期刊文献+
共找到40篇文章
< 1 2 >
每页显示 20 50 100
Model identification with BPNN on restrictive ecological factors of SRB for sulfate-reduction 被引量:1
1
作者 王爱杰 任南琪 《Journal of Harbin Institute of Technology(New Series)》 EI CAS 2002年第2期125-128,共4页
The model of back-propagation neural network (BPNN) was presented to demonstrate the effect of restrictive ecological factors, COD/SO 4 2- ratio, pH value, alkalinity (ALK) and SO 4 2- loading rate (Ns), on sulfat... The model of back-propagation neural network (BPNN) was presented to demonstrate the effect of restrictive ecological factors, COD/SO 4 2- ratio, pH value, alkalinity (ALK) and SO 4 2- loading rate (Ns), on sulfate reduction of Sulfate Reducing Bacteria (SRB) in an acidogenic sulfate reducing reactor supplied with molasses as sole organic carbon source and sodium sulfate as electron acceptor. The compare of experimental results and computer simulation was also discussed. It was shown that the method of BPNN had a powerful ability to analyze the ecological characteristic of acidogenic sulfate reducing ecosystem quantitatively. 展开更多
关键词 sulfate-reducing bacteria(SRB) RESTRICTIVE ECOLOGICAL FACTORS BACK-PROPAGATION neural network (bpnn) model identification
在线阅读 下载PDF
BPNN神经网络在矿区沉降监测预报中的应用及其精度分析
2
作者 李小惠 陈欣沂 《测绘与空间地理信息》 2025年第10期161-163,共3页
矿区开采引发的地表沉降问题严重威胁安全生产与生态环境,传统数学模型(如概率积分法、时间函数法)受限于线性假设和参数简化,对复杂地质条件下的沉降预测精度不足。为解决该问题,本文创新性引入反向传播神经网络(BPNN)模型,构建矿区沉... 矿区开采引发的地表沉降问题严重威胁安全生产与生态环境,传统数学模型(如概率积分法、时间函数法)受限于线性假设和参数简化,对复杂地质条件下的沉降预测精度不足。为解决该问题,本文创新性引入反向传播神经网络(BPNN)模型,构建矿区沉降智能监测预警体系。基于现场采集的100期沉降监测时序数据,对网络进行训练与优化,确定隐含层节点数、学习率等超参数,最终建立高精度预测模型。模型验证结果表明:BPNN可有效捕捉沉降非线性演化规律,预测值与实测值对比显示,最大残差为7.12 mm,最小残差为-7.24 mm;平均均方根误差(RMSE)为2.68 mm,显著优于传统方法;平均相对精度达92.0%,证明模型具有强泛化能力。该模型实现了沉降变形的动态预报,当预测值超越安全阈值时可触发分级预警,为矿区提供主动式风险防控手段。研究成果不仅提升了沉降监测的时效性与准确性,还可为采空区治理、地质灾害防控提供数据支撑,对推动矿山数字化安全管理具有重要价值。 展开更多
关键词 bpnn神经网络模型 沉降监测 残差 平均相对精度
在线阅读 下载PDF
改进SSA优化BPNN的煤体瓦斯渗透率预测模型
3
作者 汪伟 崔欣超 +3 位作者 祁云 李绪萍 王璜瑞 齐庆杰 《中国安全科学学报》 北大核心 2025年第2期137-143,共7页
为更加精确地预测煤体瓦斯渗透率,进而保障煤矿安全生产,构建基于改进麻雀搜索算法(ISSA)优化反向传播神经网络(BPNN)的煤体瓦斯渗透率预测模型。首先,通过引入Sine混沌映射和高斯变异改进麻雀搜索算法(SSA),以增强其全局搜索能力和局... 为更加精确地预测煤体瓦斯渗透率,进而保障煤矿安全生产,构建基于改进麻雀搜索算法(ISSA)优化反向传播神经网络(BPNN)的煤体瓦斯渗透率预测模型。首先,通过引入Sine混沌映射和高斯变异改进麻雀搜索算法(SSA),以增强其全局搜索能力和局部寻优精度,从而优化BPNN的权值和阈值配置;然后,通过皮尔逊相关系数矩阵和核主成分分析(KPCA)处理瓦斯渗透率影响因素的数据,以提高模型的计算效率和准确性,并以累积方差达88.59%的3个主成分提取为模型输入,渗透率作为输出进行试验;最后,将该模型应用于山西某煤矿进行实例验证。结果表明:ISSA-BPNN在平均绝对误差(MAE)、平均绝对百分比误差(MAPE)、均方根误差(RMSE)和决定系数R^(2)等4个指标上优于粒子群算法(PSO)优化BPNN、PSO优化支持向量机(PSO-SVM)、PSO优化最小二乘支持向量机(LSSVM)及SSA优化BPNN(SSA-BPNN)模型,且相较于其他模型在测试样本中的平均绝对误差(MAE)分别降低0.0327、0.022、0.0179、0.0182;MAPE分别降低5.15%、3.14%、2.76%、2.36%;RMSE分别降低0.0316、0.0279、0.0188、0.0222;R^(2)分别提高0.0775、0.0658、0.0401、0.0493;实例验证表明模型可靠性和稳定性较高。 展开更多
关键词 改进麻雀搜索算法(ISSA) 反向传播神经网络(bpnn) 煤体瓦斯 渗透率 预测模型
原文传递
基于误差倒数法的GM-BPNN-RRM变权组合模型的碳排放量预测
4
作者 王娟 李学鹏 《北京信息科技大学学报(自然科学版)》 2025年第5期93-98,共6页
精准有效地预测碳排放量有助于推动低碳经济的发展。基于2000—2023年时间序列数据,选取国内生产总值(gross domestic product, GDP)、能源消耗、城镇化水平和人口数量等核心驱动因素作为预测指标,分别构建灰色模型(grey model, GM)GM(1... 精准有效地预测碳排放量有助于推动低碳经济的发展。基于2000—2023年时间序列数据,选取国内生产总值(gross domestic product, GDP)、能源消耗、城镇化水平和人口数量等核心驱动因素作为预测指标,分别构建灰色模型(grey model, GM)GM(1,5)、反向传播神经网络(back propagation neural network, BPNN)模型和岭回归模型(ridge regression model, RRM)进行实证分析。实证分析结果表明,3种单一模型的平均相对误差(mean relative error, MRE)分别为5.06%、0.44%和1.02%。为进一步提升预测精度,采用误差倒数法确定最优权重系数,构建了GM-BPNN-RRM变权组合预测模型。结果显示,组合模型的平均相对误差降至0.40%,其预测性能优于各单一模型。 展开更多
关键词 GM(1 5) 反向传播神经网络 岭回归模型 误差倒数法 变权组合模型
在线阅读 下载PDF
融合CUSUM方法与BP神经网络的实际供热管网分级泄漏检测
5
作者 周守军 刘晓康 +3 位作者 王耀龙 刘书豪 董建敏 赵一林 《暖通空调》 2026年第3期139-144,共6页
为解决目前供热管网泄漏故障检测困难、效率低的现状,本文提出了一种融合CUSUM(累积和)与BP神经网络(BPNN)的管网泄漏故障分级检测系统。该系统首先采用CUSUM方法(一级)检测供热管网补水流量并判断是否泄漏,如果该管网泄漏,则再采用BP... 为解决目前供热管网泄漏故障检测困难、效率低的现状,本文提出了一种融合CUSUM(累积和)与BP神经网络(BPNN)的管网泄漏故障分级检测系统。该系统首先采用CUSUM方法(一级)检测供热管网补水流量并判断是否泄漏,如果该管网泄漏,则再采用BP神经网络(二级)对泄漏位置进行精确定位。以某矿区实际供热管网为研究对象,结合其供暖期内运行数据与仿真数据,以PCA(主成分分析)方法及数据归一化进行数据处理,构建并训练了实际供热管网泄漏位置检测的BPNN模型,最终开发了该矿区的CUSUM-BPNN供热管网泄漏故障分级检测系统。使用现场供回水管道排污阀对泄漏进行模拟,采用该系统对3个换热站及其供热管网分别进行了测试,结果表明,该系统能够准确判断泄漏故障并快速定位泄漏点所在管段,泄漏报警延迟时间在2 min之内,很少出现故障未报或者误报的情况,验证了本文所开发系统的可靠性和高效性。 展开更多
关键词 供热管网 泄漏检测 CUSUM BP神经网络 仿真模型 主成分分析
在线阅读 下载PDF
基于改进麻雀搜索算法优化BPNN的电阻点焊质量预测 被引量:8
6
作者 罗震 董建伟 胡建明 《天津大学学报(自然科学与工程技术版)》 EI CAS CSCD 北大核心 2024年第5期445-451,共7页
电阻点焊技术由于具有高效、自动化程度高等焊接特点,被广泛应用于汽车、航空航天和公共交通等制造领域,由于焊点在封闭状态下进行,焊接过程存在诸多影响因素且无法直接检测,因此,准确预测电阻点焊质量是生产过程中必不可少的环节.本文... 电阻点焊技术由于具有高效、自动化程度高等焊接特点,被广泛应用于汽车、航空航天和公共交通等制造领域,由于焊点在封闭状态下进行,焊接过程存在诸多影响因素且无法直接检测,因此,准确预测电阻点焊质量是生产过程中必不可少的环节.本文以2219/5A06铝合金为研究对象,在3种不同的装配条件(包括间隙和间距)下进行电阻点焊工艺信号的分析,并进行人工智能建模.为了提高电阻点焊质量评价的性能和效率,本文采用Logistic-Tent(LT)复合映射改进麻雀搜索算法(SSA)对反向传播神经网络(LT-SSA-BPNN)模型进行优化,模型的输入和输出分别为多信号融合后的变量和熔核直径.实验结果表明,与传统的标准反向传播神经网络(BPNN)模型相比,经过LT-SSA-BP模型优化后,预测结果的平均绝对误差(MAE)、均方误差(MSE)和均方根误差(RMSE)分别降低了36.17%、17.55%和51.75%.同时,LT-SSA-BP神经网络在添加了不同间隙和间距条件作为训练集后,其预测稳定性明显提高,可以成功预测电阻点焊质量. 展开更多
关键词 电阻点焊 质量预测 麻雀搜索算法 反向传播神经网络模型
在线阅读 下载PDF
基于BPNN/HMM神经网络的声学模型研究 被引量:2
7
作者 李凡 吴军 黄刚 《华中科技大学学报(自然科学版)》 EI CAS CSCD 北大核心 2004年第9期9-11,共3页
研制了一种基于BP神经网络和隐马尔可夫模型 (HMM )的混合声学模型 ,BP神经网络的主要功能是把失真语音特征矢量转换成纯净语音特征矢量 ,而HMM则对转换后的纯净语音特征矢量进行分类 ,从模型级补偿的方面来提高语音识别系统的鲁棒性 .... 研制了一种基于BP神经网络和隐马尔可夫模型 (HMM )的混合声学模型 ,BP神经网络的主要功能是把失真语音特征矢量转换成纯净语音特征矢量 ,而HMM则对转换后的纯净语音特征矢量进行分类 ,从模型级补偿的方面来提高语音识别系统的鲁棒性 .讨论了一种基于线性预测的MFCC语音特征提取方法 ,该方法把提取出的失真语音特征矢量作为神经网络的输入 。 展开更多
关键词 BP神经网络 隐马尔可夫模型 bpnn/HMM混合声学模型 鲁棒性语音识别 语音特征参数
在线阅读 下载PDF
BPNN-HDMR非线性近似模型方法及应用 被引量:7
8
作者 李伟平 窦现东 +1 位作者 王振兴 柳超 《湖南大学学报(自然科学版)》 EI CAS CSCD 北大核心 2014年第5期32-38,共7页
提出基于误差反向传播神经网络(Back Propagation Neural Network,BPNN)的高维模型表示(high dimensional model representation,HDMR)方法,即BPNN-HDMR方法.BPNN-HDMR方法的显著优势是将BP神经网络的非线性函数逼近能力与高维模型的层... 提出基于误差反向传播神经网络(Back Propagation Neural Network,BPNN)的高维模型表示(high dimensional model representation,HDMR)方法,即BPNN-HDMR方法.BPNN-HDMR方法的显著优势是将BP神经网络的非线性函数逼近能力与高维模型的层级结构理论相结合来构建近似模型,并能够揭示输入变量之间固有的线性或非线性关系及其相关性,将构造模型复杂度由指数级增长降阶为多项式级,有效地解决了高维建模问题.通过测试和对比验证了该算法的效率和建模能力,并将该算法应用于矿用自卸车安全驾驶室翻车保护装置(Roll-Over Protective Structure,ROPS)的优化设计.通过优化结果验证了所提方法的可行性和有效性. 展开更多
关键词 近似模型 高维模型 误差反向传播神经网络 非线性 结构优化
在线阅读 下载PDF
基于BPNN-EMD-LSTM组合模型的城市短期燃气负荷预测 被引量:27
9
作者 陈川 陈冬林 何李凯 《安全与环境工程》 CAS 北大核心 2019年第1期149-154,169,共7页
城市短期燃气负荷具有高随机性和复杂性特征,利用单一的模型难以做出准确预测。以某城市民用类燃气日负荷为研究对象,在分析该市两年多燃气日负荷特征的基础上,建立了基于BP神经网络(BPNN)-经验模态分解(EMD)-长短期记忆(LSTM)神经网络... 城市短期燃气负荷具有高随机性和复杂性特征,利用单一的模型难以做出准确预测。以某城市民用类燃气日负荷为研究对象,在分析该市两年多燃气日负荷特征的基础上,建立了基于BP神经网络(BPNN)-经验模态分解(EMD)-长短期记忆(LSTM)神经网络的组合预测模型,对该市短期燃气日负荷进行了预测。首先通过BPNN模型学习温度、日期属性影响下燃气负荷的主要特征,增长趋势等次要特征则体现在BPNN模型预测产生的残差中;然后采用EMD算法分解残差得到有限个本征模函数(IMF),并利用LSTM模型学习各IMF分量的短期时序规律,将各IMF分量的预测值相加得到残差预测值;最后将两部分预测值代数相加得到最终的预测结果。实证结果表明:与单一的LSTM模型和BPNN-LSTM模型相比,该组合预测模型半月步长的平均绝对误差为3.4%,预测精度更高,是一种更为有效的城市短期燃气负荷预测方法。 展开更多
关键词 短期燃气负荷 组合预测模型 BP神经网络 经验模态分解 长短期记忆神经网络
在线阅读 下载PDF
中国东部沿海区域天顶对流层延迟模型精化
10
作者 褚文佳 范士杰 +3 位作者 臧建飞 李志才 刘焱雄 陈冠旭 《海洋科学进展》 北大核心 2026年第1期97-110,共14页
天顶对流层延迟(Zenith Tropospheric Delay, ZTD)的精确建模对提高全球卫星导航系统(Global Navigation Satellite System, GNSS)定位精度与气象应用至关重要。我国东部沿海区域南北跨度大,ZTD的时空变化复杂,现有全球气压气温3(Global... 天顶对流层延迟(Zenith Tropospheric Delay, ZTD)的精确建模对提高全球卫星导航系统(Global Navigation Satellite System, GNSS)定位精度与气象应用至关重要。我国东部沿海区域南北跨度大,ZTD的时空变化复杂,现有全球气压气温3(Global Pressure and Temperature 3, GPT3)模型难以准确模拟ZTD在不同时空尺度上复杂的非线性变化。基于GPT3模型,采用具有强大非线性拟合能力的反向传播神经网络(Back Propagation Neural Network, BPNN)和径向基函数(Radial Basis Function, RBF)神经网络算法,并针对2种算法分别采用分季节和逐日建模策略,建立了中国东部沿海区域改进ZTD模型。选取中国内地构造环境监测网(Crustal Movement Observation Network of China, CMONOC)2016—2019年连续4年中国东部沿海区域GNSS ZTD数据中的92个站点数据作为训练数据集,构建模型,其余24个站点数据进行模型测试,结果表明:(1)改进ZTD模型具有良好的内符合精度,基于BPNN和RBF神经网络算法的改进模型ZTD估值的均方根误差(Root Mean Square Error, RMSE)分别为2.70和1.94 cm,与原有GPT3模型相比,精度分别提高了46.9%和61.8%;(2)利用不参与建模的测试集站点数据对改进模型进行检验,2种算法的改进模型ZTD估值的RMSE分别为2.78和2.28 cm,与原有GPT3模型相比,精度分别提高了46.5%和56.2%。 展开更多
关键词 天顶对流层延迟 全球导航卫星系统(GNSS) 全球气压气温3(GPT3)模型 反向传播神经网络(bpnn) 径向基函数(RBF)神经网络
在线阅读 下载PDF
基于PSO⁃BPNN的煤自燃危险性预测模型 被引量:19
11
作者 汪伟 梁然 +2 位作者 祁云 贾宝山 武泽伟 《中国安全科学学报》 CAS CSCD 北大核心 2023年第7期127-132,共6页
为提高采空区遗煤自燃危险性预测的准确性,采用粒子群优化算法(PSO)改进反向传播神经网络(BPNN)的连接权重和阈值,构建一种将PSO算法与BPNN相耦合的煤自燃预测模型(PSO-BPNN模型),并从不同方面对比分析PSO-BPNN模型与BPNN模型和支持向... 为提高采空区遗煤自燃危险性预测的准确性,采用粒子群优化算法(PSO)改进反向传播神经网络(BPNN)的连接权重和阈值,构建一种将PSO算法与BPNN相耦合的煤自燃预测模型(PSO-BPNN模型),并从不同方面对比分析PSO-BPNN模型与BPNN模型和支持向量回归机(SVR)模型的预测结果。研究表明:优化后的平均相对误差、平均绝对误差和均方根误差相较于BPNN模型分别降低了9.35%、0.1707和0.2056,判定系数增大了0.1169;比SVR模型分别降低了5.41%、0.1152和0.1715,判定系数增大了0.0891。证明PSO-BPNN模型具有更高的预测精准性。 展开更多
关键词 煤自燃 粒子群优化算法(PSO) 反向传播神经网络(bpnn) 支持向量回归机(SVR) 预测模型 采空区
原文传递
基于RSM和RA-BPNN的锌窑渣中铜浮选试验优化 被引量:3
12
作者 王衡嵩 魏志聪 +3 位作者 彭蓉 曾明 郑润浩 张铃 《人工晶体学报》 EI CAS 北大核心 2019年第8期1557-1564,共8页
云南某地锌窑渣矿样,原矿为高碱性矿石,矿石含铜1.38%,氧化率为30.12%。以磨矿细度、戊基黄药用量、碳酸钠用量、硫酸铜用量和硫化钠用量作自变量,以浮选回收率为因变量,分别建立了CCD响应曲面设计模型(RSM)和基于回归分析-BP神经网络(R... 云南某地锌窑渣矿样,原矿为高碱性矿石,矿石含铜1.38%,氧化率为30.12%。以磨矿细度、戊基黄药用量、碳酸钠用量、硫酸铜用量和硫化钠用量作自变量,以浮选回收率为因变量,分别建立了CCD响应曲面设计模型(RSM)和基于回归分析-BP神经网络(RA-BPNN)的浮选预测优化模型。根据两种模型的优化能力、优化精度进行分析和对比,结果表明,基于RA-BPNN模型进行预测及试验验证,铜回收率达到了64.06%,误差为0.74%,浮选回收率较RSM模型提高了1.54个百分点,且误差明显小于RSM模型,这表明RA-BPNN模型的优化能力高于RSM。根据试验结果,确定了锌窑渣浮选回收铜的最佳浮选条件为:磨矿细度90%、戊基黄药用量370g/t、碳酸钠用量720g/t、硫酸铜用量1080g/t、硫化钠用量870g/t。通过“一次粗选、三次精选、两次扫选、中矿顺序返回”的闭路浮选工艺流程,获得了品位为6.58%,回收率为55.98%的铜精矿。 展开更多
关键词 锌窑渣 铜浮选 RSM(响应曲面) RA-bpnn(回归分析-BP神经网络)
在线阅读 下载PDF
APSO-BPNN模型在滨海环境中铁质材料腐蚀速率预测中的应用
13
作者 杨彪 肖佳 +2 位作者 欧阳晨 朱金晨 闫莹 《腐蚀与防护》 CAS CSCD 北大核心 2024年第12期72-79,共8页
针对滨海复杂环境中铁质材料腐蚀速率预测的问题,利用自适应粒子群优化(APSO)算法对反向传播神经网络(BPNN)中的权重和阈值进行优化,构建了一种APSO-BPNN模型,以提高铁质材料在滨海环境中腐蚀速率预测的准确性。基于暴露试验数据,对比了... 针对滨海复杂环境中铁质材料腐蚀速率预测的问题,利用自适应粒子群优化(APSO)算法对反向传播神经网络(BPNN)中的权重和阈值进行优化,构建了一种APSO-BPNN模型,以提高铁质材料在滨海环境中腐蚀速率预测的准确性。基于暴露试验数据,对比了APSO-BPNN模型与传统BPNN模型的预测效果。结果表明:APSO-BPNN模型在训练集上的决定系数R_(2)提高了23.65%,其在测试集上的R2达到0.9258,平均绝对误差(MAE)、平均绝对百分比误差(MAPE)和均方根误差(RMSE)分别下降至11.55、22.26%和14.43。 展开更多
关键词 铁质材料 自适应粒子群优化(APSO)算法 反向传播神经网络(bpnn) 腐蚀速率 预测模型
在线阅读 下载PDF
基于机器学习的硫酸盐侵蚀环境下混凝土抗压强度预测
14
作者 周均昊 杨淑雁 《科学技术与工程》 北大核心 2025年第30期13075-13083,共9页
硫酸盐侵蚀是影响混凝土耐久性的重要因素,准确预测其对混凝土抗压强度的劣化影响对结构安全评估至关重要。基于机器学习的方法对硫酸盐侵蚀环境下混凝土抗压强度进行了预测。从现有中外文献中收集了硫酸盐侵蚀下混凝土抗压强度的实验数... 硫酸盐侵蚀是影响混凝土耐久性的重要因素,准确预测其对混凝土抗压强度的劣化影响对结构安全评估至关重要。基于机器学习的方法对硫酸盐侵蚀环境下混凝土抗压强度进行了预测。从现有中外文献中收集了硫酸盐侵蚀下混凝土抗压强度的实验数据157组,以80%和20%的比例划分训练集和测试集,构建了随机森林(random forest,RF)模型和BP神经网络(BP neural network,BPNN)模型对硫酸盐侵蚀后的混凝土抗压强度进行了预测,采用平均绝对误差(mean absolute error,MAE)、均方根误差(root mean squared error,RMSE)和决定系数(R^(2))三个指标对模型性能进行了评价。为了进一步提高预测精度,采用特征重要性、皮尔森相关系数以及两者相结合的方法进行优化。基于最佳的优化方法,对模型进行了进一步的解释。结果表明,两种模型对侵蚀后混凝土抗压强度的预测结果均较为准确,RF模型预测结果优于BPNN模型。优化结果表明,采用特征重要性和皮尔森相关系数相结合的方法优化效果最佳。基于最佳优化方法,进一步就各因素对侵蚀后混凝土抗压强度的影响进行分析,并建立侵蚀后混凝土抗压强度随28 d抗压强度、侵蚀时间和Na_(2)SO_(4)溶液浓度变化的预测模型。研究成果可为采用大数据预测硫酸盐侵蚀环境下混凝土抗压强度提供一种参考。 展开更多
关键词 随机森林 BP神经网络 硫酸盐侵蚀 抗压强度 预测模型
在线阅读 下载PDF
基于优化的多输出神经网络预测软弱土压缩和回弹指数研究
15
作者 陈凯 林军 +1 位作者 聂利青 段伟 《地质科技通报》 北大核心 2025年第2期130-145,共16页
软弱土的压缩指数C_(c)和回弹指数C_(s)是计算土体沉降和回弹的重要参数,采用机器学习算法可高效预测C_(c)和C_(s),减少室内试验周期和费用。引入孔压静力触探(CPTU)原位测试数据,利用土类指数I_(c)量化土层信息,融合室内试验和原位测... 软弱土的压缩指数C_(c)和回弹指数C_(s)是计算土体沉降和回弹的重要参数,采用机器学习算法可高效预测C_(c)和C_(s),减少室内试验周期和费用。引入孔压静力触探(CPTU)原位测试数据,利用土类指数I_(c)量化土层信息,融合室内试验和原位测试数据,改进遗传算法优化的BP神经网络(GA-BPNN),实现多输出功能,同时预测C_(c)和C_(s)。通过相关性分析,确定多输出GA-BPNN模型输入参数,利用TC 304标准场地数据库,将预测结果与多输出BPNN模型、单输出GA-BPNN模型比较,进而验证多输出GA-BPNN模型能效,并获得预训练模型参数。在南京有限场地数据条件下,进一步讨论多输出GA-BPNN模型的优越性,分析预训练、原位测试数据对模型效果的影响,最后进行敏感性分析。结果表明,利用标准场地数据获得预训练多输出GA-BPNN模型,在有限数据条件下,可有效预测C_(c)和C_(s);加入原位测试数据的的GA-BPNN模型预测C_(c)(R^(2)=0.96)和C_(s)(R^(2)=0.97)精确度较高,预测结果更加接近实测值,预测结果相关性与已有研究保持一致。通过预训练的多输出GA-BPNN模型,可在有限场地数据条件下,快速准确预测软弱土的C_(c)和C_(s),对工程实践中的多元参数预测具有良好的应用前景。 展开更多
关键词 压缩指数 回弹指数 多输出 优化神经网络 GA-bpnn模型 软弱土
在线阅读 下载PDF
一种天然气用气量短期预测方法
16
作者 刘巍 《今日自动化》 2025年第9期158-160,共3页
城市天然气负荷预测是一项极其重要的基础性应用研究。文章搭建了人工神经网络模型,结合城市历史天然气用气数据及各影响因素对短期用气量进行了预测,旨在更准确地预测出冬供期间的用气量。
关键词 城市天然气 不均匀系数 人工神经网络 bpnn-LSTM模型 气量预测
在线阅读 下载PDF
多机器学习模型下南京市PM_(2.5)预测分析
17
作者 鞠杨 《环境科学导刊》 2025年第2期46-52,共7页
针对南京市PM_(2.5)浓度预测问题,采用了五种不同的机器学习模型:多元线性回归、随机森林、K最邻近模型(KNN)、BP神经网络模型(BPNN)和极端梯度提升算法(XGBoost)。研究基于南京市2021年和2022年的空气质量及气象数据,通过数据预处理和... 针对南京市PM_(2.5)浓度预测问题,采用了五种不同的机器学习模型:多元线性回归、随机森林、K最邻近模型(KNN)、BP神经网络模型(BPNN)和极端梯度提升算法(XGBoost)。研究基于南京市2021年和2022年的空气质量及气象数据,通过数据预处理和特征缩放,对模型进行训练和测试。评估指标包括相关系数(R2)、均方差(RMSE)、平均绝对误差(MAE)和平均绝对百分比误差(MAPE)。研究结果表明,五种模型总体上预测性能良好,其中随机森林模型的预测精度最高,误差最小。不同季节的预测精度分析显示,多元线性回归和BP神经网络模型(BPNN)在春季和冬季的预测精度高于夏季和秋季;而随机森林、K最邻近模型(KNN)和极端梯度提升算内存占用最多,而K最邻近模型(KNN)模型的运行时间和内存占用最少。综合考虑预测精度和运行效率,随机森林模型在南京市PM_(2.5)浓度预测中表现最佳。 展开更多
关键词 气象因子 PM_(2.5)预测 机器学习 多元线性回归模型 随机森林模型 K最邻近模型(KNN) BP神经网络模型(bpnn) 极端梯度提升算法(XGBoost)
在线阅读 下载PDF
硫酸盐还原过程中SRB的限制性生态因子的BP神经网络建模与仿真 被引量:6
18
作者 王爱杰 任南琪 +3 位作者 甄卫东 林明 张颖 周雪飞 《环境科学学报》 CAS CSCD 北大核心 2001年第3期267-270,共4页
利用BP神经网络对产酸脱硫反应器 (专利设备 ,ZL :982 40 80 1 3)处理高浓度硫酸盐废水时硫酸盐还原菌 (SRB)的限制性生态因子 (COD SO2 -4 比、pH值、ALK、SO2 -4 负荷率 )进行建模与仿真 ,从而实现了多变量函数关系的映射与泛化 。
关键词 硫酸盐还原菌 SRB 限制性生态因子 BP神经网络 建模 仿真 废水厌氧处理系统
在线阅读 下载PDF
SOFC的支持向量机(SVM)辨识建模 被引量:7
19
作者 霍海娥 霍海波 杨长生 《系统仿真学报》 CAS CSCD 北大核心 2010年第6期1557-1560,共4页
为了便于固体氧化物燃料电池(SOFC)的性能预测和控制方案设计,提出一种基于支持向量机(SVM)的建模方法,用具有RBF核函数的SVM建立了SOFC电池堆的非线性模型。应用仿真对所建SVM模型的有效性和精度进行了检验,并与BPNN模型的辨识效果进... 为了便于固体氧化物燃料电池(SOFC)的性能预测和控制方案设计,提出一种基于支持向量机(SVM)的建模方法,用具有RBF核函数的SVM建立了SOFC电池堆的非线性模型。应用仿真对所建SVM模型的有效性和精度进行了检验,并与BPNN模型的辨识效果进行了比较。仿真结果证明与BPNN模型相比,SVM模型具有较高的建模精度。该SVM辨识模型的建立,对SOFC系统的控制策略研究具有一定的实用价值。 展开更多
关键词 固体氧化物燃料电池(SOFC) 支持向量机(SVM) BP神经网络(bpnn) 建模
原文传递
基于小波神经网络的木材干燥窑内传感器建模研究 被引量:2
20
作者 姜滨 孙丽萍 +1 位作者 曹军 季仲致 《传感器与微系统》 CSCD 北大核心 2013年第11期11-13,17,共4页
针对木材干燥系统具有非线性、强耦合的特性,难以建立准确的数学模型,提出一种基于小波神经网络的建模方法。通过木材干燥窑内木材含水率传感器、温度传感器和湿度传感器采集的数据建立小波神经网络模型,并通过模型预测木材含水率传感... 针对木材干燥系统具有非线性、强耦合的特性,难以建立准确的数学模型,提出一种基于小波神经网络的建模方法。通过木材干燥窑内木材含水率传感器、温度传感器和湿度传感器采集的数据建立小波神经网络模型,并通过模型预测木材含水率传感器的测量值。小波神经网络将BP神经网络在非线性问题上自学习的能力与小波表征信号局部信息的能力相结合,具有很强的自适应分辨性和容错能力。利用实际木材干燥过程中采集的数据作为训练样本进行仿真实验。结果表明:小波神经网络方法建立的模型能够预测木材含水率传感器的测量值,模型泛化能力强,预测精度高于BP神经网络建立的模型,验证了小波神经网络对木材干燥窑内传感器建模的可行性和有效性。 展开更多
关键词 小波神经网络(WNN) 小波分析 BP神经网络(bpnn) 木材干燥 建模
在线阅读 下载PDF
上一页 1 2 下一页 到第
使用帮助 返回顶部