期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到877篇文章
< 1 2 … 44 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
改进粒子群优化算法结合BP神经网络模型的水体透射光谱总磷浓度预测研究 被引量：3
1
作者 张国浩 王彩玲 +1 位作者 王洪伟 于涛 《光谱学与光谱分析》 北大核心 2025年第2期394-402,共9页
使用光谱数据结合融合算法对水体污染物含量进行准确检测以保护水资源已成为一个关键问题。然而,光谱数据的高维特性以及模型的不稳定常常导致预测效果不佳,无法准确的进行检测。本研究提出了一种环保和准确的方法,实现对长江水体中总... 使用光谱数据结合融合算法对水体污染物含量进行准确检测以保护水资源已成为一个关键问题。然而,光谱数据的高维特性以及模型的不稳定常常导致预测效果不佳,无法准确的进行检测。本研究提出了一种环保和准确的方法,实现对长江水体中总磷浓度含量的预测。具体而言,首先对测得的长江水质光谱数据进行最大最小归一化和均值中心化两种预处理操作,在消除不同数据量级差异的同时去除了噪声,确保了数据的一致性和可靠性。其次,为了解决光谱数据的高维度问题,采用了核主成分分析(KPCA)方法来降低数据维度并提取特征。KPCA方法通过在高维度的空间中找到一个分类平面,选出能代表原始数据99.42%信息量的前6个主成分,用于后续预测模型的训练。接着在原始粒子群算法的基础上引入了粒子初始化规则、多种群竞争策略、参数自适应更新策略、种群多样性引导策略和粒子变异机制,提高了粒子群的寻优能力,降低粒子陷入局部最优解的概率。并使用改进后的粒子群算法对BP神经网络(BPNN)中的初始化权重和参数大小进行寻优,从而加快网络的收敛效果,提高预测能力。最后,使用本研究所提出的预测模型对测试集中的样本进行总磷浓度的预测,实验结果得到R^(2)为0.975786,RMSE为0.002242,MAE为0.001612。将本模型与当前预测性能较好的其他基准模型进行预测效果的对比,本研究所提出的模型对长江水体总磷浓度预测拟合效果更好,精确度更高。在水资源保护和环境管理领域中使用光谱数据结合融合算法进行预测模型的研究和实践提供了新的思路和观点。 展开更多
关键词 光谱数据 改进粒子群优化算法 bp神经网络模型 核主成分分析(KPCA) 总磷浓度
在线阅读 下载PDF
基于粒子群优化的BP神经网络PID的加速度计组件温控算法 被引量：1
2
作者 魏国 朱旭 +3 位作者 高春峰 侯承志 程嘉奕 陈迈伦 《中国惯性技术学报》 北大核心 2025年第4期359-366,共8页
在高精度惯性导航系统和惯性重力测量系统中,石英挠性加速度计的温变特性直接影响着系统的导航精度和重力测量系统精度,加速度的高精度信息测量对加速度计组件工作环境温度稳定性提出了更高要求。为进一步提高温控精度和抗扰动能力,提... 在高精度惯性导航系统和惯性重力测量系统中,石英挠性加速度计的温变特性直接影响着系统的导航精度和重力测量系统精度,加速度的高精度信息测量对加速度计组件工作环境温度稳定性提出了更高要求。为进一步提高温控精度和抗扰动能力,提出了基于PSO-BPNN-PID控制器,利用粒子群优化算法和反向传播算法对神经网络PID控制器进行离线和在线的连接权值整定,实现石英挠性加速度计组件一体化温度控制算法,满足加速度计组件的自适应智能控制需求。仿真和实验结果表明,所提算法能够显著提升系统的温度稳定性,可实现±0.002℃的温度稳定控制。同时,验证了系统具备快速响应温度变化的能力,能够在短时间内将温度调整至设定值附近,并有效抑制超调现象。此外,实验还模拟了外部扰动情况,验证了系统在面对扰动时能够迅速恢复稳定状态,表现出优越的抗扰动能力,可以满足多种温度环境下的加速度计组件高精度温控应用需求。 展开更多
关键词 石英挠性加速度计 温度控制 粒子群优化算法 bp神经网络
在线阅读 下载PDF
基于粒子群优化算法的量子卷积神经网络 被引量：1
3
作者 张嘉雯 蔡彬彬 林崧 《量子电子学报》 北大核心 2025年第1期123-135,共13页
针对当前量子卷积神经网络模型中参数化量子电路缺乏自适应目标选择策略的问题,提出了一种基于粒子群优化算法自动优化电路的量子卷积神经网络模型。该模型通过将量子电路编码为粒子,并利用粒子群优化算法对电路进行优化,从而搜索出在... 针对当前量子卷积神经网络模型中参数化量子电路缺乏自适应目标选择策略的问题,提出了一种基于粒子群优化算法自动优化电路的量子卷积神经网络模型。该模型通过将量子电路编码为粒子,并利用粒子群优化算法对电路进行优化,从而搜索出在图像分类任务上表现优异的电路结构。基于Fashion MNIST和MNIST标准数据集的仿真实验表明,该模型具有较强的学习能力和良好的泛化性能,准确率分别可达94.7%和99.05%。相较于现有量子卷积神经网络模型,平均分类精度最高分别提升了4.14%和1.43%。 展开更多
关键词 量子光学 量子卷积神经网络 粒子群优化算法 量子机器学习 参数化量子电路
在线阅读 下载PDF
基于粒子群优化BP神经网络的核事故源项反演
4
作者 游清悦 曹博 +3 位作者 彭丁萍 李中昊 缪学伟 陈洲亮 《核电子学与探测技术》 北大核心 2025年第3期371-381,共11页
核事故发生后,快速准确地估算源物质的释放速率对于提升核应急响应速度及确保决策的可靠性至关重要。本文选择碘-131(^(131)I)核素的释放速率作为源项反演的目标值,利用课题组开发的放射性核素大气扩散模拟程序RADC生成神经网络训练所... 核事故发生后,快速准确地估算源物质的释放速率对于提升核应急响应速度及确保决策的可靠性至关重要。本文选择碘-131(^(131)I)核素的释放速率作为源项反演的目标值,利用课题组开发的放射性核素大气扩散模拟程序RADC生成神经网络训练所需的数据集。利用Matlab构建了粒子群算法(Particle Swarm Optimization,PSO)优化误差反向传播(Back Propagation,BP)神经网络的核事故源项反演模型,同时考虑了粒子群算法中超参数和适应度函数的不同对算法优化性能的影响。结果表明:PSOBP模型源项反演测试结果的平均绝对百分比误差为2.14%,平均绝对误差为0.011437,均方差为0.000685,各个评价指标明显优于BP神经网络,验证了该模型的可行性,有助于快速核应急响应。 展开更多
关键词 源项反演 bp神经网络 粒子群优化 参数优化 适应度函数
在线阅读 下载PDF
基于神经网络和粒子群算法的船舶板架动力学优化
5
作者 周俞 栾晨 夏利娟 《舰船科学技术》 北大核心 2025年第15期30-35,共6页
本文提出一种基于神经网络和粒子群算法(Particle Swarm Optimization,PSO)的船舶板架动力学优化方法,用于板架布局的快速寻优。首先,分析船舶板架布局的特征参数,利用拉丁超立方采样和模态分析获得样本点的固有频率;然后,构建BP神经网... 本文提出一种基于神经网络和粒子群算法(Particle Swarm Optimization,PSO)的船舶板架动力学优化方法,用于板架布局的快速寻优。首先,分析船舶板架布局的特征参数,利用拉丁超立方采样和模态分析获得样本点的固有频率;然后,构建BP神经网络代理模型,用以反映板架特征参数和固有频率之间的非线性映射关系;最后,结合粒子群算法,以结构重量和一阶固有频率为目标,将代理模型应用于船舶板架结构的动力学优化,以确定较优的布局型式。结果表明,BP神经网络代理模型对板架固有频率的预测具有较高的精度,BP-PSO方法对不同尺寸和类型的板架均适用,具有广泛性、高效性、普适性的优势。因此,BP-PSO法能为板架优化设计提供较好的思路和方案。 展开更多
关键词 船舶板架结构 bp神经网络代理模型 粒子群算法 结构动力学优化
在线阅读 下载PDF
基于粒子群优化BP神经网络的步态相位识别
6
作者 代金隧 何志琴 +3 位作者 马家庆 吴钦木 刘洪举 李永杰 《传感器与微系统》 北大核心 2025年第10期78-81,共4页
为了解决传统的反向传播(BP)神经网络在步态相位识别中易陷入局部最优解的问题,并增强BP神经网络在步态相位识别的准确性和高效性,提出了一种基于粒子群优化(PSO)的BP神经网络识别算法。该算法以经过滤波、特征提取以及基于步态相位划... 为了解决传统的反向传播(BP)神经网络在步态相位识别中易陷入局部最优解的问题,并增强BP神经网络在步态相位识别的准确性和高效性,提出了一种基于粒子群优化(PSO)的BP神经网络识别算法。该算法以经过滤波、特征提取以及基于步态相位划分准则分割后的数据作为输入,通过不断迭代更新粒子的速度和位置,来优化BP神经网络的权重和阈值。基于优化后的BP神经网络对输入数据进行训练,导出训练好的模型参数,并将其嵌入到外骨骼样机中进行实时步态相位识别测试。结果显示,该模型具有良好的实时性和高准确率,能够准确地识别步态相位。 展开更多
关键词 粒子群优化算法 反向传播神经网络 步态相位 外骨骼样机
在线阅读 下载PDF
基于改进灰狼算法优化BP神经网络的RSS指纹定位
7
作者 刘伟 李艾龙 +1 位作者 李卓 王智豪 《电子测量技术》 北大核心 2025年第14期162-175,共14页
室内定位技术,特别是基于接收信号强度(RSSI)的指纹定位方法,因其成本低廉、设备支持广泛、易于部署、计算开销小等特点,受到了广泛关注。为了增强RSSI与实际物理距离之间的映射关系并提高测距精度,本文提出了一种基于改进灰狼优化(IGWO... 室内定位技术,特别是基于接收信号强度(RSSI)的指纹定位方法,因其成本低廉、设备支持广泛、易于部署、计算开销小等特点,受到了广泛关注。为了增强RSSI与实际物理距离之间的映射关系并提高测距精度,本文提出了一种基于改进灰狼优化(IGWO)算法与反向传播神经网络(BPNN)结合的RSSI测距算法。与遗传算法(GA)、粒子群算法(PSO)和经典灰狼优化算法(GWO)相比,改进的GWO算法在定位精度和全局搜索能力方面具有显著优势。通过实验,本文提出的IGWO算法在均方根误差RMSE上相比GWO算法、GA算法、PSO算法分别减少了21.3%、15.7%、14.6%,IGWO算法表现出了较好的定位性能,在精度和性能上均优于传统方法。 展开更多
关键词 室内定位 RSSI测距 bp神经网络 灰狼算法 粒子群算法
在线阅读 下载PDF
基于嵌套优化的GA-PSO-BP神经网络短期风功率预测方法研究 被引量：3
8
作者 刘翘楚 王杰 +3 位作者 秦文萍 张文博 陈玉梅 刘佳昕 《电网与清洁能源》 北大核心 2025年第2期138-146,共9页
短期风电功率预测对于保障电力系统稳定运行具有重要意义。针对单一BP(back propagation)神经网络预测模型难以满足风电功率的强随机波动特性,结合遗传算法(geneticalgorithm,GA)和粒子群智能算法(particleswarm optimization,PSO),提... 短期风电功率预测对于保障电力系统稳定运行具有重要意义。针对单一BP(back propagation)神经网络预测模型难以满足风电功率的强随机波动特性,结合遗传算法(geneticalgorithm,GA)和粒子群智能算法(particleswarm optimization,PSO),提出嵌套优化的GA-PSO-BP神经网络短期风电功率预测模型。建立内外双层嵌套的优化机制,内层机制中引入GA算法优化PSO算法学习因子,优化后PSO算法作为外层机制实现BP神经网络阈值和权值的优化。模拟风电数据预测结果表明,比起GA-BP、PSO-BP、长短期记忆网络(long short-term memory,LSTM)预测模型,所提嵌套优化模型在平均绝对误差(mean absolute error,MAE)、均方根误差(root mean squared error,RMSE)、决定系数R2 3个评价维度上均取得了最优值;利用山西某风电场不同月份、不同时段、不同波动特征的实际运行数据进行验证,预测结果表明MAE均小于0.02,R2均大于0.99,所提嵌套优化模型具有较高的预测精度和拟合程度。 展开更多
关键词 风电功率预测 bp神经网络 遗传算法 粒子群算法 嵌套优化
在线阅读 下载PDF
基于粒子群优化长短期记忆神经网络的电池容量估计
9
作者 王科 彭晶 +2 位作者 杜宇维 杨骏 巫春玲 《科学技术与工程》 北大核心 2025年第29期12511-12518,共8页
针对锂离子电池在老化和衰退过程中容量的非线性和非平稳特性问题,结合充放电特性的变化,提出了一种基于粒子群优化长短期记忆神经网络(particle swarm optimization long short-term memory neural network,PSO-LSTM)的电池容量预测模... 针对锂离子电池在老化和衰退过程中容量的非线性和非平稳特性问题,结合充放电特性的变化,提出了一种基于粒子群优化长短期记忆神经网络(particle swarm optimization long short-term memory neural network,PSO-LSTM)的电池容量预测模型。该方法详细描述了锂离子电池充放电过程中的关键环节,包括恒流充电时间、恒压充电时间及放电过程中的电压变化,并明确了这些特征与老化之间的相关性。通过数据挖掘技术,系统地提取了这些特征在电池生命周期中的变化规律,从而为电池性能评估提供了可靠的基础。为验证所提出方法的有效性,进行了多组实验,通过与传统预测模型进行比较,实验结果表明,该模型在容量估计中的最大均方根误差(root mean squared error,RMSE)仅为2.4176,最大平均绝对误差(mean absolute error,MAE)为1.9843,展示了良好的适应性与鲁棒性,能够有效反映电池的实际性能衰退情况,为电池管理系统的优化提供了重要的理论支持。 展开更多
关键词 锂离子电池 容量估计 粒子群优化算法 长短期记忆神经网络
在线阅读 下载PDF
计及改进粒子群算法优化BP神经网络的沼气产量软测量预测模型 被引量：4
10
作者 于雪彬 贾宇琛 +2 位作者 高立艾 周加栋 霍利民 《太阳能学报》 EI CAS CSCD 北大核心 2024年第8期643-650,共8页
为准确预测大中型沼气工程的日产气量,提出一种利用基于PSO-BP模型的软测量方法。首先,依托软测量技术选取参数;其次,以进料量、发酵温度、液位、罐内液压等参数作为输入量,沼气日产量为输出量进行模型建立。在此基础上,使用线性降低权... 为准确预测大中型沼气工程的日产气量,提出一种利用基于PSO-BP模型的软测量方法。首先,依托软测量技术选取参数;其次,以进料量、发酵温度、液位、罐内液压等参数作为输入量,沼气日产量为输出量进行模型建立。在此基础上,使用线性降低权重系数法和引入变异算子对粒子群算法进行改进,并对BP神经网络进行初始化来提高模型性能。通过实验比较改进PSO-BP模型、传统BP神经网络以及遗传算法优化的BP神经网络在预测沼气日产量方面的性能,采用改进的PSO-BP模型进行预测时,均方根误差(RMSE)、决定系数(R2)和平均绝对误差(MAE)分别为1.38440、0.84011和1.00910,证明改进PSO-BP模型结合软测量技术对进行复杂非线性牛粪高温厌氧发酵过程预测的可行性,同时可保证预测结果的精准性。 展开更多
关键词 生物质能 沼气 粒子群优化算法 bp神经网络 软测量技术
在线阅读 下载PDF
基于粒子群优化神经网络的光网络节点信号异常数据提取
11
作者 何健 张瀚驰 《激光杂志》 北大核心 2025年第3期181-186,共6页
随着现代光通信网络的快速发展,光网络的安全性备受瞩目。为了保证信息的准确性,降低光网络异常信息出现的频率,提出基于粒子群优化光网络节点信号异常数据提取方法。首先,设计滤波器组对光网络节点信号展开频带处理。在此基础上构造判... 随着现代光通信网络的快速发展,光网络的安全性备受瞩目。为了保证信息的准确性,降低光网络异常信息出现的频率,提出基于粒子群优化光网络节点信号异常数据提取方法。首先,设计滤波器组对光网络节点信号展开频带处理。在此基础上构造判决统计量,将其作为依据判决处理各频带,实现节点信号增强处理;其次,依据经验模态算法对节点信号展开分解,通过筛选获取有效的IMF分量,计算其能量作为该节点信号特征,为后续异常数据的提取提供依据。最后,通过粒子群优化算法优化BP神经网络权值,将节点信号特征输入优化后的神经网络,实现光网络节点信号异常数据提取。经实验验证:该方法对节点信号增强效果好,提取IMF分量能量以及光网络节点信号异常数据精度高、稳定性好。 展开更多
关键词 光网络节点信号 经验模态分解 bp神经网络 粒子群算法 异常数据提取
在线阅读 下载PDF
基于GA-BP神经网络和改进粒子群算法的碰撞射流和冷却顶板复合空调系统优化
12
作者 齐贺闯 叶筱 +2 位作者 高延峰 亢燕铭 钟珂 《东华大学学报（自然科学版）》 CAS 北大核心 2024年第1期110-117,共8页
对碰撞射流和辐射顶板(IJV/RC)复合空调在不同室内负荷条件下运行时的室内热环境进行数值模拟,基于遗传算法-反馈(GA-BP)神经网络建立运行性能(吹风感R_(PD),头足温差Δt,空气交换效率e ACE,工作区平均温度t_(a))与设计变量(送风温度t_... 对碰撞射流和辐射顶板(IJV/RC)复合空调在不同室内负荷条件下运行时的室内热环境进行数值模拟,基于遗传算法-反馈(GA-BP)神经网络建立运行性能(吹风感R_(PD),头足温差Δt,空气交换效率e ACE,工作区平均温度t_(a))与设计变量(送风温度t_(s)、送风速度v_(s)、冷却顶板内表面温度t_(c)、房间负荷Q_(c))之间的预测模型,通过相关性分析确定设计变量对运行性能影响的显著性并排序。结果表明,增大v_(s)可使Δt降低,但R_(PD)增大;增大t_(c)有助于降低Δt和R_(PD),但t_(a)升高;为使t_(a)下降,可通过降低t_(s)来实现,但室内空气质量变差。为确保IJV/RC复合空调能在保证室内热舒适的同时提供良好室内空气品质,利用改进粒子群算法对复合空调的运行性能进行多目标同时优化,建立不同房间负荷条件下的设计参量最优匹配关系。研究结果可为IJV/RC复合空调的优化设计和运行控制提供理论指导。 展开更多
关键词 碰撞射流通风 冷却顶板 GA-bp神经网络 粒子群优化算法 多目标优化
在线阅读 下载PDF
一种粒子群优化脉冲耦合神经网络的全色锐化算法
13
作者 赵志威 付昱凯 杨树文 《航天返回与遥感》 CSCD 北大核心 2024年第5期51-63,共13页
为了进一步降低多光谱与全色影像融合后的光谱和空间信息失真,提高融合质量,文章提出一种粒子群优化脉冲耦合神经网络的多光谱与全色影像融合算法。该算法基于主成分分析和非下采样剪切波搭建融合方法的基础融合框架,在低频系数融合过... 为了进一步降低多光谱与全色影像融合后的光谱和空间信息失真,提高融合质量,文章提出一种粒子群优化脉冲耦合神经网络的多光谱与全色影像融合算法。该算法基于主成分分析和非下采样剪切波搭建融合方法的基础融合框架,在低频系数融合过程中使用细节注射的融合方法,降低非必要的信息注射,从而提高光谱保持度。在融合高频系数时,采用参数自适应的简化脉冲耦合神经网络计算融合权重,并基于粒子群优化算法全局搜索能够获取最佳融合质量的对应参数,以提高空间信息的完整性和清晰度。文章通过三组实验验证提出算法的可行性,并与现有的、经典的融合算法进行对比,实验显示:文章提出的融合算法在三组实验中的光谱角映射均在0.1左右,通用图像质量指数在0.9以上。实验结果表明:该算法不仅能够有效提高全色与多光谱影像的融合质量,而且融合效果稳健,在对比实验中具有最佳的融合性能。 展开更多
关键词 全色与多光谱影像 遥感影像融合 脉冲耦合神经网络 粒子群优化算法
在线阅读 下载PDF
基于PSO-BP神经网络的单位注浆量预测 被引量：2
14
作者 陈泓 黄永辉 +1 位作者 张智宇 陈成志 《有色金属(中英文)》 北大核心 2025年第2期288-297,共10页
帷幕注浆作为矿山控制地下水的重要手段之一,对矿山的安全生产十分重要,单位注浆量作为注浆效果的关键评价指标,具有不确定性。基于尖山磷矿帷幕注浆试验段注浆数据,进行单位注浆量影响因素相关性分析,分别构建单位注浆量卷积神经网络(C... 帷幕注浆作为矿山控制地下水的重要手段之一,对矿山的安全生产十分重要,单位注浆量作为注浆效果的关键评价指标,具有不确定性。基于尖山磷矿帷幕注浆试验段注浆数据,进行单位注浆量影响因素相关性分析,分别构建单位注浆量卷积神经网络(CNN)、BP神经网络、遗传算法优化神经网络(GA-BP)和粒子群算法优化神经网络(PSO-BP)预测模型进行预测和准确性分析。结果表明:斯皮尔曼相关系数法和肯德尔相关系数法对单位注浆量影响因素分析结果一致,影响因素相关性由强到弱为:注浆持续时间、水灰比、注前透水率、注浆段长度、注浆压力、钻孔深度;PSO-BP神经网络模型预测效果明显优于另外三种预测模型,R^(2)达到0.94527,RMSE值分别降低80%、56%、49%;MAE值分别降低68.3%、48.6%、23.2%,验证了该模型的优越性。该模型能够更准确地对单位注浆量进行预测,对后续注浆工作的实施具有一定参考,可为帷幕注浆效果评价提供重要的指导建议。 展开更多
关键词 帷幕注浆 单位注浆量 相关性分析 bp神经网络 粒子群优化算法
在线阅读 下载PDF
自适应策略优化的粒子群优化算法在神经网络架构搜索中的应用 被引量：3
15
作者 程金芮 金瑾 +3 位作者 张朝龙 孔超 何嘉 张鑫 《计算机应用》 CSCD 北大核心 2024年第S01期60-64,共5页
针对神经网络架构搜索(NAS)任务,提出一种自适应重启策略驱动的协作学习粒子群优化(ARCLPSO)算法。算法核心流程包括协作学习与信息共享、策略切换和参数自适应,以改进传统粒子群优化(PSO)算法在NAS中的性能。ARCLPSO算法结合了全局与... 针对神经网络架构搜索(NAS)任务,提出一种自适应重启策略驱动的协作学习粒子群优化(ARCLPSO)算法。算法核心流程包括协作学习与信息共享、策略切换和参数自适应,以改进传统粒子群优化(PSO)算法在NAS中的性能。ARCLPSO算法结合了全局与局部信息的协同作用和智能切换学习策略。具体地,ARCLPSO利用全局和局部信息的协同作用令粒子向更优的方向移动,通过智能的切换粒子学习策略平衡粒子的搜索性能和收敛速度,提高搜索速度和搜索质量。在NAS-Bench-101数据集上的实验结果表明,ARCLPSO的收敛时间相较于传统进化算法(REA)和随机搜索(RS),分别减少了40.9%和55.2%。 展开更多
关键词 神经网络架构搜索 粒子群优化 进化算法 NAS-Bench-101 自适应的协作学习算法
在线阅读 下载PDF
基于PSO-BP神经网络模型的浸胶竹束干燥过程含水率预测
16
作者 王晓曼 吕建雄 +5 位作者 李贤军 吴义强 李新功 郝晓峰 乔建政 徐康 《林业科学》 北大核心 2025年第5期187-198,共12页
【目的】利用人工神经网络模型预测浸胶竹束干燥过程含水率变化,揭示干燥温度、干燥时间、铺装方式和初始含水率对浸胶竹束干燥过程含水率变化的影响规律,为浸胶竹束高质高效干燥提供参考依据。【方法】基于浸胶竹束干燥过程含水率实测... 【目的】利用人工神经网络模型预测浸胶竹束干燥过程含水率变化,揭示干燥温度、干燥时间、铺装方式和初始含水率对浸胶竹束干燥过程含水率变化的影响规律,为浸胶竹束高质高效干燥提供参考依据。【方法】基于浸胶竹束干燥过程含水率实测数据,以干燥温度、干燥时间、铺装方式和初始含水率为输入变量,干燥过程含水率为输出变量,制作数据集。将数据集划分为训练集(308个测试数据,占总数据量的70%)、验证集(66个测试数据,占总数据量的15%)和测试集(66个测试数据,占总数据量的15%),采用粒子群优化算法(PSO)优化反向传播(BP)神经网络初始权重与阈值,构建PSO-BP神经网络预测模型,并进行验证分析。【结果】PSO-BP神经网络模型具有较强的预测能力,在模型测试集中,决定系数(R^(2))、均方误差(MSE)、平均绝对误差(MAE)和剩余预测残差(RPD)分别达0.98、1.27、3.73和7.96。相较BP神经网络,PSO-BP神经网络的R^(2)和RPD分别提高6.53%和110.2%,MSE和MAE分别降低54.0%和71.86%。模型验证表明,干燥温度和铺装方式是影响浸胶竹束干燥过程含水率变化的主要因素,二者对PSO-BP神经网络模型预测结果影响显著。干燥温度为60℃时,在4种不同铺装方式下PSO-BP神经网络模型展现出较好预测效果,其R^(2)均超过0.969且MSE均低于3;铺装层数为3时,在4种不同干燥温度下PSO-BP神经网络模型表现最佳,其R^(2)均超过0.99且MSE均低于2。干燥时间和浸胶竹束初始含水率对PSO-BP神经网络模型预测结果影响不显著。【结论】PSO-BP神经网络模型在浸胶竹束干燥过程含水率预测中表现出准确性,可有效解决传统BP神经网络预测误差大、收敛速度慢等问题,为浸胶竹束高质高效干燥提供技术支撑。 展开更多
关键词 浸胶竹束 干燥 含水率 粒子群优化算法 反向传播 神经网络
在线阅读 下载PDF
基于PSO-BP神经网络的角接触球轴承凸出量预测
17
作者 章如意 段玥晨 +1 位作者 张瑞 赵明辉 《传感器与微系统》 北大核心 2025年第9期134-137,143,共5页
针对人工测量角接触球轴承的凸出量,对轴承进行配对效率较低的问题,提出了基于粒子群优化(PSO)—反向传播(BP)神经网络的角接触球轴承凸出量预测方法。根据200组实验数据,通过灰色关联度分析,选取了角接触球轴承内外圈的宽度、沟位、沟... 针对人工测量角接触球轴承的凸出量,对轴承进行配对效率较低的问题,提出了基于粒子群优化(PSO)—反向传播(BP)神经网络的角接触球轴承凸出量预测方法。根据200组实验数据,通过灰色关联度分析,选取了角接触球轴承内外圈的宽度、沟位、沟径和沟道曲率半径作为建模数据集,分别利用BP神经网络、遗传算法(GA)—BP神经网络、PSO-BP神经网络建立角接触球轴承凸出量预测模型。结果表明:PSO-BP神经网络预测模型预测效果最好,决定系数(R^(2))达0.986 3,整体误差≤±0.70%,能够较为准确地预测角接触球轴承的凸出量,提高轴承的配对效率。 展开更多
关键词 角接触球轴承 凸出量 灰色关联度分析 反向传播神经网络 遗传算法 粒子群优化算法
在线阅读 下载PDF
基于IPSO-BP神经网络的预制构件生产成本预测研究
18
作者 从明智 陆红梅 赵立伟 《石河子大学学报(自然科学版)》 北大核心 2025年第3期332-340,共9页
预制构件生产成本是装配式混凝土建筑成本的重要组成部分,对预制构件生产成本的准确预测有利于装配式混凝土建筑的发展。建立基于IPSO-BP神经网络的预制构件生产成本预测模型,其中,在粒子群算法中引入线性变化惯性权重调整策略、随机权... 预制构件生产成本是装配式混凝土建筑成本的重要组成部分,对预制构件生产成本的准确预测有利于装配式混凝土建筑的发展。建立基于IPSO-BP神经网络的预制构件生产成本预测模型,其中,在粒子群算法中引入线性变化惯性权重调整策略、随机权重算法和动态学习因子来加强BP神经网络的训练、搜索速度和跳出局部最优解的能力,并利用优化的粒子群(PSO)算法对BP神经网络的权值和阈值进行优化来提高BP神经网络的预测精度和鲁棒性,然后结合实际数据进行验证和对比分析PSO-BP神经网络、GA-BP神经网络和BP神经网络预测的结果,结果表明:IPSO-BP神经网络预测模型的预制构件生产成本的预测值与真实值最为接近,平均绝对误差、平均偏差误差、均方根误差与平均绝对百分比误差分别为1.2951、0.8961、1.4315、0.0539,较PSO-BP神经网络、GA-BP神经网络和BP神经网络均显著降低,用于预测预制构件生产成本的效果也显著提高,该模型可有效提高预制构件生产成本预测的准确性。 展开更多
关键词 预制构件 成本预测 粒子群优化算法 bp神经网络
在线阅读 下载PDF
基于K-means聚类与PSO-BP神经网络的危险废物出口风险预警模型研究及应用
19
作者 王兆龙 彭雨卉 +3 位作者 姚沛帆 孙峙 张西华 郑洋 《中国环境科学》 北大核心 2025年第10期5619-5626,共8页
为提高出口风险预警的准确性和科学性,构建了一种基于K-means聚类与粒子群优化BP(PSO-BP)神经网络的危险废物出口风险预警系统.基于历史数据的多维指标,采用K-means聚类算法对危险废物出口风险进行分类,并运用PSO算法优化BP神经网络的... 为提高出口风险预警的准确性和科学性,构建了一种基于K-means聚类与粒子群优化BP(PSO-BP)神经网络的危险废物出口风险预警系统.基于历史数据的多维指标,采用K-means聚类算法对危险废物出口风险进行分类,并运用PSO算法优化BP神经网络的初始参数,提高风险预测的精度和收敛效率.实验结果表明,K-means聚类的风险分类与专家标注的一致性达93.2%,证明该方法能够有效揭示数据的内在风险结构;PSO-BP神经网络的预测准确率达92.5%,均方误差降低至0.012,相较于传统BP神经网络,预测精度显著提升,训练收敛速度提高40%.基于上述模型,本研究开发了一套危险废物出口风险预警系统,实现数据采集、风险评估、模型预测与预警可视化等功能,并以30类危险废物为例验证了模型的实现与应用.结果表明,系统能够实时分析危险废物出口数据,依据风险预测结果提供动态预警,从而有效提升危险废物出口管理工作的科学性和效率. 展开更多
关键词 危险废物 出口风险 K-MEANS聚类 bp神经网络 粒子群优化 风险预警
在线阅读 下载PDF
基于ACO-BP神经网络的储能电源上壳件气辅成型工艺参数优化
20
作者 杨明 刘赛 +3 位作者 刘巨保 李峰 姚建锋 刘厚德 《工程塑料应用》 北大核心 2025年第4期101-107,共7页
以某储能电源上壳件为研究对象,为提高气辅成型效果,运用Moldflow软件进行气辅成型数值模拟。以气体穿透体积和最大翘曲变形量为优化指标设计了正交试验,利用Critic权重法确定权重占比,通过计算综合评分将双目标优化转化为单目标优化;... 以某储能电源上壳件为研究对象,为提高气辅成型效果,运用Moldflow软件进行气辅成型数值模拟。以气体穿透体积和最大翘曲变形量为优化指标设计了正交试验,利用Critic权重法确定权重占比,通过计算综合评分将双目标优化转化为单目标优化;建立工艺参数与综合评分之间的BP神经网络模型,利用蚁群算法(ACO)进行全局寻优。结果表明,当熔体预注射量为93%、熔体温度为270℃、模具温度为87.78℃、延迟时间为3.5 s、气体压力为35 MPa、气体注射时间为20 s、冷却时间为179.62 s时,综合评分值最大、工艺方案最优。利用Moldflow软件对最优工艺参数进行验证,结果显示气体穿透体积为10.6975%、最大翘曲变形量为2.169 mm,计算其线性组合得到综合评分为1.0495,与优化算法结果的误差仅为1.1%,并进行试模验证,试模翘曲结果与模流分析结果误差为2.8%,且产品无吹穿、吹破等缺陷,表面质量良好。以上研究结果表明,基于ACO-BP神经网络优化气辅成型工艺参数的技术方法具有可行性。 展开更多
关键词 气体辅助注射成型 数值模拟 参数优化 bp神经网络 蚁群算法
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 2 … 44 下一页 到第 页
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部