遗传算法BP神经网络的预报研究和应用

针对目前 BP神经网络在实际气象预报应用中 ,网络结构难以确定以及网络极易陷入局部解问题 ,用遗传算法优化神经网络的连接权和网络结构 ,并在遗传进化过程中采取保留最佳个体的方法 ,建立基于遗传算法的 BP网络模型 ,并以广西的月降水量进行实例分析 ,计算结果表明 ,该方法预报精度高、而且稳定 .     

混沌遗传算法

利用混沌序列来构造遗传算子,使不同代之间从短期看似随机的,而从长期看则存在着一种“精致”地内在关系,由此获得了一系列基于混沌序列的遗传算法,这些算法对克服标准遗传算法中的一些不足是有利的,更重要是将混沌引入遗传算法的新思路。     

基于改进遗传算法及神经网络的炉温曲线面积优化

针对电子元件在回焊炉中的生产过程,建立机理模型进行分析研究.利用炉温曲线模型随机产生多组生产数据作为输入数据,以峰值温度与超过217.C生产过程用时作为输出数据,建立基于BP神经网络技术的炉温曲线预测模型.同时,在制程界限范围内,利用改进遗传算法进行优化,得到满足最小覆盖面积的最优炉温曲线.     

瞬时混沌神经网络的混沌动力学

首先利用"不可分意味着混沌"从理论上证明了一维瞬时混沌神经网络在一定的条件下按Li-Yorke意义是混沌的;特别地,进一步推出了混沌神经网络按Li-Yorke意义是混沌的充分条件,而这将从理论上证明Aihara等人通过数值计算所得结论;最后,为说明前面的结论给出了一个例子及其数值计算的结果。     

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.     

基于改进BP神经网络的组合预测模型设计

为提高预测精度,解决非线性组合预测中的困难,利用改进BP神经网络对非线性组合预测模型进行了设计.讨论了模型设立的原则和一般程序,比较其与传统的组合预测方法之间的优劣,并给出实例加以验证.结果显示,基于改进BP神经网络的非线性组合预测模型能够准确描述系统中的非线性,提高预测精度.     

基于改进的BP神经网络中国CPI运行预测研究

加强和改善宏观调控,保持价格平稳运行,促进经济持续健康发展是经济工作的重中之重.鉴于BP神经网络模型具有很好地模拟非线性系统的优点,对BP神经网络模型进行了新的改进,在对权值和阈值进行修改时加入了动量项α,并根据以往两次金融危机前后中国CPI运行具有较高相关性的特点,以1997年和2008年两次金融危机集中爆发前后数年数据为基础,运用该模型对中国CPI指数运行进行了拟合,并以2011年为例对中国CPI指数进行了预测,结果与实际运行数据基本一致,预测效果很好.此方法可为改进价格预测,加强价格调控提供重要借鉴意义.     

混沌粒子群神经网络在上证指数预测中的应用

上证指数预测是一个非常复杂的非线性问题,为了提高对上证指数预测的准确性,本文采用基于混沌粒子群(CPSO)算法对BP神经网络算法改进的方法来进行预测.BP神经网络算法目前已经应用到预测、聚类、分类等许多领域,取得了不少的成果.但自身也有明显的缺点,比如易陷入局部极小值、收敛速度慢等.用混沌粒子群算法改进BP神经网络算法的基本思想是用混沌粒子群算法优化BP神经网络算法的权值和阈值,在粒子群算法中加入混沌元素,提高粒子群算法的全局搜索能力.对上证指数预测的结果表明改进后的预测方法,具有更好的准确性.     

基于改进BP神经网络的电力负荷预测

在现有文献研究的基础上,对BP神经网络进行了深入研究,提出了一种新的LAFBP模型,给出了模型的标准BP算法、改进BP算法、权值和阈值的初始化方法.在此基础上,用新的LAFBP模型与传统的标准BP模型对黑龙江省巴彦县的电力负荷进行了预测.预测结果表明,新的LAFBP模型不仅克服了传统的BP模型外推效果不好的缺点,而且在模型的拟合精度、学习时间和学习次数方面明显优于传统的BP模型.     

基于加强型BP算法的神经网络故障诊断研究

文章给出了利用神经网络进行故障诊断的可行性、基本原理、诊断过程分析、和参数优化过程 ,并得出较为理想的诊断结果 .     

BP网络的一种改进学习方法

章分析了传统BP学习方法的缺陷，给出了一种改进的学习方法，并用非线性函数tg△x和(e^△x-1)代替传统的线性函数△x进行网络学习和参数调整．仿真表明，该算法能有效克服网络陷入局部极小的困境，并大大提高收敛速度．     

基于LM算法的BP神经网络的电力负荷短期预测

通过对BP神经网络输入负荷值的归一化处理,同时采用Levenberg-Marquardt(LM)算法,建立了一个改进了的BP神经网络,同时用它来对电力系统进行短期负荷预测.LM算法有效地提高了BP神经网络的收敛速度和负荷的预测精度.仿真结果表明,改进了的BP神经网络具有很高的预测精度和较强的适用能力.     

BP人工神经网络模型的新改进及其应用

针对 BP网络存在的缺点 ,有多种改进方法 .从算法和网络结构设计方面进行了综合改进 .将新改进的 BP网络用于成都市消费预测 ,取得令人满意的效果     

基于遗传算法的神经网络参数优化研究

神经网络和遗传算法是软计算领域中最重要的方法.采用MATLAB的神经网络工具箱和遗传算法工具,研究二者的结合使用,对两个工具箱的基本应用以及将二者结合的相关技术都作了介绍,并应用实例进行了分析研究,提出了使用遗传算法优化神经网络参数的不同结论,对于如何有效使用遗传算法优化神经网络具有一定的借鉴作用.     

基于打洞函数法的BP神经网络水文预报方法

BP神经网络是目前水文预报中应用较为广泛的方法,但存在收敛速度慢、
易陷入局部最优的缺陷.由此提出了基于全局优化打洞函数法的水文预报方法,把打洞函数法和BP神经网络相结合,
利用打洞函数使BP算法跳出当前局部极小点,得到一个函数值更小的极小点,循环运算直至找到全局极小点.
实验表明该水文预报方法能够提高预报精度,显示了良好的适用性.     

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.     

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 .     

多层神经网络的一个快速算法

本文对文[4]提出的前馈式多层神经网络的单参数动态搜索（SPDS）算法进行了深入的分析，给出了实现快速一维搜索的两个方案，从而实现了多层神经网络更为快速的学习训练．