基于多种检测数据轨道状态BP神经网络评定方法

采用催化传感器和电化学式气体传感器配合使用的传感器阵列.为了解决2种传感器对矿井co和ch4气体的交叉敏感问题,提出了一种基于改进bp神经网络的矿井co检测方法.通过matlab仿真可以看出,基于神经网络的传感器阵列方法可以明显提高co检测精度.实际输出值和期望输出的绝对误差平均值为3.43ppm,相对误差平均值为1.43％.

用养护规范中17个评价指标作为输入层网络神经元,把桥梁损伤等级参数作为输出层神经元,建立了桥梁评估3层bp神经网络模型。选用湖北省110座旧桥的评估数据作为训练样本,后10个作为测试样本,经过2068次迭代运算的网络训练,得到了误差满足精度要求的收敛网络。将待评估的桥梁参数输入训练好的网络,得到评估桥梁的技术状态等级。

采用催化传感器和电化学式气体传感器配合使用的传感器阵列。为了解决2种传感器对矿井co和ch4气体的交叉敏感问题,提出了一种基于改进bp神经网络的矿井co检测方法。通过matlab仿真可以看出,基于神经网络的传感器阵列方法可以明显提高co检测精度。实际输出值和期望输出的绝对误差平均值为3.43ppm,相对误差平均值为1.43%。

缺测降水数据的插补可以有效改善数据系列的完整性,以元江境内的元江、洼垤、因远、街子河、阿支、磨房河等水文和雨量站点逐月及年降水数据为基础,研究缺测降水数据的插补。站点之间月降水数据相关分析表明:各站点之间相关性较差,相关分析难以满足本研究流域内部分月降水数据插补精度,故尝试采用bp神经网络模型对研究流域降水数据进行插补。研究表明:基于本流域降水数据建立的神经网络模型检测样本合格率达到89.6%,具有较好的插补精度,说明神经网络可以用于本研究流域的缺测降水数据插补,为降水数据缺测的插补提供了新的途径。

缺测降水数据的插补可以有效改善数据系列的完整性,以元江境内的元江、洼垤、因远、街子河、阿支、磨房河等水文和雨量站点逐月及年降水数据为基础,研究缺测降水数据的插补。站点之间月降水数据相关分析表明：各站点之间相关性较差,相关分析难以满足本研究流域内部分月降水数据插补精度,故尝试采用bp神经网络模型对研究流域降水数据进行插补。研究表明：基于本流域降水数据建立的神经网络模型检测样本合格率达到89.6%,具有较好的插补精度,说明神经网络可以用于本研究流域的缺测降水数据插补,为降水数据缺测的插补提供了新的途径。

当前一般按照数据的后验分布,为缺失值插入估计值,通常低估了统计量的方差,导致统计量估计置信范围降低,检测显著性降低。为此,提出1种新的基于bp神经网络的农资库存数据插补技术。为了增强不同年份农资库存数据的可比性,对数据进行归一化处理。针对训练的bp神经网络,通过平均绝对误差、均方误差、平均预测误差、平均绝对百分误差完成统计分析,评价模拟值和观测模拟值间的离散程度。分析了bp神经网络结构,对农资库存数据进行插补的过程中,构造双向时间识别序列,改变应用前一时间段农资库存数据预测后期数据的传统方式,采用缺失时间段前后已有农资库存数据共同对缺失数据进行预测。完成农资库存数据的处理后,需对已有样本进行训练,如果检验拟合度指标值高于0.8,则认为训练结果可靠,从而完成对缺失值的预测,实现农资库存数据插补。试验结果表明,所提技术插补精度高。

精密轴承应用广泛,精度要求高,轴承表面缺陷对其使用影响很大.因此,对轴承缺陷的检测很有必要.目前的检测以人工为主,但当缺陷小于0.075mm时人眼就很难识别.以ccd摄像机为视觉结合图像处理技术,设计一种轴承在线检测方法,能够在很大程度上提高检测效率和检测精度,最后利用bp神经网络进行缺陷分类,实验结果表明:分类正确率可达92.7%,符合工业要求.

基于bp神经网络电子评标方法的研究和应用——为了解决招投标中评标环节专家评审法随意性大的问题,针对建设工程的不同特点,对评标内容进行分类剖析.利用人工神经网络的智能识别功能,建立基于神经网络的电子评标方法.结合人工神经网络的自适应功能、良好的容错能...

本文利用特征价格理论和bp神经网络工具建立住宅项目估价模型,为住宅项目定价提供一种快速、有效的新方法。

为了对民航系统安全运行状态进行科学的分析和预测,针对反映民航系统安全运行状态的重要指标之一——飞行事故万时率,采用bp神经网络的时间序列非线性预测模型及方法,对其进行了分析研究和仿真验证,计算结果表明,该预测方法是可行的,并与实际具有较好的一致性。

针对传统方法单独采用bp神经网络算法易陷入局部极值的问题,提出了遗传算法优化bp神经网络,并将其应用于mimo-ofdm系统信号检测中。该方法将遗传算法与神经网络相结合,用遗传算法优化神经网络初始值,使bp网络快速收敛到最优解,避免了由初始值的随机选取而带来的检测误码。仿真结果表明所提出的方法在误码率方面有比较好的性能。

针对工业控制系统入侵检测模型对各类攻击的检测率和检测效率不高的问题,提出一种adaboost算法优化bp神经网络的入侵检测模型.首先利用主成分分析法对原始数据集进行预处理,消除其相关性；其次利用adaboost算法对训练样本的权重进行不断调整,从而获得bp神经网络最优权重和阈值；最后再通过adaboost算法将bp弱分类器组合成bp强分类器,从而实现工业控制系统的异常检测.实验结果表明该方法在对各攻击类型的检测率和测试时间明显优于其他算法模型.

为简化震害预测工作,提出一种以房屋普查数据为震害影响因子并利用人工神经网络模型为工具的震害预测方法。从以往震害实例中选取了具有典型破坏特点的建筑物作为神经网络的学习样本,用收集的数据对网络进行了训练并得到了收敛的网络,应用此收敛的网络对一组新的房屋数据进行震害预测,结果表明了运用此方法和模型的实用性。

轨道交通费率清分的实质是在不同线路下网络客流分布的问题。在充分考虑乘客出行路径选择多要素的基础上,提出一种基于神经网络的轨道交通客流清分模型。将影响乘客出行路径选择的多要素分为确定性要素和不确定性要素,通过样本训练神经元的抑制系数和激励系数,结合转换函数将结果传导给输出层输出。与传统模型相比,该模型更符合乘客出行选择的多要素心理。最后通过对比客流调查结果和logit模型表明,在排除其他要素的干扰下,该方法能够较好的实现客流在不同线路的清分。

轨道交通费率清分的实质是在不同线路下网络客流分布的问题。在充分考虑乘客出行路径选择多要素的基础上,提出一种基于神经网络的轨道交通客流清分模型。将影响乘客出行路径选择的多要素分为确定性要素和不确定性要素,通过样本训练神经元的抑制系数和激励系数,结合转换函数将结果传导给输出层输出。与传统模型相比,该模型更符合乘客出行选择的多要素心理。最后通过对比客流调查结果和logit模型表明,在排除其他要素的干扰下,该方法能够较好的实现客流在不同线路的清分。

本文首先根据北京城市轨道交通网络的特点，以静态非平衡分配模型中的最短路径分配为理论基础，实现历史客流在断面上的分配，得到具有参考价值的断面客流。然后通过大量bp神经网络建模试验，对北京城市轨道交通客流预测问题，建立了合理的预测模型。最后利用bp神经网络模型对13号线西直门站至2号线西直门站的换乘断面客流进行预测，并与最小二乘拟合结果进行对比分析，得出合理的客流预测结果。

强烈的地震给人们生命财产带来巨大损失,为了能够在地震之前预测出建筑物震害,提出一多层砖房为例。利用matlab神经网络工具箱,建立一种基于贝叶斯正则算法的bp神经网络模型,并以过去发生地震地区的多层砖房调查数据为震害因子的震害预测方法。结果表明:对多层砖房的震害样本的预测达到理想效果。

目前钢丝绳断丝定量检测中存在效率低、可靠性差的问题。基于bp神经网络的智能化钢丝绳断丝检测系统,利用虚拟仪器技术,可方便地实现对钢丝绳的数据采集、实时分析,实现了对钢丝绳断丝检测的综合判断。运用matlab神经网络工具箱进行模拟检测,结果表明:网络仿真与实际相符,准确判断率为81.82%。该系统用于钢丝绳断丝识别可行。

本文结合住宅房地产的价格理论和相关网站上的数据,科学地选取影响商品住宅价格的影响指标为人均gdp、人均可支配收入、人口数量、房地产开发投资额和商品住宅建筑面积,并以此建立hedonic商品住宅价格影响因素模型。依照bp神经网络预测的实现步骤,探索bp神经网络在预测海口市商品住宅价格的应用,得到2018年6月-2019年5月商品住宅价格预测值,对海口市商品住宅价格的研究具有一定的指导作用。

利用matlab建立bp神经网络,将影响建筑能耗的18个因素作为网络的输入,进行学习训练,最后通过测试样本点数据预测建筑能耗,与dest-h模拟计算得到的结果比较,发现相对误差在3.5%以内,并通过实例验证了该网络模型的准确性。该方法使建筑人员在设计阶段就能快速且准确地获得设计建筑的能耗。

建筑企业的安全问题不仅关系到建筑行业的发展,而且关系到社会的和谐与进步。从管理者的视角构建了建筑企业安全管理评价指标体系,并对指标之间的关系做了简要的说明。然后应用主成份分析对神经网络的输入数据进行预处理,提取其中的关键成分作为网络的输入,并采用遗传算法来提高神经网络的收敛速度。最后以天津市建筑企业为实例加以说明并进行了分析。结果表明,建立的模型不仅较公平、合理,而且提高了神经网络模型的学习效率。

基于bp神经网络软粘土循环强度研究——以软粘土动三轴试验结果作为样本集，以静应力、循环应力和确定位移破坏标准下的循环破坏振次作为输入层，建立基于bp神经网络软粘土循环强度的预测模型．通过循环扭剪试验结果对模型进行检验．结果表明，该模型稳定性良好，...