基于GA-BPNN的PM2.5浓度预测模型

为提升BP神经网络对PM2.5浓度预测的准确度,提出一种基于遗传算法的多因子PM2.5浓度预测模型。利用遗传算法的全局搜索特性,得到最优的BP神经网络的初始权值和阈值,针对网络结构设置3个隐含层,提高特征学习能力,更大程度拟合非线性函数,并将模型用于预测。实验结果表明,该方法对于PM2.5浓度的预测精度达到98.5%,比传统方法提高3.6%,具有较高应用价值。     

基于优化BP网络的类矩形盾构偏心刀盘故障预测

为实时监控类矩形盾构偏心刀盘工作状态,提出一种基于遗传算法（GA）优化BP神经网络模型的在线故障预测方法。首先,利用现场检测的相关测量数据,建立“特征—故障”数据集;然后,利用最优权值与阈值由遗传算法获取的BP神经网络对数据集进行自我学习,构建工作期故障预测模型;最后,开发偏心刀盘监控系统,对刀盘工作状态进行在线预测。实验结果表明,GA-BP网络模型预测准确率达到93.3%,与传统BP网络模型相比提高6%。基于GA-BP网络的偏心刀盘在线故障预测方法可精准预测刀盘工作状态,满足应用设计要求,为盾构施工安全提供有力保障。     

基于优化BP网络的类矩形盾构偏心刀盘故障预测

为实时监控类矩形盾构偏心刀盘工作状态,提出一种基于遗传算法（GA）优化BP神经网络模型的在线故障预测方法。首先,利用现场检测的相关测量数据,建立“特征—故障”数据集;然后,利用最优权值与阈值由遗传算法获取的BP神经网络对数据集进行自我学习,构建工作期故障预测模型;最后,开发偏心刀盘监控系统,对刀盘工作状态进行在线预测。实验结果表明,GA-BP网络模型预测准确率达到93.3%,与传统BP网络模型相比提高6%。基于GA-BP网络的偏心刀盘在线故障预测方法可精准预测刀盘工作状态,满足应用设计要求,为盾构施工安全提供有力保障。     

基于遗传算法和神经网络的倒立摆控制系统

以单级倒立摆为对象,介绍了一种融合遗传算法的神经网络控制方法。该方法采用以多层前馈神经网络作为遗传搜索表示方法的思想,以神经网络为基础,用遗传算法来学习神经网络的权系数,既保留了遗传算法的强全局随机搜索能力,又具有神经网络的鲁棒性和自学习能力。仿真结果证明:遗传算法和神经网络的结合,可兼有神经网络广泛映射能力和遗传算法快速全局收敛等性能。     

基于LM—BP神经网络的GDP预测模型及其应用

讨论了基于Levenberg—Marquardt（LM）算法的BP神经网络及其GDP预测的应用。LM算法利用误差函数二阶导数信息,对高斯一牛顿法的优化,相对传统的负梯度法而言,其收敛速度更快。最后以贺州市GDP为例,就预测的效率和精确度来说,LM—BP网络预测GDP的速度和精度明显优于标准的BP算法网络。     

也谈数据挖掘

论述了数据挖掘的现状、存在的问题:业务理解错误、数据理解错误、模型构建错误,数据挖掘的未来发展趋势:较强可视化和交互性、集成性、能支持移动环境等内容.     

全局优化神经网络拓扑结构及权值的遗传算法

提出将前馈多层神经网络的全局优化表述作为启发式遗传搜索的问题．设计了遗传算法全局优化神经网络拓扑结构和网络权值的新的编码方案,并利用该方法求解了洪水预报问题,给出了实例预报结果     

用实数编码的遗传算法优化神经网络盲均衡算法

本文提出了实数编码的遗传优化神经网络的盲均衡算法,有效地克服了传统前馈神经网络盲均衡的缺陷．解决了实际应用中存在神经网络的初始权重的确定缺乏理论依据的问题,提高了前馈神经网络盲均衡的均衡性能．     

BP神经网络的改进及其在股票预测中的应用

研究了BP神经网络,对BP算法的权值初始化进行改进,使得其收敛速度更快,并建立了基于BP神经网络的股价预测模型．最后以深发展A的收盘价为例,分析改进后NBP神经网络模型的预测效果．     

GA－ANN Algorithm and Its Application in Fault Diagnosis of Power Transformer

ＧＡ－ＡＮＮＡｌｇｏｒｉｔｈｍａｎｄＩｔｓＡｐｐｌｉｃａｔｉｏｎｉｎＦａｕｌｔＤｉａｇｎｏｓｉｓｏｆＰｏｗｅｒＴｒａｎｓｆｏｒｍｅｒＷａｎｇＤａｚｈｏｎｇ（王大忠）ＸｕＷｅｎ（徐文）ＺｈｏｕＺｅｃｕｎ（周泽存）ＣｈｅｎＨｅｎｇ（陈珩）（Ｄｅｐａｒｔｍ...     

Elevator group-control policy based on neural network optimized by genetic algorithm

Aiming at the diversity and nonlinearity of the elevator system control target, an effective group method based on a hybrid algorithm of genetic algorithm and neural network is presented in this paper. The genetic algorithm is used to search the weight of the neural network. At the same time, the multi-objective-based evaluation function is adopted, in which there are three main indicators including the passenger waiting time, car passengers number and the number of stops. Different weights are given to meet the actual needs. The optimal values of the evaluation function are obtained, and the optimal dispatch control of the elevator group control system based on neural network is realized. By analyzing the running of the elevator group control system, all the processes and steps are presented. The validity of the hybrid algorithm is verified by the dynamic imitation performance.     

BP神经网络的模型优化研究及应用

随着神经网络在数据分析、预测及生产控制中的应用,神经网络的优化学习成为研究的一个重要课题.通过探讨BP神经网络模型的建立过程,针对BP神经网络的模型优化问题进行了详细研究.并通过对银行客户分类的仿真实验证明,优化模型能够有效地提高BP神经网络的收敛速度及预测精度.     

针对心血管疾病预测的改进算法模型

心血管疾病是危害人类生命的高危疾病之一,整合高新技术精准预测疾病发病的可能性、降低发病率是应对该疾病的最佳方法,也是不久的将来实现精准医学的关键技术之一。为了使数据类型标准化并保证数据格式的一致性,提高疾病预测的时效性以及疾病预测结果的精准度,整合国家标准化个人查体报告书及个人日常生活健康指标等相关信息,提出使用基于随机森林与Relief的特征选择方法进行数据降维,结合改进后的误差反向传播神经网络模型对心血管疾病进行预测。为了证实该模型的有效性,进行心血管疾病预测实验,并对实验结果进行可视化比较与分析。研究结果表明,改进的误差反向传播神经网络疾病预测模型在时效性、准确性与扩展性方面表现较好,分类精度达到98.68％,灵敏度达到98.78％,特异性达到98.56％,且预测速度提升了30%左右。     

基于智能集成的综合优化方法

研究了集成应用神经网络、遗传算法和专家系统技术来解决过程系统的复杂优化问题．由于神经网络的高度非线性映射能力,适合于大型复杂问题的建模．神经网络建立的是一个黑箱模型,不能用传统的数学规划方法求最优解,遗传算法适合于这种模型的寻优．有些复杂工程问题的优化,并非建立一个模型（数学模型或神经网络模型）求解就可以得到答案,而是依靠众多的工程因素和经验,对于这种优化问题,专家系统显示出突出的优势     

遗传算法在电力系统故障诊断中应用及智能设计

介绍了遗传算法及其在电力系统故障诊断中的应用,建立了基于遗传算法的模糊神经网络智能控制系统模型,并对模型的智能控制过程进行了分析,以故障分类算法为例,说明算法在电力故障诊断中的应用及其实现过程。     

智能型入侵检测模型的设计

针对目前大多数入侵检测系统存在的局限性,提出了一种较为完善的入侵检测模型,即将专家系统和神经网络技术同时应用于入侵检测系统中,重点分析了规则的生成.为进一步提高检测性能,提出了遗传算法优化BP(Back Propagation)神经网络,经论证本设计降低了漏报率和误报率.     

秋季可吸入颗粒物的污染特征研究——以北京市石景山区为例

分析了北京市石景山区秋季PM10质量浓度的变化特征,发现气候变化对PM10质量浓度有很大影响。利用带能谱的扫描电镜（SEM／EDX）分析了PM10的微观形貌特征,区分出矿物颗粒、燃煤飞灰、烟尘集合体、超细颗粒物和未知颗粒物等五种成分,并对所采样品中的矿物颗粒成分进行了分析。石景山区PM10污染呈燃煤污染、机动车尾气污染和扬尘污染的复合污染特征。     

基于人工智能的混凝土配合比优化设计

采用遗传算法对混凝土进行配合比优化设计,以经济成本为目标函数、以人工神经网络混凝土性能预测模型为约束条件,用实数编码表示个体的染色体位串,通过选择、交叉、变异等遗传算子作用,完成遗传操作,以优胜劣汰为原则,最终达到最优解。将优化结果和工程实例的配合比进行对比,可见该方法可降低造价、节约能源,具有较好的工程使用价值。     

基于神经网络集成的车牌字符识别

针对车牌字符在车牌图象退化时识别率较低的问题,提出一种基于神经网络集成的车牌字符识别方法。基于小生境遗传算法在提高进化的局部搜索方面的良好性能来动态构建个体网络差异性大的神经网络集成,进而提高整个集成系统的泛化能力。将该方法应用于车牌字符的识别,实验结果表明,该方法能有效地生成差异度较大的个体网络,得到的神经网络集成能有效提高车牌字符的识别率。     

用遗传神经网络混合算法求解可变加工时间Job-shop调度问题

有效地混合了遗传算法和基于约束满足的自适应神经网络算法,对于一类加工时间可变的调度问题进行了研究.遗传算法被用来进行迭代寻优.当前代经交叉和变异后生成的染色体对应非可行解,由自适应神经网络运算后得到可行解,对应的染色体作为新一代染色体.本算例的目标函数是基于任务的提前/拖期惩罚、附加惩罚以及加工时间的偏离量惩罚,目标是确定最优加工时间和最优加工顺序极小化目标函数,并与一般的遗传算法相比较,实验结果说明了遗传/自适应神经网络算法混合算法的有效性.