基于遗传算法优化BP神经网络在原油产量预测中的应用:以大庆油田BED试验区为例

油田产量预测工作一直是油田开发中的一项重要工作,许多传统的回归模型以及智能算法都已经在油田产量预测中有了应用.虽然神经网络以其较强的非线性拟合能力.而得到广泛应用,但是传统BP神经网络容易陷入局部最优值而影响预测结果.将利用遗传算法同时优化BP神经网络连接权值和阈值的算法应用到大庆油田BED试验区高含水阶段的油田产量预测,结果表明在面对高含水阶段更加复杂的地质条件和数据波动更强的情况下优化后的神经网络收敛速度更快而且预测精度更高.     

神经网络在复杂自相关预测过程中的应用及对比研究

由于PM_(2.5)日均浓度值受外界多重复杂因素的影响,其较强的自相关性使得时间序列模型ARIMA构建难以实现,因此,给出高映射能力的非线性神经网络预测模型,并分别建立基于BP神经网络和GRNN神经网络的预测模型,进行PM_(2.5)浓度预测实验.结果表明,BP神经网络回检过程和检测过程存在不稳定性,预测残差波动较大,而GRNN神经网络检测残差呈完全U型,回检过程和检测过程较稳定,并且GRNN神经网络回检数据拟合度、预测数据精度和运算速度均优于BP神经网络,建模过程更为方便,易于实际应用.     

基于BP神经网络的时间序列预测问题研究

分析指出了基于标准BP神经网络的时间序列预测问题存在的不足.根据基于BP神经网络的时间序列预测问题的特点,研究给出了一种以y=x作为传递函数的时间序列预测方法,经实例验证表明,给出的以y=x作为传递函数的时间序列预测方法较基于标准BP神经网络的时间序列预测方法具有较好的结果.     

BP神经网络在铁路客运市场时间序列预测中的应用

铁路客运市场受多个因素的影响，而且这些作用多是非线性的。时间序列预测实质上是实现一个非线性映射。由于具有任意个隐层节点的前馈神经网络可以以任意精度逼近一个连续函数，因此，目前得到普遍应用的是采用BP算法的多层前馈神经网络。本探讨用人工神经网络的反向传播(BP)算法研究铁路客运市场的时间序列预测。数值计算结果表明该方法预测精度较高，方法简单易行，为铁路客运市场预测研究提供了新的途径。     

基于遗传算法的人力资源优化配置模型

基于定性分析的方法,提出了有效累计时间的概念,建立了一种基于遗传算法的人力资源优化配置模型,为人力资源的优化配置提供了一种新的量化管理的具体方法,并进行了算例分析,证明了模型的有效性、实用性.     

基于灰关联分析的GA-BP神经网络在汽车油耗估算中的应用

从设计参数特征入手分析影响汽车油耗的因素,利用灰关联分析方法,解析了各设计参数对汽车油耗的影响程度,选择其中灰关联度较大的设计参数作为输入数据,综合工况油耗作为输出数据,构建6-5-1层结构的BP神经网络预测模型,并利用遗传算法获得优化后的BP神经网络的权值和阈值,然后训练BP神经网络得到最优值,最后以国内市场340款汽车作为研究样本,进行有效性验证.研究结果表明,模型利用灰关联分析获得影响汽车油耗的主要因素,简化了网络结构;与优化前的BP神经网络相比,具有更高的预测精度和可靠性.     

BP神经网络在农机总动力预测中的应用

准确的预测黑龙江省农机总动力,可为黑龙江省的农业机械化发展趋势和农机产品市场分析提供理论指导,为制定黑龙江省农业机械化发展规划和预测近阶段农业机械化发展水平提供参考依据.利用黑龙江省1980-2007年农机总动力数据,运用标准BP神经网络和改进BP神经网络模型进行预测,预测结果表明,改进BP神经网络模型比标准BP神经网络模型在预测精度、运行时间、学习次数等方面更具优越性.     

遗传神经网络及其在蛋白质二级结构预测中的应用

本文从两个方面对传统的神经网络预测蛋白质二级结构的模型进行改进：一是从算法入手，结合遗传算法，形成遗传神经网络，努力使迭代朝全局最优的方向进行；二是从神经网络的输入层着手，添加反映残基和预测中心位置距离的单元。结果表明，改进的模型对螺旋预测正确率有很大的提高，从L.Howard Holley等人的59．20％到68．67％。     

基于时间序列的挖掘算法在流程工业产品质量控制模型中的应用

针对目前流程工业产品质量控制采用人工检查和统计质量控制方法,缺乏产品质量预先预报以及时时调整生产过程的工艺参数存在一定困难.利用生产过程采集到的实际数据,采用基于时间序列的动态数据挖掘技术和BP神经元网络,预测产品质量和分析产品生产过程的工艺,最大限度减少不合格产品的产出,提高生产效率.根据上述理论建立流程工业数据动态质量控制平台,以中厚钢板生产过程为例,应用表明了这种方法在实际应用中的正确性和有效性.     

基于遗传神经网络的风电功率预测

针对基于单一BP神经网络的风电功率预测模型的不足,提出了一种基于遗传算法优化的神经网络风电功率预测模型.模型采用遗传算法完成对神经网络权值和阈值空间的寻优搜索,以提高神经网络的收敛速度和获得全局最优解的能力.试验结果表明,基于遗传算法优化的神经网络可以提高风电功率预测的精度,其性能优于基于单一BP神经网络模型的风电功率的预测.     

基于遗传算法和神经网络的注塑工艺参数优化

基于Moldflow模拟仿真的结果,结合GA算法优化BP网络的结构,建立了模具温度,熔体温度,保压压力,注射速度等工艺参数与塑件体积收缩率的BP网络模型.获得了最优的工艺参数组合,同时预测结果与实际结果吻合.通过神经网络算法(BP)预测注塑工艺参数对塑件质量的影响,可以有效降低其他建模方法的难度和工作量,方法可以推广到塑件其他质量预测过程中.     

施工网络计划优化的极值种群遗传算法

针对普通遗传算法用于施工网络计划优化的缺点,通过种群划分与极值搜索,建立了网络计划优化的极值种群改进遗传算法模型,有效地避免了陷入局部极值点,应用证明,该算法与普通遗传算法相比,具有优化速度快、求解精度高,全局寻优能力强等优点,尤其适合于大型复杂工程网络的优化计算。     

基于GA-BP的模糊神经网络控制器与Elman辨识器的系统设计

提出了一种基于神经网络的模糊控制系统 ,该系统由模糊神经网络控制器和模型辨识网络组成 .文中介绍了模糊神经网络控制器采用遗传算法离线优化与 BP算法在线调整 ,给出了具体控制算法 ,推导了变形 Elmam网络的系统辨识算法 .仿真结果表明了此法的可行性和有效性 .     

机器人路径规划算法及其应用

本文研究环境已知条件下的移动机器人路径规划问题,提出了一种基于人工神经网络的路径规划算法,所提算法可以规划出折线型的最短路径,并且计算简单,收敛速度快。将所提算法应用于机器人“Khepera“,通过模拟实验,表明所提算法有效。     

上市公司财务预警的BP神经网络模型的建立及其应用

将BP神经网络方法应用于上市公司的财务预警上,构建了上市公司财务预警模型,不仅能发现企业是否存在风险和企业经营是否偏离轨道,向经营者提出警示,以便及时采取相应管理对策,而且还为广大的投资者和银行在内的债权人判定上市公司质量和经营业绩提供科学的手段和可靠的依据.实例分析表明该模型有效、可行,为上市公司财务预警提供了新的途径.     

工程项目资源均衡优化的混合遗传算法研究

"工期固定—资源均衡"优化是指在工期一定的条件下,合理调整网络计划的某些工序,以实现资源均衡利用的一种管理方法.本文基于工程项目资源均衡优化方法中常用的遗传算法和最小矩法,提出了一种混合遗传算法.该算法首先使用遗传算法得到一个较好的初始点,然后采用最小矩法进行局部优化,克服了遗传算法局部寻优能力不足的缺陷,增强了算法的优化效果.最后通过算例分析验证了该混合算法的可行性和有效性,因而是一种较好的优化算法.     

Optimization of passive optical network planning

Network planning problem typically involves large capital investment and can be formulated as an optimization problem where the objective is minimization of the first installed cost. We consider a passive optical network (PON) planning problem based on a residential area in Adana (Turkey). There are four possible primary node locations, twenty possible secondary node locations, and twenty-eight customers. We use genetic algorithm and mathematical modeling techniques to optimize the position of the primary and secondary nodes, their split levels and assigning customers to secondary nodes and secondary nodes to primary nodes under some constraints such as system’s attenuations and technical characteristics of all the equipment.     

时间窗约束下的车辆路径问题多目标优化算法

讨论了带时间窗约束的车辆路径问题(VRPTW)其数学模型,分析了以遗传算法求解该类问题时的染色体表示和有关遗传操作,将VRPTw视为一个多目标优化问题,用Pareto评等技术来求解最优解,并以Solomen基准问题为例验证了该方法的有效性.结果表明:该方法与以往文献中的最好结果具有竞争性.