基于粗糙集与人工神经网络的变压器故障诊断

根据电力变压器故障诊断问题,提出了基于粗糙集与人工神经网络的变压器故障诊断模型,分析了该模型的实现步骤.采用Kohonen网络对连续属性值进行离散化,应用粗糙集理论对特征参数进行属性约简,并把约简结果生成规则作为BP网络的输入.仿真结果表明,把经过粗糙集理论预处理过的数据送入BP网络训练,提高了学习速度和故障诊断正确率,减少了训练时间.     

Kohonen网络在烟叶动态分类中的应用

针对输入为高维化学指标数据的烟叶分类问题 ,提出 1种改进的 Kohonen自组织特征映射神经网络的聚类方法。在数据预处理时 ,加入了领域专家经验 ,对输入特征向量中的各个分量分配不同的分类参与度 ;用 Gauss邻域函数替代了标准 Kohonen网络的方形邻域 ;在 2个学习阶段学习率和邻域宽度采用了不同的递减函数。通过应用证明了改进后的 Kohonen网络的收敛效果和聚类精度比 K- means聚类方法和标准的 Kohonen网络都有较大的提高。     

钢筋混凝土梁结构断裂损伤诊断方法

提出一种基于BP神经网络的结构破损诊断方法,该方法以结构破损前后柔度的变化作为破损诊断网络输入,为了解决由于系统响应样本数据空间分布不均匀对网络收敛速度及网络诊断影响问题,对网络训练样本采用广义空间格点进行了交换,模拟算例及应用实例均表明,本文方法能准确诊断结构破损位置与破坏程度,是一种有效的结构破损诊断方法.     

基于BP神经网络的东屿岛遥感影像分类

精准高效的海岛遥感影像分类是充分利用海岛基础资料的有效手段,也是全面掌握海岛基本情况及变化情况、保障海岛保护和开发利用有序进行、实现全国海岛动态监管的重要技术措施。以2008年海南省东屿岛航空遥感影像为数据源,借助ENVI遥感图像处理软件选取训练样本集,通过MATLAB仿真软件构建"3-8-5"的3层BP神经网络分类模型,实现对东屿岛遥感影像的分类。实验结果显示,BP神经网络分类总精度为87.85%,Kappa系数为0.84,与最小距离法分类相比,分别提高5.53个百分点和0.07。实验证明BP神经网络分类方法是一种行之有效且精确度更高的分类方法。     

新的组合激活函数BP网络模型研究

作者提出了一种新的 BP神经网络模型 ,其隐层激活函数采用中心参数可调的 Gaussian函数 ,输出层采用斜度可调的 Sigmoid函数 ,从而神经元具有了更强的信息存储、处理能力。由于采用组合函数 ,将 Gaussian函数良好的局部性和 Sigmoid函数良好的全局性相结合 ,提高了神经网络的收敛速度。几个典型实验的结果表明 ,与传统 BP网络模型相比 ,新网络模型在学习能力和泛化推广能力方面都有明显提高     

BP网络学习参数模糊自适应算法的实现

前馈神经网络BP算法的改进方案中,对网络训练(学习)过程中学习率和惯性系数进行模糊自适应调节,以提高收敛速度,是一项很有效的措施。文中具体分析了如何根据设计者的先验知识确定模糊规则和隶属函数,并以三比特异或函数(或称奇偶分类)的实现为例,验证了这种算法的改进、加速了BP网络的学习过程。     

基于RBF神经网络的胶州湾东北部海水环境质量状况分析

介绍了 MATLAB 6.5 工具箱中 RBF 神经网络的基本原理、训练算法以及实现函数.将其应用于胶州湾东北部海水环境质量评价,研究了训练样本集、检测样本集及其目标输出的构造,以及原始数据的预处理、神经网络的构建和训练、检测及仿真,确立了各监测站位的水质等级,取得良好的评价结果.还与 BP 网进行对比,BP 网表现出结构和初始权值确定的人为性.另外,运用克里格插值法进行平面空间分析,更为准确地反映了该海域水质的变化状况,为胶州湾东北部海水环境质量的改善提供科学依据.     

基于灵敏度分析的海洋油气资源BP神经网络预测模型的优化

作者针对BP神经网络结构设计中存在的问题,提出利用灵敏度分析方法对BP神经网络预测模型进行优化。通过BP算法与参数灵敏度分析的结合,寻找网络输入属性与输出属性之间的影响因子;在保证精度的前提下优选网络输入属性,简化网络结构,以增强网络的泛化能力,减少人为主观因素对网络设计的影响。最后以海洋油气资源预测为例,结合实测资料建立BP神经网络预测模型并进行了优化及预测精度评价,表明优化后的模型既能有效提高油气资源预测结果的稳定性,又不损失预测精度。     

一种利用BP网络预报台风路径的新方法

本文提出了一种基于CLIPER因子构造BP网络并进行台风路径预报的新方法,对同样的因子分别采用CLIPER模式和BP网络模式进行了预报检验。结果表明,无论是对于历史样本还是独立样本,CLIPER模式和BP网络模式的预报精度都达到了要求,且在24h、48h、72h三个预报时次上BP网络模式的预报精度都要高于CLIPER模式。     

RBF网络和BP网络在海水盐度建模中的比较研究

介绍了RBF神经网络模型结构、特点及原理,并针对海水盐度参数具有受诸多因素影响的复杂的非线性输入输出特性,训练并建立了海水盐度的RBF(Radial Basis Function)神经网络模型,为海水盐度的预测提供了一种新的方法.与BP神经网络模型相比.该模型具有收敛速度快,精度高的优点.比较结果表明,该方法在海水盐度...     

基于多种神经网络的风暴潮增水预测方法的比较分析

简要介绍了利用BP神经网络、小波神经网络、递归神经网络进行风暴潮增水值预测的原理。选取广东省珠江口以南的阳江站2017年风暴潮增水数据进行测试。结果表明,三种神经网络方法针对阳江地区风暴潮增水的预测均具有可靠性和实用性。以当前增水值为输入量的单因子模型更能反映真实风暴潮增水趋势,而从增水极值预测的准确性来看,以台风风力、气压、风向等相关参数为输入量的多因子模型优于单因子模型。BP神经网络更适用于多因子长时间预测,小波神经网络在单因子短时间预测上准确性更高,递归神经网络预测值与实测值相关性更强。在工程运用中,需根据地域时空特点、数据资料的丰富度与预测值评估指标选择合适的方法。     

改进BP算法在风暴潮极值水位预报中的应用

提出1种基于改进BP算法的风暴潮极值水位预报方法。首先针对现有人工神经网络BP算法存在的缺陷,引入Cauchy训练方法计算连接权的调整,解决BP算法的局部极小点和网络瘫痪的问题。然后结合山东海区水文观测站每年的台风风暴潮资料,应用该改进算法建立台风强度、风速和台风移速与风暴潮极值水位的非线性网络预报模型,对该站极值水位进行预报。实验结果表明,该算法具有很好的稳定性和准确性,为风暴潮预报分析提供了1种可靠的技术手段。     

基于主成分分析的BP神经网络模型的形变预测方法

主成分分析可以提取形变主要信息，BP神经网络具有很强的预测功能，提出将两者相结合用于形变监测数据处理。通过MATLAB编程实现了该算法，并用实测数据进行验证，证明此方法能够提高预测数据的精度和可靠性。结果表明：与其他方法相比，基于主成分分析的改进BP神经网络能取得更好的预测效果。     

BP神经网络精度估计及其在海洋油气资源预测中的应用

在对BP算法进行深入分析的基础上,将测量数据处理与误差理论中的精度评定方法应用到BP神经网络的精度估计中,通过分别计算BP神经网络学习训练过程及预测过程的输出层中误差,实现对神经网络模型的精度评定。最后以海洋油气资源预测为例,结合实测资料建立了BP神经网络预测模型并分别进行了学习训练过程及预测过程的精度评定,以期为神经网络模型结构的优化设计提供有效参考,为提高神经网络模型的适用性提供科学依据。     

水下机器人神经网络滤波技术的研究

滤波技术能提高水下机器人传感器信息的可靠性和精度 ,以保障水下机器人智能作业的顺利完成。将水下机器人的动力学特性隐式地分布在网络权值上 ,构造BP神经网络 ,进行水下机器人的运动状态预报 ,并将预报值与平滑后的实测数据相结合进行滤波 ,有效去除信号的噪声。仿真结果表明该方法能达到很好的滤波效果     

人工神经网络在多金属结核研究中的应用

本文通过对太平洋CC区多金属结核成矿背景的综合分析,利用人工神经网络随机BP算法,建立能够反映控矿因素的地质因子与结核分布参数间关系的人工神经网络模型,用于研究海底多金属结核的分布。本文对BP算法加以改进,提高了BP网络的收敛速度,加强了BP网络的学习和记忆功能,开发出人工神经网络的软件包,该软件包能够快速估算矿区内每个位置结核的丰度值,且具有较高的容错性。     

基于神经网络的印度洋长鳍金枪鱼(Thunnus alalunga)时空分布与海洋环境关系研究

长鳍金枪鱼(Thunnusalalunga)是主要的经济性金枪鱼鱼种之一,其空间分布与环境因子存在着密切联系。利用2012—2019年印度洋长鳍金枪鱼生产数据和海洋环境数据,包括海表面温度(sea surface temperature, SST)、叶绿素浓度(chlorophyll a, chl a)和海表面盐度(sea surface salinity, SSS)构建印度洋长鳍金枪鱼时空分布神经网络模型。以空间(经度,纬度)、环境因子(SST, chl a, SSS)为解释变量,局部渔获量为因变量,变化隐含层节点数,构建了18个BP空间分布模型,并采用10×10交叉验证模型稳定性,以均方误差(meansquareerror,MSE)、平均相对方差(averagerelativevariance,ARV)以及拟合优度(R~2)作为不同模型精度与稳定性的评判标准,最终选取5-18-1(隐含层节点18)模型为最佳模型,其平均MSE值为0.02232,平均ARV值为0.511。利用最优模型预测结果与同期实际捕捞产量进行叠加对比发现两者具有一致性。环境因子敏感性分析表明海表温度显著影响印度洋长鳍金枪鱼渔场分布,其贡献率达到0.2。印度洋长鳍金枪鱼高精度BP神经网络时空分布模型为其资源的可持续开发与动态管理提供了一种新思路。     

赤潮预测的人工神经网络方法初步研究

赤潮是一种由多因素综合作用引发的生态异常现象,具有突发性及非线性等特点。对其进行预测预报一直是海洋科学研究的热点。探讨了应用人工神经网络原理进行赤潮预测的方法,简要介绍了BP和RBF算法的基本原理,用2种算法对不同海域赤潮生物与环境因子之间非线性和不确定性的复杂关系进行学习训练和预测检验,并与传统的统计方法进行了比较。结果表明：人工神经网络方法在模拟和预测方面优于传统的统计回归模型,具有较强的模拟预测能力及实用性,值得进一步探索。