulink仿真环境对二者进行了仿真结果对比。结果表明,与经典的MRAS算法相比,改进之后的MRAS综合算法模型在无传感器控制过程中,对PMSM控制参数采集的准确性和动态响应过程均有所提升,进一步证明了MRAS综合算法模型在永磁同步电动机拖动控制系统中的应用价值。

摘要： 设计一个基于数字图像处理的交通灯信号识别系统。系统主要包含三大模块,分别是图像预处理,BP神经网络设计,GUI可视化界面设计。图像预处理进行裁剪图像大小,彩色图转化为灰度图像并进行二值化处理等步骤。BP网络的设计主要是搭建网络模型,完成训练过程并作出分析。最后设计一个可视化用户界面。系统完成后调试程序,输入样本图像检测识别结果。经过大量测试证明,系统实现了识别功能,达到了识别交通灯信号图像的目的,实现了数字图像识别的可视化操作。

摘要： 随着人工智能技术、通信技术、网联技术的发展,以及无人机运行成本的降低等,我国民用无人机应用范围及应用领域日益扩展,已在城市物流、线路巡检、地质灾害预测、应急救援、地理测绘、山地运输等民用领域得到广泛应用。由于无人机种类繁多、运行环境复杂,无人机航迹分析及航迹预测已成为目前的研究热点。针对小型无人机运动特性及航迹预测问题,本文在搭建运行场景分析小型无人机运动特性的基础上,建立基于BP神经网络的四旋翼无人机航迹预测模型,利用SPARK小型四旋翼无人机实际飞行获取相关运动特性数据预测航迹,MATLAB仿真结果验证了模型的有效性。

摘要： 瓦斯涌出量受很多随机性因素的影响,传统的预测方法精度低,使得瓦斯事故频频发生。针对瓦斯涌出量系统的高度非线性和复杂性,为了提高瓦斯涌出量的预测精度,提出了基于自学习模糊神经网络的一种控制算法。用遗传算法离线训练该控制算法的参数,由于BP神经网络具有很强的局部搜索能力和对对象的适应能力,用BP网络在线学习参数,建立了基于自学习模糊神经网络控制算法的瓦斯涌出量动态系统的预测模型。对同煤某矿采集样本数据并进行预处理,建立了具有优化参数的网络结构。最后,将该控制算法的预测结果与实际值和常规模糊神经网络模型进行比较,说明了该控制算法降低了预测误差,具有更高的预测精度,为解决瓦斯预测问题提供了一条新的理论支持。

摘要： 以供热系统为研究对象,针对集中供热热负荷中由于温度因素、随机因素以及建筑本身因素等导致预测精度不高的问题.提出了采用BP神经网络算法来进行预测,它对具有非线性的模型有很好的控制效果,并且可以进行自我学习.但由于BP神经网络的波动较大,比较容易出现局部优化现象,因此在使用BP神经网络的基础上进行改进,将BP神经网络与遗传优化算法相结合,弥补BP神经网络的不足.最后通过仿真实验,结果表明热负荷预测的误差大大减少,预测精度提高,继而实现合理供热.

摘要： 本文在传统诊断技术理论基础上,将BP神经网络方法应用到模拟电路故障诊断的故障诊断中,分析了带通滤波电路故障的BP网络及人工神经网络的故障诊断方法;利用PSPice仿真软件和MATLAB仿真软件对电路进行了故障诊断,对几种常见模拟电路的故障机理作了初步研究,给出了实验结果。

摘要： 双目视觉技术依靠左右两个摄像机对相同场景目标拍摄得到二维平面图像,根据双目视差原理在计算机系统中计算出该场景中的三维数据信息,广泛应用在各个领域。文中分析了双目视觉测距原理,提出一种基于遗传BP网络的标定算法。该算法主要由输入层、隐含层和输出层构成,采用遗传算法得到BP网络的初始权值和阈值,可减少由镜头畸变带来的误差。与参考的BP网络相比,进一步提高了标定的精度。文中还针对传统的卷积神经网络的立体匹配进行改进,将一个大的卷积计算拆分为若干个小的卷积计算,并在卷积网络中加入残差模块,传递过程可通过短路传递到底层。经实验验证,文中提出的算法与参考的CNN和CTFNET相比,准确度和运行时间都有一定的优势。

摘要： 油浸式变压器在运行老化过程中难免会出现各种潜伏性故障,及时正确诊断出变压器的状态至关重要,传统利用基于油中溶解气体分析法(dissolved gas analysis, DGA)数据的三比值法因存在编码不足的缺陷,限制了故障的诊断效果。为此提出了一种改进的蝠鲼算法(manta ray foraging optimization, MRFO)优化反向传播(back propagation, BP)网络的故障诊断模型。首先利用逻辑映射与反向学习(opposition based learning, OBL)融合的多阶段算法为MRFO提供初始位置,加强算法全局寻优能力;同时提出利用正交实验法优化蝠鲼算法的3种觅食策略,调节蝠鲼个体的探索与开发,以加强该算法在特定问题上的寻优能力;最后将改进的蝠鲼算法寻得的最优解赋予BP网络的权值和偏置,建立变压器故障诊断系统。利用IEC TC 10故障数据进行了实验,并与其他算法进行了结果对比分析。结果表明,所提方法与BPNN、未改进的MRFO-BP、三比值法的结果相比,分别高出16%、8%、24%,是一种积极有效的方法。

摘要： 为提高矿井煤尘爆炸预警性能,促进煤矿安全生产便于及时采取煤尘防爆措施,本文选用40种煤样,利用实验室相关仪器按照相关国家规定,对影响煤尘爆炸性的35项因素进行测定.为考虑分散度的影响作用,首次定义煤尘粒径分散系数.由于煤尘爆炸影响因素相关性诊断检验统计量KMO值高达0.732,所以使用主因子分析法对变量进行降维,同时增加了爆炸预警结果准确度.得到影响煤尘爆炸的五大主因子得分,结合爆炸火焰长度值进行BP网络训练,通过使用附加动量法提高网络学习效率.虽然10种检验煤样预测结果中最大误差达到10.1%,但总体预测有效率达到90%,说明该预警方法具有一定科学性与适用性.该结论对促进煤矿安全生产具有一定指导作用,同时对煤尘爆炸安全预警工作具有一定借鉴意义.

摘要： 为提高矿井煤尘爆炸预警性能,促进煤矿安全生产便于及时采取煤尘防爆措施,本文选用40种煤样,利用实验室相关仪器按照相关国家规定,对影响煤尘爆炸性的35项因素进行测定.为考虑分散度的影响作用,首次定义煤尘粒径分散系数.由于煤尘爆炸影响因素相关性诊断检验统计量KMO值高达0.732,所以使用主因子分析法对变量进行降维,同时增加了爆炸预警结果准确度.得到影响煤尘爆炸的五大主因子得分,结合爆炸火焰长度值进行BP网络训练,通过使用附加动量法提高网络学习效率.虽然10种检验煤样预测结果中最大误差达到10.1%,但总体预测有效率达到90%,说明该预警方法具有一定科学性与适用性.该结论对促进煤矿安全生产具有一定指导作用,同时对煤尘爆炸安全预警工作具有一定借鉴意义.

摘要： 为提高矿井煤尘爆炸预警性能,促进煤矿安全生产便于及时采取煤尘防爆措施,本文选用40种煤样,利用实验室相关仪器按照相关国家规定,对影响煤尘爆炸性的35项因素进行测定.为考虑分散度的影响作用,首次定义煤尘粒径分散系数.由于煤尘爆炸影响因素相关性诊断检验统计量KMO值高达0.732,所以使用主因子分析法对变量进行降维,同时增加了爆炸预警结果准确度.得到影响煤尘爆炸的五大主因子得分,结合爆炸火焰长度值进行BP网络训练,通过使用附加动量法提高网络学习效率.虽然10种检验煤样预测结果中最大误差达到10.1%,但总体预测有效率达到90%,说明该预警方法具有一定科学性与适用性.该结论对促进煤矿安全生产具有一定指导作用,同时对煤尘爆炸安全预警工作具有一定借鉴意义.

摘要： 为提高矿井煤尘爆炸预警性能,促进煤矿安全生产便于及时采取煤尘防爆措施,本文选用40种煤样,利用实验室相关仪器按照相关国家规定,对影响煤尘爆炸性的35项因素进行测定.为考虑分散度的影响作用,首次定义煤尘粒径分散系数.由于煤尘爆炸影响因素相关性诊断检验统计量KMO值高达0.732,所以使用主因子分析法对变量进行降维,同时增加了爆炸预警结果准确度.得到影响煤尘爆炸的五大主因子得分,结合爆炸火焰长度值进行BP网络训练,通过使用附加动量法提高网络学习效率.虽然10种检验煤样预测结果中最大误差达到10.1%,但总体预测有效率达到90%,说明该预警方法具有一定科学性与适用性.该结论对促进煤矿安全生产具有一定指导作用,同时对煤尘爆炸安全预警工作具有一定借鉴意义.

摘要： 为提高矿井煤尘爆炸预警性能,促进煤矿安全生产便于及时采取煤尘防爆措施,本文选用40种煤样,利用实验室相关仪器按照相关国家规定,对影响煤尘爆炸性的35项因素进行测定.为考虑分散度的影响作用,首次定义煤尘粒径分散系数.由于煤尘爆炸影响因素相关性诊断检验统计量KMO值高达0.732,所以使用主因子分析法对变量进行降维,同时增加了爆炸预警结果准确度.得到影响煤尘爆炸的五大主因子得分,结合爆炸火焰长度值进行BP网络训练,通过使用附加动量法提高网络学习效率.虽然10种检验煤样预测结果中最大误差达到10.1%,但总体预测有效率达到90%,说明该预警方法具有一定科学性与适用性.该结论对促进煤矿安全生产具有一定指导作用,同时对煤尘爆炸安全预警工作具有一定借鉴意义.

摘要： BP网络和RBF网络是神经网络中使用颇为广泛的两种网络,同时也被广泛得使用在分类问题中.本文介绍了BP及RBF网络的拓扑结构和基本理论,并从数学角度阐述了两种算法的学习过程,其后简要得阐述了MATLAB神经网络工具箱设计BP和RBF网络的主要函数.为了比较两种网络的性能差异,最后在MATLAB环境下将两种网络分别应用在葡萄酒分类的实例中(在此实例中,葡萄酒的属性作为网络的训练和测试输入,类别作为结果),并从训练时间和分类正确率两个方面考察网络的性能.仿真结果表明,针对于此类分类问题,BP网络结构比RBF网络简单,训练速度快且精度稍高于RBF网络.

摘要： BP网络和RBF网络是神经网络中使用颇为广泛的两种网络,同时也被广泛得使用在分类问题中.本文介绍了BP及RBF网络的拓扑结构和基本理论,并从数学角度阐述了两种算法的学习过程,其后简要得阐述了MATLAB神经网络工具箱设计BP和RBF网络的主要函数.为了比较两种网络的性能差异,最后在MATLAB环境下将两种网络分别应用在葡萄酒分类的实例中(在此实例中,葡萄酒的属性作为网络的训练和测试输入,类别作为结果),并从训练时间和分类正确率两个方面考察网络的性能.仿真结果表明,针对于此类分类问题,BP网络结构比RBF网络简单,训练速度快且精度稍高于RBF网络.

摘要： BP网络和RBF网络是神经网络中使用颇为广泛的两种网络,同时也被广泛得使用在分类问题中.本文介绍了BP及RBF网络的拓扑结构和基本理论,并从数学角度阐述了两种算法的学习过程,其后简要得阐述了MATLAB神经网络工具箱设计BP和RBF网络的主要函数.为了比较两种网络的性能差异,最后在MATLAB环境下将两种网络分别应用在葡萄酒分类的实例中(在此实例中,葡萄酒的属性作为网络的训练和测试输入,类别作为结果),并从训练时间和分类正确率两个方面考察网络的性能.仿真结果表明,针对于此类分类问题,BP网络结构比RBF网络简单,训练速度快且精度稍高于RBF网络.

摘要： BP网络和RBF网络是神经网络中使用颇为广泛的两种网络,同时也被广泛得使用在分类问题中.本文介绍了BP及RBF网络的拓扑结构和基本理论,并从数学角度阐述了两种算法的学习过程,其后简要得阐述了MATLAB神经网络工具箱设计BP和RBF网络的主要函数.为了比较两种网络的性能差异,最后在MATLAB环境下将两种网络分别应用在葡萄酒分类的实例中(在此实例中,葡萄酒的属性作为网络的训练和测试输入,类别作为结果),并从训练时间和分类正确率两个方面考察网络的性能.仿真结果表明,针对于此类分类问题,BP网络结构比RBF网络简单,训练速度快且精度稍高于RBF网络.

摘要： 根据操作流程,提出了构建复杂武器系统健康管理指标体系的两种方法:层析法和聚合法,并对其优缺点进行了分析.通过对BP网络分析,得出权值矩阵能够反映输入对输出的影响程度的结论,并基于此原理进行了健康管理指标筛选.利用BP网络良好的非线性映射能力,提出了一种构造隶属度矩阵的客观方法.经实际验证,构造的隶属度矩阵能够较好反应级别之间的隶属关系,构造的健康管理指标体系比较合理.

摘要： 本发明提出一种基于优化BP神经网络的SDN网络DDoS攻击检测方法，较为全面地提取SDN网络环境下流表中与DDoS相关的六个特征值，源IP地址增速GSIP，流生存时间的变化ADF，对流比PPF，端口增速GSP，流表项速率RFE，流匹配成功率RFM；通过设置触发阈值减少SDN网络的负载，用粒子群算法优化BP神经网络，利用粒子群算法全局寻优的特点，选择BP神经网络的均方误差作为粒子群算法的适应度函数，选择适应度值最好的值作为BP神经网络的阈值和权值，避免BP神经网络求解最优解时收敛速度慢，陷入局部最优解，而且提高检测精度。

摘要： 本发明提供了一种基于BP神经网络蚁群算法的网络路由规划方法和系统，涉及网络路由规划的领域，克服了现有技术中传统蚁群算法很难适用于当前日益复杂的网络环境且无法保证在网络设备资源有限的约束下提供相对较优的丢包率、时延、带宽、拥塞率以及时延抖动的不足，通过本发明的方法和系统可以有效得躲避预测流量过高的网络节点，避免网络流量只走“最短路径”减少网络拥塞，避免链路局部产生不必要的恶化，从而最终达到网络负载均衡。

摘要： 本发明公开了一种基于卷积神经网络及BP神经网络的地铁杂散电流泄漏等级预测方法，包括以下步骤：1、在区间内确定土壤电阻率、极化电位测量位置，收集预测模型输入数据；2、对影响杂散电流泄漏的三类影响因素：土壤电阻率、埋地管线深度、埋地管线极化电位的数据进行矩阵化处理；3、使用卷积神经网络预测模型进行单测点杂散电流泄漏等级预测；4、使用BP神经网络进行区间内杂散电流泄漏等级综合预测；5、使用基于卷积神经网络及BP神经网络的预测模型对测试数据进行预测。本发明能够通过易测数据有效预测区间内杂散电流泄漏等级，保证系统在长时间监测时的预测精度，对于直观监测杂散电流泄漏情况具有重要的实际意义。

摘要： 本发明提出了一种基于SA_SOA_BP神经网络的网络安全态势预测方法，其步骤如下：采集网络安全数据信息为实验数据进行预处理；根据实验数据中的输入数量和输出数量利用试凑法确定BP神经网络的网络结构；将模拟退火算法引入人群搜索算法中得到改进的人群搜索算法；初始化模拟退火算法，采用改进的人群搜索算法找到最优个体，并通过适应度函数计算个体的适应度值，对BP神经网络的连接权值和阈值进行优化；将测试样本代入BP神经网络中得到网络安全态势的预测值。本发明将模拟退火算法引入人群搜索算法，克服了人群搜索算法易陷入局部最优和收敛缓慢的问题，并利用改进的人群搜索算法在速度及全局搜索上的优势对BP神经网络进行优化改进。

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： 本发明公开了一种基于BP神经网络和条件生成对抗网络的汽油辛烷值损失预测与优化方法，包括以下步骤：采集催化裂化汽油历史数据，对历史数据进行预处理，降低冗余度和复杂度；对处理后的数据进行特征降维，筛选建模所需的主要数据成分，并建立筛选评价指标，评估筛选合理性；构建基于相对熵的BP神经网络预测模型，对汽油辛烷值损失进行预测；构建基于条件生成对抗网络的优化模型，以硫含量为约束条件，筛选规定损失幅度下的数据，并对筛选的数据的操作变量进行优化。本发明能够显著提高汽油辛烷值损失预测精度，降低汽油中硫和烯烃的含量，减少汽油燃烧后有害气体的排放，减轻汽车尾气引起的环境污染。

摘要： 本发明提供了一种基于BP神经网络的跨网络路由转发方法和装置，所述方法包括：获取第一网络与第二网络间的网络状态数据；网络状态数据包括网络时延、传送率、发送率和拥塞窗口大小；将数据输入至训练好的拥塞分析模型；其中模型通过多臂赌博机ε‑greedy算法优化；基于模型输出确定对应于所述网络状态数据的拥塞状况分析结果，确定路由转发决策，进而实现第一网络与第二网络间的数据传输。相比于现有技术，基于网络时延、传送率、发送率和拥塞窗口大小进行分析，通过多臂赌博机算法和ε‑greedy算法优化过的BP神经网络模型，制定路由转发决策，避免了跨网络路由数据传输过程中的网络拥塞，提高了数据传输的可靠性和传输效率。

摘要： 本发明提供了一种基于BP神经网络蚁群算法的网络路由规划方法和系统，涉及网络路由规划的领域，克服了现有技术中传统蚁群算法很难适用于当前日益复杂的网络环境且无法保证在网络设备资源有限的约束下提供相对较优的丢包率、时延、带宽、拥塞率以及时延抖动的不足，通过本发明的方法和系统可以有效得躲避预测流量过高的网络节点，避免网络流量只走“最短路径”减少网络拥塞，避免链路局部产生不必要的恶化，从而最终达到网络负载均衡。