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 .     

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.     

基于GA-BP的锅炉燃烧系统的仿真与研究

在当今社会中,我国的发电仍然以火力发电为主.锅炉能否安全经济的燃烧是火力发电厂最为关心的问题.锅炉安全经济的燃烧不仅可以使得发电成本降低还能有效的减少有害物质的排放.依据某热电厂的现场数据选用BP神经网络来对锅炉燃烧系统进行建模分析.利用遗传算法对BP神经网络的权值、阈值进行优化,建立更为理想的GA-BP网络模型.实验结果表明,在采用遗传算法优化的神经网络之后,模型的收敛速度、训练精度得到了有效的提高.为了进一步的研究该系统,建立模糊PID优化控制器并仿真,仿真结果证明了模糊PID的优越性.以上研究说明,通过以上手段可以有效地优化热电厂的锅炉燃烧系统.     

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PCA-GA-BP神经网络的茶园环境预测研究

为了提高茶园墒情站数据的可靠性,详细分析了BP算法,提出了先采用主成分分析法来降低环境因子间的相关性,然后将遗传算法、动量法、自适应学习率与BP神经网络相结合预测茶园环境数据的新方法,方法有效地避免了BP算法收敛慢、易陷入局部极小等问题的发生.选取贵州省清镇市红枫湖生态茶园的环境数据作为实验数据对PCA-GA-BP环境数据预测模型进行验证,实验结果显示:该模型的平均相对误差为2.32%,精度优于BP预测模型.集成了GA-BP模块的茶园墒情站目前已经投入使用,有效指导着茶树的种植和保护.     

基于数学模型的酒店类上市公司成长性评价研究

以酒店类上市公司为研究对象,通过建立成长性评价指标体系,运用主成分分析法对我国酒店类上市公司的成长性进行了实证分析,结果表明我国酒店类上市公司之间成长性差异比较大,酒店应该在盈利能力、运营能力和公司稳定能力上多加关注以获得更好地成长性发展.     

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.     

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 .     

基于卷积神经网络与随机森林的合成孔径雷达目标识别

自合成孔径雷达(synthetic aperture radar,SAR)问世以来,就在军事侦察等方面获得了广泛的应用和发展.SAR图像包含大量的相干斑,使得图像识别工作变得相当复杂,因此,在传统的卷积神经网络(Convolutional Neural Network,CNN)的基础上将Softmax分类器替换成随机森林(Random Forest,RF),得到CNN与RF相结合的算法,记为CNN-RF,用以实现SAR目标实别在CNN-RF中,将CNN提取出SAR图像的特征矢量输入RF分类器.实验结果表明,所提出的算法在MSTAR实测数据集上取得了较高的识别准确率,从而说明了实验的有效性.     

基于ARIMA模型与神经网络模型的股价预测

了解并掌握股价运行的规律是许多投资者和学者所关注的领域,采用了ARIMA模型和BP神经网络对百度、阿里巴巴两支股票的收盘价进行建模与预测,并对比了两模型的预测精度,结果表明两种预测模型都达到比较理想的预测精度和短期预测可行的效果.     

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.     

基于改进PSO-BP神经网络的贮存可靠性预测

贮存可靠性是军事储备质量监测的重要环节,科学准确地预测贮存可靠度是现代化军事评估的必然要求。针对历史贮存数据,建立可靠度与年限的贮存可靠性预测模型,采用进化策略改进粒子群算法(PSO)优化BP神经网络进行贮存可靠性预测。通过数据扩充提高样本质量和数量,应用改进后的PSO算法优化BP神经网络的初始权值和阈值,提高网络的泛化能力。PSO算法较好的全局搜索能力与BP网络很强的局部搜索能力相结合,能够避免早熟现象,提高算法的收敛速度及预测精度。实验结果表明,改进的PSO-BP网络模型比PSO-BP和BP神经网络获得更好的预测性能。     

混沌遗传算法对BP神经网络的改进研究

BP神经网络算法是目前应用最广泛的一种神经网络算法,但有收敛速度慢和易陷入局部极小值等缺陷.本文利用混沌遗传算法(CGA)具有混沌运动遍历性、遗传算法反演性的特性来改进BP神经网络算法.该算法的基本思想是用混沌遗传算法对BP神经网络算法的初始权值和初始阈值进行优化.把混沌变量加入遗传算法中,提高遗传算法的全局搜索能力和收敛速度;用混沌遗传算法优化后得到的最优解作为BP神经网络算法的初始权值和阈值.通过实验观察,改进后的结果与普通的BP神经网络算法的结果相比,具有更高的准确率.     

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.     

基于二次优化BP神经网络的期货价格预测

针对BP算法存在的不足,结合神经网络、遗传算法和主成分分析的优点,提出基于二次优化BP神经网络的期货价格预测算法.初次优化采用主成分分析法对网络结构进行优化,第二次优化采用自适应遗传算法对网络参数进行优化,将经过二次优化后建立的BP神经网络模型用于期货价格预测.经仿真检验,用新方法建立的模型对期货价格进行预测,在预测的精度和速度方面都优于单纯BP神经网络模型.     

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.     

基于BP神经网络的煤炭价格影响因素及预测研究

煤炭价格从2012年开始急转直下,煤企的经营生产受到严重挑战,煤炭价格的未来走势成为业界关注的重点.在前人研究的基础上,综合行业、宏观经济以及替代能源市场等对煤炭价格影响的各相关因素,运用BP网络对煤炭价格进行建模.结果表明,与现有运用较多的时序分析或多元线性回归等方法相比,该预测模型有更高的精度,结论对煤炭企业的经营决策以及煤炭产业政策的制定提供了更为科学的参考依据.     

BP神经网络在期货价格预测中的应用

影响期货价格短期走势的因素纷繁复杂,具有一定的非线性和随机性,因而难于预测.鉴于神经网络强大的非线性映射能力,利用改进的BP网络,对较难解决的期货价格预测问题进行了研究,提出了一种预测期货价格的方法,并以期货铝的价格为例验证了此方法的有效性.     

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.