期刊文献+
共找到1,265篇文章
< 1 2 64 >
每页显示 20 50 100
GA-BP模型在HSS模型参数取值中的应用
1
作者 张杰 马杰 +2 位作者 陈啸海 钟鹏 王营营 《城市道桥与防洪》 2025年第1期229-235,共7页
小应变硬化土(HSS)模型可以有效反映土的压缩硬化特性和小应变特性,非常适合黄土基坑的数值模拟计算。但是,HSS模型包含了11个硬化土(HS)模型参数和2个小应变参数,而这2个小应变参数往往需要采用试验方法确定,获取过程复杂。为了探讨小... 小应变硬化土(HSS)模型可以有效反映土的压缩硬化特性和小应变特性,非常适合黄土基坑的数值模拟计算。但是,HSS模型包含了11个硬化土(HS)模型参数和2个小应变参数,而这2个小应变参数往往需要采用试验方法确定,获取过程复杂。为了探讨小应变参数的预测方法,采用经过遗传算法优化的BP神经网络模型,即GA-BP神经网络模型,首先根据预设的小应变参数水平经过数值模拟计算得到49组位移数据,然后将得到的数据用于GA-BP神经网络的训练,待GA-BP神经网络的预测误差达到要求之后,再使用实际的位移数据反演得到小应变参数,最后基于预测得到的小应变参数进行数值模拟。结果显示,GA-BP神经网络模型预测的小应变参数在基坑围护结构最大水平位移和地表最大沉降计算方面表现良好,可以应用于实际工程。 展开更多
关键词 岩土工程 遗传算法 HSS模型 bp神经网络 小应变参数 参数反演
在线阅读 下载PDF
基于改进BP神经网络的烟草收获机械故障诊断研究 被引量:2
2
作者 戴欧阳 胡洪林 《农机化研究》 北大核心 2025年第4期70-76,共7页
烟草收获机械是烟草生产中的重要技术支撑,是提高收获效率的重要保证,但由于烟草收获机械内部结构较为复杂,在使用过程中极易造成机械运行故障。随着大数据及传感器技术的快速发展,基于人工神经网络模型实现机械故障的预测与诊断成为提... 烟草收获机械是烟草生产中的重要技术支撑,是提高收获效率的重要保证,但由于烟草收获机械内部结构较为复杂,在使用过程中极易造成机械运行故障。随着大数据及传感器技术的快速发展,基于人工神经网络模型实现机械故障的预测与诊断成为提高烟草收获机械工作效率的重要技术。目前,主要以BP神经网络模型应用较为广泛,但在模型构建中预测效率低、鲁棒性强。针对以上问题,提出一种改进BP神经网络模型,以烟草收获机械中的齿轮故障诊断为研究对象,构建基于GA-BP神经网络模型的烟草收获机械齿轮故障诊断模型,并通过选取齿轮磨损、胶合、裂纹、断齿和正常齿轮的信号进行试验验证。结果表明:改进后的BP神经网络模型MAPE仅为0.87%,RMSE为1.12,MAE为0.92,MSE为1.19,满足烟草收获生产的实际需要,在模型算法与计算速度方面都得到了很大的提高。 展开更多
关键词 烟草收获 机械故障 遗传算法 bp神经网络 优化模型
在线阅读 下载PDF
基于SSA-BP神经网络的无人机发射参数择优
3
作者 贾华宇 郑会龙 +1 位作者 周洪 张谦 《华南理工大学学报(自然科学版)》 北大核心 2025年第4期90-101,共12页
火箭助推零长发射是无人机发射的重要形式,发射角度、助推器夹角、助推器推力等发射参数的选取直接关系到无人机发射任务的成败。无人机火箭助推零长发射在设计阶段借助工程经验选取发射角度、助推器夹角、助推器推力等关键参数时,存在... 火箭助推零长发射是无人机发射的重要形式,发射角度、助推器夹角、助推器推力等发射参数的选取直接关系到无人机发射任务的成败。无人机火箭助推零长发射在设计阶段借助工程经验选取发射角度、助推器夹角、助推器推力等关键参数时,存在发射参数迭代择优周期长、设计交互性差、容易造成无人机飞行姿态失稳的问题。该文以某无人机为研究对象,对其发射阶段进行动力学及运动学建模,构建了六自由度非线性模型,基于QT/C++软件编制无人机发射弹道参数化仿真软件,并结合某无人机真实发射试验数据,验证该发射弹道仿真软件的有效性。同时,为解决发射参数自主择优问题,在反向传播(BP)神经网络参数预测模型的基础上引入麻雀搜索算法(SSA)、粒子群优化算法(PSO)、遗传算法(GA)优化模块,提出基于SSA优化BP神经网络的无人机发射参数寻优方法,消除BP神经网络在参数预测过程中存在的过拟合及局部最优效应,对参数预测结果求绝对误差(MAE)、平均百分百误差(MAPE)、均方根误差(RMSE),综合评估SSA-BP对发射参数预测的优越性,并通过发射弹道校核验证发射参数选取的合理性。结果表明,SSA-BP模型对发射参数的预测精度最高、鲁棒性最好,可为无人机发射分系统工程设计阶段的发射参数自主择优选取提供设计依据。 展开更多
关键词 无人机发射 麻雀搜索算法 bp神经网络 参数寻优 建模仿真
在线阅读 下载PDF
基于GA-BP神经网络岩石单轴抗压强度预测模型研究
4
作者 张奥宇 杨科 +1 位作者 池小楼 张杰 《煤》 2025年第1期6-10,17,共6页
为探究更为精确的上覆岩层砂岩和泥岩单轴抗压强度与其弹性模量之间的关联性,结合胡家河矿56组砂岩和泥岩单轴抗压强度与弹性模量历史数据,运用遗传算法优化了BP神经网络的结构参数和学习参数,得到了最佳的网络结构和参数设置,利用GA-B... 为探究更为精确的上覆岩层砂岩和泥岩单轴抗压强度与其弹性模量之间的关联性,结合胡家河矿56组砂岩和泥岩单轴抗压强度与弹性模量历史数据,运用遗传算法优化了BP神经网络的结构参数和学习参数,得到了最佳的网络结构和参数设置,利用GA-BP神经网络对煤矿砂岩与泥岩单轴抗压强度进行了预测,并与传统的BP神经网络和非线性回归分析法进行了比较。研究结果表明,GA-BP神经网络预测模型在预测砂岩和泥岩单轴抗压强度与弹性模量间关系上具有较高的精度和泛化能力,能够有效地解决传统BP神经网络的局部最优和过拟合问题,相较于非线性回归分析,拥有更强的非线性关系建模能力,是一种适用于砂岩与泥岩单轴抗压强度预测的有效方法。 展开更多
关键词 岩石力学参数 非线性回归 bp神经网络 遗传算法 预测模型
在线阅读 下载PDF
基于BP神经网络的EHB主缸液压力估计
5
作者 史彪飞 王磊 +2 位作者 梁海强 李荣利 梁超 《汽车技术》 北大核心 2025年第1期57-62,共6页
电子液压制动(EHB)系统主缸液压力估计对降低EHB的传感器依赖性至关重要,基于BP神经网络进行主缸液压力估计。首先开展了实车道路试验,并采集车速、主缸活塞位移、主缸活塞速度和主缸液压力等数据。然后,以主缸活塞位移和主缸活塞速度... 电子液压制动(EHB)系统主缸液压力估计对降低EHB的传感器依赖性至关重要,基于BP神经网络进行主缸液压力估计。首先开展了实车道路试验,并采集车速、主缸活塞位移、主缸活塞速度和主缸液压力等数据。然后,以主缸活塞位移和主缸活塞速度为特征输入、以实际主缸液压力为目标输出建立BP神经网络,并采用训练集数据及梯度下降算法对BP神经网络进行训练。最后,利用测试集数据对液压力估计效果进行验证。结果表明,所提算法比基于动态位移压力模型和基于LSTM的估计算法估计误差分别减小38%和15%。 展开更多
关键词 电子液压制动 主缸液压力估计 位移压力模型 bp 神经网络
在线阅读 下载PDF
The Research and Application of BP Neural Networks in River-basin Water and Sediment
6
作者 Xu Quan-xi Engineer, Hydrology Bureau,Changjiang Water Resources Commission, Wuhan 430010,China 《人民长江》 北大核心 2001年第S1期53-56,共4页
Based on the basic principles of BP artificial neural network model and the fundamental law of water and sediment yield in a river basin, a BP neural network model is developed by using observed data, with rainfall co... Based on the basic principles of BP artificial neural network model and the fundamental law of water and sediment yield in a river basin, a BP neural network model is developed by using observed data, with rainfall conditions serving as affecting factors. The model has satisfactory performance of learning and generalization and can be also used to assess the influence of human activities on water and sediment yield in a river basin. The model is applied to compute the runoff and sediment transmission at Xingshan, Bixi and Shunlixia stations. Comparison between the results from the model and the observed data shows that the model is basically reasonable and reliable. 展开更多
关键词 WATER and SEDIMENT YIELD in a RIVER-BASIN OBSERVED data WATER and SEDIMENT variation bp neural network model
在线阅读 下载PDF
基于BP神经网络模型的客流预测研究——以西安地铁小寨站为例
7
作者 张思瑶 杜晨阳 +2 位作者 张懿槾 高婉琦 贺鹏飞 《河南科技》 2025年第3期59-64,共6页
【目的】为了提高客流量预测的准确性,研究基于BP神经网络模型的客流量预测方法,为城市公共交通的调度和规划提供更为可靠的数据支持。【方法】采用BP神经网络模型,利用历史客流量数据作为训练样本,构建能够对未来客流量进行预测的模型... 【目的】为了提高客流量预测的准确性,研究基于BP神经网络模型的客流量预测方法,为城市公共交通的调度和规划提供更为可靠的数据支持。【方法】采用BP神经网络模型,利用历史客流量数据作为训练样本,构建能够对未来客流量进行预测的模型。通过模型训练与验证,分析不同参数配置下的模型性能,并与传统预测方法进行了对比。【结果】结果表明,基于BP神经网络的预测模型在多个时间段的客流量预测中表现优异,预测误差显著低于传统方法。BP神经网络模型预测结果在仅使用均值进行预测的情况下,其准确度越接近于1精准度越高,即预测结果训练集为0.701,测试集为-0.906均接近于1。【结论】BP神经网络模型能够有效捕捉客流量的变化趋势,具有较高的预测精度,适用于复杂城市交通系统的客流量预测任务。未来的研究可进一步优化模型参数,并结合其他算法提高预测性能。 展开更多
关键词 bp神经网络模型 聚类分析法 移动平均法 客流预测
在线阅读 下载PDF
基于BP神经网络的汽油机NO_(x)、CO和HC排放预测模型及试验研究
8
作者 车金涛 范卓颖 陈铭世 《科学技术创新》 2025年第7期213-216,共4页
构建了基于BP神经网络的汽油机NO_(x)、CO和HC排放预测模型,并设计试验验证了该模型的排放预测效果。该模型以转速、负荷、EGR率三类数据作为输入量,以NO_(x)、CO和HC的排放作为输出量。首先使用训练样本数据进行模型训练,确定模型的神... 构建了基于BP神经网络的汽油机NO_(x)、CO和HC排放预测模型,并设计试验验证了该模型的排放预测效果。该模型以转速、负荷、EGR率三类数据作为输入量,以NO_(x)、CO和HC的排放作为输出量。首先使用训练样本数据进行模型训练,确定模型的神经元数量、选择传递函数并进行归一化处理,得到最终的BP神经网络模型。然后将测试样本数据输入到该模型后,得到NO_(x)、CO和HC的排放预测值。从试验结果来看,排放预测值与试验值的误差控制在10%以内,说明基于BP神经网络的汽油机NO_(x)、CO和HC排放预测模型的预测精度较高。 展开更多
关键词 bp神经网络 排放预测模型 传递函数 归一化处理
在线阅读 下载PDF
基于BP神经网络和LSTM网络模型的软土地基沉降预测分析
9
作者 刘亚辉 《工程技术研究》 2025年第2期18-20,共3页
为探究厦门某机场工程中软土地基大面积堆载造成的地表沉降问题,文章基于厦门某机场工程自动化监测项目,辅以人工监测进行对比,分析偏差的成因,同时利用神经网络(back propagation,BP)和长短期记忆网络(long short-term memory,LSTM)模... 为探究厦门某机场工程中软土地基大面积堆载造成的地表沉降问题,文章基于厦门某机场工程自动化监测项目,辅以人工监测进行对比,分析偏差的成因,同时利用神经网络(back propagation,BP)和长短期记忆网络(long short-term memory,LSTM)模型分别对典型区域表层沉降监测点的累计沉降量进行预测分析及精度对比,发现LSTM网络预测模型精度更高,整体预测效果优于BP神经网络模型,预测效果也更符合实际情况,能为计算工后沉降、评判处理效果、核实工程量等提供一定的参考依据。 展开更多
关键词 自动化监测 软土地基沉降 bp神经网络 LSTM网络模型
在线阅读 下载PDF
基于BP神经网络的多信号融合智能消防报警模型研究
10
作者 朱晟文 《长江信息通信》 2025年第2期137-139,共3页
针对传统智能消防产品功能与通信方式单一与运行功耗较高的问题,研究设计一种联合物联网技术、故障诊断技术、危险气体浓度检测、温度检测与红外火焰检测等多种功能的多信号融合智能消防报警模型,并在此基础上,通过误差反向传播神经网... 针对传统智能消防产品功能与通信方式单一与运行功耗较高的问题,研究设计一种联合物联网技术、故障诊断技术、危险气体浓度检测、温度检测与红外火焰检测等多种功能的多信号融合智能消防报警模型,并在此基础上,通过误差反向传播神经网络处理数据与分析数据,并与智能模型中的单片机产生连接。研究结果表明,研究方法在实际火灾应用场景的综合火焰检测率为97.5%,并且温度采集精度高达99.62%。上述结果说明研究方法具有更多样化的功能与通信方式,并且性能得到显著增长,促进了智能消防的发展。 展开更多
关键词 bp神经网络 多信号融合 消防报警 智能模型
在线阅读 下载PDF
基于BP神经网络的UHPC直剪承载力预测模型 被引量:1
11
作者 穆清君 李贤仰 +2 位作者 李思凡 宋显斌 潘仁胜 《世界桥梁》 北大核心 2024年第6期94-99,共6页
为提供准确的UHPC直剪承载力,以指导UHPC结构设计,建立一种基于BP神经网络的UHPC直剪承载力预测模型。该方法基于机器学习中的反向传播人工神经网络(BP-ANN),搜集现有相关试验数据并建立数据库,将混凝土抗压强度、受剪面积、纤维特征参... 为提供准确的UHPC直剪承载力,以指导UHPC结构设计,建立一种基于BP神经网络的UHPC直剪承载力预测模型。该方法基于机器学习中的反向传播人工神经网络(BP-ANN),搜集现有相关试验数据并建立数据库,将混凝土抗压强度、受剪面积、纤维特征参数、钢筋参数和侧向约束应力指定为输入特征参数,将直剪承载力指定为输出量,利用数据库对BP-ANN模型进行训练。将模型预测值与试验实测值和现有计算模型的结果进行对比,并采用SHAP算法对各参数重要性进行分析。结果表明:BP-ANN模型具有更好的预测效果,其相关系数R2达到0.953,平均绝对误差MAE为1.015,模型训练结果理想,可应用于实际的数据处理分析;侧向约束应力对直剪承载力的影响最大,钢筋参数影响最小。 展开更多
关键词 桥梁工程 UHPC 直剪承载力 bp神经网络 预测模型 参数分析 SHAP算法
在线阅读 下载PDF
基于拌和生产数据的BP神经网络混凝土抗压强度预测 被引量:4
12
作者 王海英 李子彤 +1 位作者 张英治 王晨光 《建筑科学与工程学报》 CAS 北大核心 2024年第3期18-25,共8页
为解决混凝土生产中抗压强度试验周期长及工程管理存在滞后性的问题,提出了一种基于混凝土拌和生产实时监控数据的BP神经网络混凝土抗压强度预测模型。以混凝土拌和生产中的8项物料生产称重数据和5项生产配比数据作为预测输入变量,建立... 为解决混凝土生产中抗压强度试验周期长及工程管理存在滞后性的问题,提出了一种基于混凝土拌和生产实时监控数据的BP神经网络混凝土抗压强度预测模型。以混凝土拌和生产中的8项物料生产称重数据和5项生产配比数据作为预测输入变量,建立200组混凝土拌和站生产监控数据和对应的抗压强度试验数据样本集,按照6∶2∶2比例划分为训练集、验证集和测试集;分别以C40配比混凝土拌和生产的8项物料称重数据和全部13项数据作为输入变量,进行混凝土28 d抗压强度预测,将预测结果与实际试验结果进行比较,验证所提出BP神经网络模型的预测效果。结果表明:所提出的BP神经网络混凝土强度预测模型能较好地实时预测混凝土28 d抗压强度,且相对误差优于利用7 d抗压强度试验数据估算值;8项物料称重数据作为输入变量的BP神经网络预测模型预测精度更好,平均绝对百分比误差为0.82%,均方根误差为0.52 MPa;利用不同拌和站C20配比、C30配比混凝土拌和生产监控数据对8项输入变量BP神经网络混凝土抗压强度预测模型进行适应性验证可知,其预测平均绝对误差均在0.5 MPa之内,平均绝对百分比误差均小于2%,与C40配比预测误差一致;该预测模型充分挖掘了混凝土拌和站生产实时监控数据的价值,实现了传统混凝土抗压试验结果提前化,对提高工程建设质量水平具有重要意义。 展开更多
关键词 混凝土 预测模型 bp神经网络 抗压强度 拌和生产监控数据
在线阅读 下载PDF
基于改进PSO-BP神经网络的热采管柱应力预测 被引量:2
13
作者 崔璐 李明峰 +3 位作者 王澎 牛科 邵帅超 常文权 《管道技术与设备》 CAS 2024年第2期10-16,23,共8页
稠油热采过程中,油套管柱由于在温度、地层等多重载荷作用下发生塑性形变进而导致断裂或失效。文中根据热采管柱高温服役工况,引入异步变化学习因子和自适应权重建立输入参数为注汽温度、井深、非均匀系数和水泥环温度,输出参数为套管... 稠油热采过程中,油套管柱由于在温度、地层等多重载荷作用下发生塑性形变进而导致断裂或失效。文中根据热采管柱高温服役工况,引入异步变化学习因子和自适应权重建立输入参数为注汽温度、井深、非均匀系数和水泥环温度,输出参数为套管应力的改进PSO-BP模型。文中以N80热采套管为例,选取260、280、300、320、340℃5种温度工况下有限元模拟结果作为训练数据,对比BP模型、GA-BP模型、MEA-BP模型、PSO-BP模型和改进PSO-BP模型在300℃工况温度下井深200、300、400、500、600、700 m处套管应力的预测值和试验值、有限元计算值。结果表明:改进PSO-BP模型预测的应力与试验值最接近,最大和最小误差分别为2.69%和0.06%。最后从训练数据、预测误差、计算时间等方面对建立的改进PSO-BP模型进行了评价,为热采管柱服役过程中的强度安全分析提供智能高效的模型。 展开更多
关键词 bp神经网络 应力 预测模型 粒子群优化算法
在线阅读 下载PDF
基于PCA-BP神经网络的巷道通风摩擦阻力系数预测模型 被引量:2
14
作者 高科 吕航宇 +1 位作者 戚志鹏 刘玉姣 《矿业安全与环保》 CAS 北大核心 2024年第1期7-13,共7页
根据实测巷道通风摩擦阻力系数数据的特点,建立了主成分分析PCA-BP神经网络预测模型。采用PCA法对影响巷道通风摩擦阻力系数的支护类型、断面形状、巷道宽、巷道高、支护部分周边长、巷道断面积和巷道长度7个因素进行降维。将降维后因... 根据实测巷道通风摩擦阻力系数数据的特点,建立了主成分分析PCA-BP神经网络预测模型。采用PCA法对影响巷道通风摩擦阻力系数的支护类型、断面形状、巷道宽、巷道高、支护部分周边长、巷道断面积和巷道长度7个因素进行降维。将降维后因素的贡献率进行排序筛选,得到3个主成分指标(F_(1)、F_(2)和F_(3)),作为BP神经网络输入层的神经元。利用实测数据对PCA-BP神经网络模型进行训练和测试,并将测试结果与支持向量机回归(SVM)模型和BP神经网络模型的测试结果进行对比,结果显示:全因素的BP神经网络预测模型和SVM预测模型的平均精度分别为92.9420%、93.0235%,而PCA-BP预测模型的平均精度达到了96.4325%。PCA-BP神经网络模型不但简化了网络结构,更提高了网络的泛化能力,使预测误差更小、精度更高,为更准确地获得巷道通风摩擦阻力系数提供了一种有效的方法。 展开更多
关键词 矿井通风 巷道通风摩擦阻力系数 预测模型 PCA-bp神经网络 主成分分析 影响因素
在线阅读 下载PDF
基于WOA-BP算法的自动压滤机脱水指标预测模型研究
15
作者 刘惠中 闻成钰 +2 位作者 曾聪 万小青 王朔 《有色金属(选矿部分)》 CAS 2024年第9期72-79,共8页
随着全球工业化的不断发展,矿山的开采规模正在不断扩大,导致矿物资源逐渐贫化,细杂等难选矿物资源越来越多。选矿磨矿粒度越来越细,导致矿物分选后产品的脱水过滤越来越困难。为保证后续运输和冶炼工序对精矿含水率的生产需求,需要使... 随着全球工业化的不断发展,矿山的开采规模正在不断扩大,导致矿物资源逐渐贫化,细杂等难选矿物资源越来越多。选矿磨矿粒度越来越细,导致矿物分选后产品的脱水过滤越来越困难。为保证后续运输和冶炼工序对精矿含水率的生产需求,需要使用自动压滤机对精矿进行高效率的脱水处理。在精矿的过滤脱水过程中,影响自动压滤机脱水效率的因素众多。为更好地对脱水过程及生产指标进行控制,基于鲸鱼算法WOA优化的BP神经网络构建了一种WOA-BP神经网络模型,以入料浓度、入料时间、压榨时间、风干时间等4项影响脱水指标的因素为输入因子,以滤饼含水率和单位面积每小时处理量为输出因子,建立了脱水指标的预测模型,并对比分析单一BP神经网络模型和WOA-BP神经网络模型。结论如下:WOA-BP预测模型对滤饼含水率和单位面积每小时处理量的平均绝对误差分别为4.98%、8.83%,均方根误差分别为0.86%、3.43%,与单一的BP神经网络预测模型相比,该预测模型预测误差明显小于单一BP神经网络预测模型,脱水指标的预测结果更接近实测值,具有较高精确度。利用构建的WOA-BP预测模型,可以有效预测压滤机的脱水过滤指标,为后续对脱水过程的控制进行优化奠定了基础。 展开更多
关键词 脱水效率 bp神经网络模型 鲸鱼算法 指标预测
在线阅读 下载PDF
基于遗传算法和BP神经网络的矿区土壤重金属含量空间分布预测
16
作者 赵萍 阮旭东 +4 位作者 刘亚风 赵思逸 孙雨 常杰 周俊 《土壤》 CAS CSCD 北大核心 2024年第4期889-896,共8页
本研究提出了一种基于遗传算法(Genetic algorithm,GA)和BP神经网络(Back propagation neural network,BPNN)的复合模型——GABP模型,以安徽省池州市某矿区及其周边为研究区,预测了土壤中p H和7种重金属元素(Cd、Pb、Cr、Cu、Ni、Hg、As... 本研究提出了一种基于遗传算法(Genetic algorithm,GA)和BP神经网络(Back propagation neural network,BPNN)的复合模型——GABP模型,以安徽省池州市某矿区及其周边为研究区,预测了土壤中p H和7种重金属元素(Cd、Pb、Cr、Cu、Ni、Hg、As)含量的空间分布,并与BPNN和反比距离权重法(Inverse distance weighting,IDW)进行了比较。研究结果表明:受采矿活动影响,研究区土壤p H和重金属含量呈显著的空间分异性;GABP复合模型的数据扩增能够有效弥补BPNN对样本数量的依赖,同时结合了地理位置和高程属性,精度评价结果显示GABP模型的平均R^(2)、r、RMSE、MAE分别是IDW和BPNN的3.03倍、2.56倍,2.93倍、2.39倍,0.85倍、0.61倍,0.79倍、0.62倍,预测精度更高。模型解决了传统空间插值方法结果中可能出现负值和边界无法插值的问题,为土壤重金属含量空间分布预测提供了一种新方法。 展开更多
关键词 遗传算法 bp神经网络 GAbp模型 空间分布预测 重金属含量
在线阅读 下载PDF
基于SSA-BP的爆破振动峰值速度预测研究 被引量:3
17
作者 李攀云 高文学 +3 位作者 张小军 何茂林 葛晨雨 王林 《爆破》 CSCD 北大核心 2024年第3期205-211,共7页
为了精准预测爆破振动峰值速度(PPV),有效降低爆破振动的危害,以星光一号露天矿山爆破工程为依托,选取爆心距、堵塞长度、最小抵抗线、炸药单耗、最大单孔装药量、总延期时间、最大单响药量等7个影响因素作为输入变量,采用灰色关联分析... 为了精准预测爆破振动峰值速度(PPV),有效降低爆破振动的危害,以星光一号露天矿山爆破工程为依托,选取爆心距、堵塞长度、最小抵抗线、炸药单耗、最大单孔装药量、总延期时间、最大单响药量等7个影响因素作为输入变量,采用灰色关联分析法评估各因素与PPV之间的相关性,构建麻雀搜索算法(SSA)优化BP神经网络的爆破峰值振速预测模型,对三向峰值振动速度进行预测,并与BP神经网络模型预测结果进行对比分析,得到SSA-BP神经网络模型预测结果的平均误差分别为6.08%、7.34%、1.91%,BP神经网络模型预测结果的平均误差分别为22.19%、54.01%、25.29%。研究结果表明:SSA-BP神经网络模型全面考虑了多种爆破设计参数对振动峰值速度的影响;麻雀搜索优化算法有效解决了传统BP神经网络模型容易陷入局部最优的问题,预测结果更精确,与振速监测值吻合度更高、误差更小;并且极大地缩短了样本数据的学习训练时间,加快BP神经网络预测模型的收敛速度,可为类似露天爆破工程质点峰值振速的预测提供借鉴。 展开更多
关键词 爆破振动 露天矿山 质点峰值振速预测 bp神经网络 SSA-bp神经网络模型
在线阅读 下载PDF
日光温室环境因子预测模型及应用——基于BP神经网络 被引量:2
18
作者 宋财柱 塔娜 +3 位作者 闫彩霞 孙云峰 甄琦 李晓凯 《农机化研究》 北大核心 2024年第10期175-179,186,共6页
为探讨北方日光温室内空气温湿度的变化规律,预测其变化趋势,进而确定合理的调控措施,采用L-M算法建立BP神经网络预测模型;选择S型函数作为网络激活函数,建立一种适用于北方日光温室空气温湿度环境因子的模拟预测模型。选取正常生产的... 为探讨北方日光温室内空气温湿度的变化规律,预测其变化趋势,进而确定合理的调控措施,采用L-M算法建立BP神经网络预测模型;选择S型函数作为网络激活函数,建立一种适用于北方日光温室空气温湿度环境因子的模拟预测模型。选取正常生产的日光温室为试验基地进行数据采集,采用皮尔逊相关系数确定模拟预测模型的输入因子,从1个月1440组实测数据中选取前29天的数据进行训练,对最后一天预测出的数据进行验证。研究结果表明:分段预测的预测值与实测值的符合度值大于全天预测,且分段预测的符合度大于0.99,均方根误差小于0.4,模型可用于模拟和预测北方日光温室大棚内空气温度与湿度的变化趋势,具有良好效果。 展开更多
关键词 日光温室 环境因子 bp神经网络 预测模型
在线阅读 下载PDF
基于GM(1,1)-IPSO-BP的重载铁路小半径曲线钢轨磨耗预测方法
19
作者 张斌 高玉祥 +2 位作者 陈再刚 王开云 时瑾 《哈尔滨工业大学学报》 EI CAS CSCD 北大核心 2024年第11期115-122,131,共9页
为实现重载铁路小半径曲线段钢轨磨耗量的精准预测,提出一种非等间距灰色模型GM(1,1)与改进粒子群算法(IPSO)优化BP神经网络相结合的钢轨磨耗预测方法。首先,根据积分原理优化GM(1,1)非等间距模型的背景值计算方法,基于改进的模型得到... 为实现重载铁路小半径曲线段钢轨磨耗量的精准预测,提出一种非等间距灰色模型GM(1,1)与改进粒子群算法(IPSO)优化BP神经网络相结合的钢轨磨耗预测方法。首先,根据积分原理优化GM(1,1)非等间距模型的背景值计算方法,基于改进的模型得到实测磨耗序列的初步预测结果;然后,利用IPSO算法对BP神经网络的权值和阈值进行自动寻优,对GM(1,1)模型初步预测序列的残差进行校正;最后,将优化后的两种模型组合构建基于GM(1,1)-IPSO-BP的重载铁路小半径曲线地段钢轨磨耗量预测模型。以某重载铁路桥上半径400 m曲线为例,利用长期的磨耗监测数据进行方法的适用性分析,研究结果表明:GM(1,1)-IPSO-BP模型克服了磨耗数据的非线性、随机性特征对计算结果的影响,预测精度优于单独使用GM(1,1)、IPSO-BP模型;背景值优化后的GM(1,1)模型预测准确性更可靠;IPSO优化算法提高了BP神经网络计算的精度和速度;预测结果和实测数据之间的相对误差不大于4%;在预测区间上的绝对误差小于0.4 mm,运用该方法能够较准确地得到钢轨磨耗的发展规律。研究结果可为重载铁路小半径曲线钢轨的精准维修和科学使用提供参考。 展开更多
关键词 钢轨磨耗 GM(1 1)模型 小半径曲线 bp神经网络 重载铁路 粒子群算法
在线阅读 下载PDF
基于MD-PCA-BP模型的露天矿山爆破振动速度预测 被引量:2
20
作者 赵茉溪 杨玉民 +4 位作者 周传波 张升 陈文忠 杨茂森 张玉琦 《爆破》 CSCD 北大核心 2024年第2期203-211,共9页
为解决露天矿山爆破复杂场地地质条件的爆破振动预测问题,提出了一种基于马氏距离判别(MD)和主成分分析(PCA)的改进BP神经网络预测模型,即MD-PCA-BP模型。结合内蒙古长滩露天矿爆破振动监测数结果,利用马氏距离判别法剔除监测数据的离群... 为解决露天矿山爆破复杂场地地质条件的爆破振动预测问题,提出了一种基于马氏距离判别(MD)和主成分分析(PCA)的改进BP神经网络预测模型,即MD-PCA-BP模型。结合内蒙古长滩露天矿爆破振动监测数结果,利用马氏距离判别法剔除监测数据的离群值,并采用主成分分析法对爆破振动影响因素进行降维处理得到3个主成分因子,计算各主成分因子的得分,最终通过BP神经网络构建爆破振动与主成分得分的非线性关系,建立了基于MD-PCA-BP的爆破振动预测模型。结果表明:基于MD-PCA-BP模型建立的爆破振动速度预测模型预测结果与实测值的拟合度达到0.94,预测模型具有较高的预测精度;将预测结果与萨道夫斯基经验公式、2个改进的高程经验公式、MD-BP模型、PCA-BP模型以及BP模型进行比较,MD-PCA-BP模型的预测误差大部分在10%以内,相较于经验公式和未改进的BP预测模型具有更高的可靠度和准确度。基于MD-PCA-BP的爆破振动预测模型在复杂地形的爆破振动速度预测方面表现出了良好的预测效果,对复杂地形的爆破振动预测具有一定的参考作用。 展开更多
关键词 露天矿山 爆破振动 马氏距离 主成分分析 bp神经网络模型
在线阅读 下载PDF
上一页 1 2 64 下一页 到第
使用帮助 返回顶部