LMBP神经网络

摘要： 储层孔隙度是反映储层储集性能的重要参数。目前通常选取与岩心分析孔隙度相关性较高的测井数据与孔隙度建立多元线性回归模型预测储层的孔隙度。因忽略了相关性较低的测井数据可能会造成地层孔隙度部分信息漏失,并且由于变量间的多重共线性会导致采用测井数据进行多变量综合分析时的回归模型不稳定,增大预测误差。针对以上问题,综合选取反映地层声、电、放属性的测井数据,采用主成分回归(PCR)算法、Levenberg-Marquardt(LM)算法优化的BP神经网络以及多元线性回归的方法,分别对靶区Q4段的孔隙度进行预测,结果表明LM-BP神经网络、PCR及多元线性回归的相对误差分别为7.10%、10.63%、14.99%。

摘要： 基于LM-BP神经网络模型,选取国际交往环境和本土发展环境8层面33个指标构建非洲农业投资环境评价指标体系,运用2011—2018年非洲49个国家的数据对非洲农业投资环境进行评价。结果表明:占比接近80%的非洲国家农业投资环境处于好的Ⅰ级和较好的Ⅱ级,6个国家处于投资环境较差的Ⅲ级,4个国家处于Ⅳ级;非洲沿海国家农业投资环境普遍优于内陆国家,西部和东南部国家农业投资环境相较中部国家更好,有5个国家农业投资环境出现优化升级;影响非洲农业投资环境的因素相互作用,中非双边政治经贸关系能有效改善中国农业企业在非投资环境。

摘要： 【目的】人类活动改变流域下垫面条件而导致河川径流发生变化,为保证径流系列的一致性,需进行天然径流系列一致性修正。【方法】基于武山水文站1956~2016年天然径流量,采用R/S分析、曼-肯德尔、斯波曼秩次相关等方法分析天然年径流变化趋势和突变点,并应用LM-BP神经网络预测模型对突变点前的序列值进行一致性修正,建立输入变量为多个影响因子的天然年径流预测模型。【结果】与传统降水径流法相比,通过一致性修正方法分析得出武山水文站1956~2016年天然年径流量值为4.422亿m^(3),结果基本合理。【结论】采用LM-BP神经网络一致性修正的方法,修正后的径流系列更具代表性、可靠性,可为水资源管理、防汛抗旱提供科学依据。

摘要： 分析天然河道糙率值的主要影响因素,基于LM-BP神经网络预测模型,提出黑河莺落峡水文站测验河段糙率值的推求方法.对网络模型的设计、训练、测试进行研究和分析,预测模型输入量为水位Z、水力半径R及水面比降S,输出量为糙率n,样本集为黑河莺落峡水文站测验河段的历史实测糙率值.根据测试结果可以得出:在误差允许范围内,采用LM-BP神经网络预测模型可较准确地推求不同水位、比降对应的n值,该糙率值可应用到河道高洪水期比降面积测流中.

摘要： 分析天然河道糙率值的主要影响因素,基于LM-BP神经网络预测模型,提出黑河莺落峡水文站测验河段糙率值的推求方法。对网络模型的设计、训练、测试进行研究和分析,预测模型输入量为水位Z、水力半径R及水面比降S,输出量为糙率n,样本集为黑河莺落峡水文站测验河段的历史实测糙率值。根据测试结果可以得出:在误差允许范围内,采用LM-BP神经网络预测模型可较准确地推求不同水位、比降对应的n值,该糙率值可应用到河道高洪水期比降面积测流中。

摘要： 为了深入了解黄登水电站1号倾倒变形体的变形趋势,采用LM-BP神经网络和SVR进行变形预测研究.基于倾倒变形体的实际变形监测资料,对位移、降雨、库水位、温度等资料进行分析,以库水位、降雨量、温度、时间作为输入参数,以位移变形作为输出参数,构建LM-BP神经网络模型和SVR模型,对部分监测数据进行(先行学习)训练,对后续的监测数据进行验证预测,预测预报了研究测点的变形情况.分析结果表明,2个模型精度都比较高,LM-BP神经网络模型的最大误差为2.53％,SVR模型的最大误差为4.35％,预测方法有效.

摘要： 首先介绍了LM-BP神经网络算法的特点和优势,依据喷药飞行器的机械结构和工作原理应用飞行控制理论,实现了喷药飞行器轨迹跟踪方法.最后,利用MatLab进行了仿真试验,结果表明:喷药飞行器期望飞行和实际飞行的两条轨迹基本重合,误差很小,达到了预期要求;且采用LM-BP神经网络算法进行迭代学习,能够较快地使误差趋于零,提高了喷药过程中的控制输入.

摘要： 首先介绍了BP神经网络和LM-BP神经网络的原理,然后介绍了采摘机器人运动学模型,最后采用LM-BP神经网络实现了采摘机器人智能运动策略.MatLab仿真表明:对于不同的果树种植布局及不同的起点和终点,采摘机器人采用该算法均能产生可行的无碰撞路径,以顺利完成采摘作业.

摘要： 介绍了LM-BP神经网络模型的原理及算法和模型的优点.针对实际水质评价问题,利用随机内插方法在地表水环境质量分级标准阈值间生成训练样本和检验样本,建立了新乡市卫河地面水环境质量综合评价的LM-BP神经网络模型,将模型应用于卫河2011年3月份、9月份的水质评价,并与单因子评价法、模糊综合评价法进行了比较分析.实验结果表明该模型设计合理,泛化能力强,收敛速度快,算法稳定,推导严谨,有较充分的理论依据,应用于水质评价具有其合理性、实用性和有效性,适用于作深入的水环境质量分析.

摘要： 介绍了LM-BP神经网络模型的原理及算法和模型的优点.针对实际水质评价问题,利用随机内插方法在地表水环境质量分级标准阈值间生成训练样本和检验样本,建立了新乡市卫河地面水环境质量综合评价的LM-BP神经网络模型,将模型应用于卫河2011年3月份、9月份的水质评价,并与单因子评价法、模糊综合评价法进行了比较分析.实验结果表明该模型设计合理,泛化能力强,收敛速度快,算法稳定,推导严谨,有较充分的理论依据,应用于水质评价具有其合理性、实用性和有效性,适用于作深入的水环境质量分析.

摘要： 介绍了LM-BP神经网络模型的原理及算法和模型的优点.针对实际水质评价问题,利用随机内插方法在地表水环境质量分级标准阈值间生成训练样本和检验样本,建立了新乡市卫河地面水环境质量综合评价的LM-BP神经网络模型,将模型应用于卫河2011年3月份、9月份的水质评价,并与单因子评价法、模糊综合评价法进行了比较分析.实验结果表明该模型设计合理,泛化能力强,收敛速度快,算法稳定,推导严谨,有较充分的理论依据,应用于水质评价具有其合理性、实用性和有效性,适用于作深入的水环境质量分析.

摘要： 介绍了LM-BP神经网络模型的原理及算法和模型的优点.针对实际水质评价问题,利用随机内插方法在地表水环境质量分级标准阈值间生成训练样本和检验样本,建立了新乡市卫河地面水环境质量综合评价的LM-BP神经网络模型,将模型应用于卫河2011年3月份、9月份的水质评价,并与单因子评价法、模糊综合评价法进行了比较分析.实验结果表明该模型设计合理,泛化能力强,收敛速度快,算法稳定,推导严谨,有较充分的理论依据,应用于水质评价具有其合理性、实用性和有效性,适用于作深入的水环境质量分析.

摘要： 图像的采集、传输和显示过程，不可避免会造成颜色失真。如何通过颜色校正获得真实的颜色重现已成为图像处理中的难点问题。针对标准BP神经网络具有训练时间长且易收敛到局部极小值的缺点，本文提出了基于改进BP神经网络的颜色校正方法。以麦克贝斯色卡作为颜色校正的工具，采用LM-BP神经网络求解颜色三刺激值从非标准光照到标准光照的转换关系，进而对整幅图像进行颜色校正。实验结果表明：本文方法的颜色校正效果较好；相比其它方法，颜色校正精度有较大提高。

摘要： 图像的采集、传输和显示过程，不可避免会造成颜色失真。如何通过颜色校正获得真实的颜色重现已成为图像处理中的难点问题。针对标准BP神经网络具有训练时间长且易收敛到局部极小值的缺点，本文提出了基于改进BP神经网络的颜色校正方法。以麦克贝斯色卡作为颜色校正的工具，采用LM-BP神经网络求解颜色三刺激值从非标准光照到标准光照的转换关系，进而对整幅图像进行颜色校正。实验结果表明：本文方法的颜色校正效果较好；相比其它方法，颜色校正精度有较大提高。

摘要： 图像的采集、传输和显示过程，不可避免会造成颜色失真。如何通过颜色校正获得真实的颜色重现已成为图像处理中的难点问题。针对标准BP神经网络具有训练时间长且易收敛到局部极小值的缺点，本文提出了基于改进BP神经网络的颜色校正方法。以麦克贝斯色卡作为颜色校正的工具，采用LM-BP神经网络求解颜色三刺激值从非标准光照到标准光照的转换关系，进而对整幅图像进行颜色校正。实验结果表明：本文方法的颜色校正效果较好；相比其它方法，颜色校正精度有较大提高。

摘要： 图像的采集、传输和显示过程，不可避免会造成颜色失真。如何通过颜色校正获得真实的颜色重现已成为图像处理中的难点问题。针对标准BP神经网络具有训练时间长且易收敛到局部极小值的缺点，本文提出了基于改进BP神经网络的颜色校正方法。以麦克贝斯色卡作为颜色校正的工具，采用LM-BP神经网络求解颜色三刺激值从非标准光照到标准光照的转换关系，进而对整幅图像进行颜色校正。实验结果表明：本文方法的颜色校正效果较好；相比其它方法，颜色校正精度有较大提高。

摘要： 基于MATLAB的nntool应用人工神经网络方法建立了位移反分析的Levenberg-MarquardtBP神经网络模型，针对地下洞室中标准弹塑性问题的力学参数进行了反演分析，反演结果表明：该方法具有建模快，模型简捷、高效，精度高等优点，弥补了传统位移反分析的不足。因此，可以在工程实际中推广应用。

摘要： 基于MATLAB的nntool应用人工神经网络方法建立了位移反分析的Levenberg-MarquardtBP神经网络模型，针对地下洞室中标准弹塑性问题的力学参数进行了反演分析，反演结果表明：该方法具有建模快，模型简捷、高效，精度高等优点，弥补了传统位移反分析的不足。因此，可以在工程实际中推广应用。

摘要： 本发明请求保护一种ISM(2.4GHz)频段中基于时频二维LMBP神经网络的频谱预测方法，包括：ISM频段相关性的计算，通过对ISM频段的实测、量化和相关性分析得到ISM频段时域和频域的相关性；第二步：基于ISM频段时频相关性，构建时频二维LMBP神经网络来实现ISM频段的预测；第三步：以实测数据作为神经网络的时频输入向量和目标向量，以牛顿法学习规则实现时频二维LMBP神经网络的迭代训练，得到由神经网络节点间权值w和阈值b构成的参数向量u的最优解；第四步：以训练完成的二维LMBP神经网络来实现ISM频段的频谱预测。计算ISM频段时频相关性的基础上，通过时频二维LMBP神经网络实现ISM频段的频谱预测，该方法同时域LMBP神经网络和Markov算法相比具有预测精度高，训练收敛时间短的优点。

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： 本发明公开了一种基于LMBP神经网络温度补偿算法，包括以下步骤：包括以下步骤：S1、训练数据：设计高低两个类别的LMBP神经网络温度补偿算法，并进行训练；S2、样本数据预处理：进行数据处理，将预测值转换为对应的流量值；S3、网格参数设计：选定网络训练函数，并校正网络权值和阈；S4、确定隐含层节点个数N拟定为5‑14。本发明经LMBP神经网络补偿后，小流量点处流量计量相对误差波动性明显减小，全量程范围内流量计量相对误差均在合格范围以内，流量计量几乎不受温度影响，补偿效果较好，LMBP神经网络温度补偿算法相比现有的查表修正算法能够更准确地预测计量流量，补偿性能稳定。

摘要： 本发明公开了一种基于ALO‑LMBP神经网络的双陷波特性超宽带天线逆向建模研究方法，主要步骤包括：提取训练集数据；运用蚁狮算法训练LMBP正向模型，优化权值和阈值并保存；保持权值阈值不变，在建立好的正向模型中输入结构参量，运行得到输出电参量；计算输出参量与目标参量之间的评价函数F；利用逆向迭代算法更新输入参量。将本发明的ALO‑LMBP神经网络逆向建模方法应用到小型化的双陷波特性的超宽带天线中，在已知天线的回波损耗S11和电压驻波比VSWR的情况下，可以简化设计过程。该方法提高网络稳定性和泛化能力，还缩短了网络运行时间。

摘要： 本发明请求保护一种ISM(2.4GHz)频段中基于时频二维LMBP神经网络的频谱预测方法，包括：ISM频段相关性的计算，通过对ISM频段的实测、量化和相关性分析得到ISM频段时域和频域的相关性；第二步：基于ISM频段时频相关性，构建时频二维LMBP神经网络来实现ISM频段的预测；第三步：以实测数据作为神经网络的时频输入向量和目标向量，以牛顿法学习规则实现时频二维LMBP神经网络的迭代训练，得到由神经网络节点间权值w和阈值b构成的参数向量u的最优解；第四步：以训练完成的二维LMBP神经网络来实现ISM频段的频谱预测。计算ISM频段时频相关性的基础上，通过时频二维LMBP神经网络实现ISM频段的频谱预测，该方法同时域LMBP神经网络和Markov算法相比具有预测精度高，训练收敛时间短的优点。

摘要： 本发明涉及一种基于LMBP神经网络的泰勒定位算法，所述LMBP神经网络模块对TDOA测量数据进行修正，减少TDOA测量值中的NLOS误差，泰勒定位算法接受经过LMBP神经网络修正过的测量数据作为初始输入数据，进行定位算法运算后得到系统定位结果，本发明算法效率高，准确度高，全面较好地决绝了对区域大小以及基站个数的完全依赖。本发明基站个数的增加并不敏感，因此对硬件的要求较为宽松。本发明增加了自我学习和提炼功能，可以有效的获得一套规律性的数据，减少无谓的计算量。

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： 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： 本发明提供一种不需要偏置的神经网络电路装置、神经网络、神经网络处理方法和神经网络的执行程序。二值化神经网络电路(100)具有：输入输入值x1～xn(xi)(二值)的输入节点和输入权重w1～wn(wi)(二值)的输入部(101)；XNOR门电路(102)，其接收输入值x1～xn和权重w1～wn，且进行XNOR逻辑运算；求和电路(103)，其求出各XNOR逻辑值的总和；批归一化电路(41)，其通过扩大归一化范围且使中心位移的处理来修正由二值化导致的分布不平衡；和激活函数电路(35)，其使用激活函数fsgn(B)对信号B进行转换，其中所述信号B是对求出总和之后的信号Y进行批归一化得到的信号。