反向传播神经网络结合紫外-近红外融合光谱对“互助”青稞酒的判别研究

1

作者 赵玉霞 张明锦 +2 位作者 王茹 张世芝 殷博 《光谱学与光谱分析》 北大核心 2025年第5期1290-1299,共10页

“互助”青稞酒作为保护地理标志产品,对其准确评价分类具有重要意义。紫外光谱(UV)和近红外光谱(NIR)技术具备快速、准确、无损检测、无需样品预处理等优势,在食品等领域已广泛应用。本研究采用UV、NIR及紫外-近红外中级数据融合光谱(U... “互助”青稞酒作为保护地理标志产品,对其准确评价分类具有重要意义。紫外光谱(UV)和近红外光谱(NIR)技术具备快速、准确、无损检测、无需样品预处理等优势,在食品等领域已广泛应用。本研究采用UV、NIR及紫外-近红外中级数据融合光谱(UV-NIR)结合反向传播神经网络(BPNN)法建立了快速、无损、高效的“互助”青稞酒判别分类模型。由于光谱特征峰叠加干扰,未经优化的光谱受到噪声和基线漂移等影响,采用标准正态变量变换(SNV)、Savitzky-Golay平滑(SG)、一阶导数(1D)和二阶导数(2D)4种预处理方法对光谱进行去噪处理。相对单一光谱,融合光谱能够互补多元化学信息,提高分类模型性能,通过竞争自适应重加权采样(CARS)、连续投影算法(SPA)、主成分分析(PCA)、变量投影重要性分析(VIP)和变量组合集群分析(VCPA)5种变量筛选方法选择特征变量,达到优化模型性能及融合两种光谱有效信息。选择最佳方法建立单一光谱和融合光谱的BPNN模型。结果表明,UV光谱经SNV预处理以SPA选择30个特征变量建立的分类模型识别效果最好,分类准确率为100%,MSE值、R_(P)^(2)、R(Train)、R(Validation)、R(Test)和R(All)分别为0.0180、1、0.9283、0.9587、0.9130、0.9297;NIR和UV-NIR经SG预处理后以PCA分别选择84和106个特征变量建立的分类模型识别效果最好,NIR光谱分类准确率为100%,MSE值、R_(P)^(2)、R(Train)、R(Validation)、R(Test)和R(All)分别为0、1.000、1.000、1.000、1.000、1.000;UV-NIR光谱分类准确率为100%、MSE值、R_(P)^(2)、R(Train)、R(Validation)、R(Test)和R(All)分别为0.0057、1.000、1.000、0.9871、0.9913、0.9964;与单一光谱建模相比,融合光谱可明显提高分类模型的预测能力和稳健性,实现“互助”青稞酒的快速、无损分析。 展开更多

关键词 “互助”青稞酒 紫外光谱 近红外光谱 光谱融合 变量筛选 反向传播神经网络(bpnn)模型

在线阅读 下载PDF 职称材料

基于多模型神经网络的湿度廓线反演研究

2

作者 王金虎 肖安虹 +3 位作者 陈后财 王昊亮 刘萱 蔡海强 《电波科学学报》 CSCD 北大核心 2024年第1期181-190,共10页

为提升微波辐射计对大气廓线探测的精度,利用ARM大气观测站提供的地基微波辐射计、毫米波测云雷达以及探空数据,构建了两种添加不同云信息的反向传播神经网络(back propagation neural network,BPNN)模型(添加入云和出云高度的C-BPNN模... 为提升微波辐射计对大气廓线探测的精度,利用ARM大气观测站提供的地基微波辐射计、毫米波测云雷达以及探空数据,构建了两种添加不同云信息的反向传播神经网络(back propagation neural network,BPNN)模型(添加入云和出云高度的C-BPNN模型与添加雷达反射率因子的Z-BPNN模型)与一种未添加云信息的BPNN模型(记为BPNN0),并对反演结果进行了对比,结果表明:C-BPNN模型和Z-BPNN模型在任何天气下(有云或无云),得到的反演误差都小于BPNN0模型;C-BPNN相较于另外两种模型反演结果具有更高的稳定性。对3种模型各自反演结果最好的个例分析发现,C-BPNN与Z-BPNN模型主要的误差存在于高空无云但是相对湿度却出现跃变的情况,说明神经网络模型对初始权值与阈值较为敏感,因此通过遗传算法(genetic algorithms,GA)对BPNN模型进行优化。经GA优化后的反演结果表明:BPNN0模型与C-BPNN模型具有明显优化效果,而Z-BPNN模型优化效果则不明显。 展开更多

关键词 地基微波辐射计 毫米波雷达 湿度廓线 反向传播神经网络(bpnn) 遗传算法(GA)

在线阅读 下载PDF 职称材料

基于反向传播神经网络的分航段船舶油耗预测模型 被引量：1

3

作者 马琳 杨平 《中国航海》 CSCD 北大核心 2024年第4期168-174,共7页

对船舶主机油耗进行预测是船舶进行能效优化的基础和前提,对于不同航行区域下的船舶油耗预测结果进行分析,更能提升油耗模型的预测性能。根据航行区域等因素选取5个航段作为试验对象并建立油耗模型,对主机油耗的影响因素进行分析。选择... 对船舶主机油耗进行预测是船舶进行能效优化的基础和前提,对于不同航行区域下的船舶油耗预测结果进行分析,更能提升油耗模型的预测性能。根据航行区域等因素选取5个航段作为试验对象并建立油耗模型,对主机油耗的影响因素进行分析。选择主机转速、风速、风向等作为模型的输入变量,选择主机瞬时油耗和航速作为输出变量,利用反向传播神经网络对油耗进行预测。试验结果表明各个航段油耗和航速的预测结果误差分别不超过2.5%和1.8%,风力变化较为平稳的航段2和航段3的预测误差低于其他航段;模型的预测精度会受到风力变化程度的影响,但在不同航段的预测性能均可满足后续进行能效优化的要求。 展开更多

关键词 主机油耗预测 航速预测 反向传播神经网络(bpnn) 评价指标 航段划分

在线阅读 下载PDF 职称材料

基于神经网络的二元混合液体自燃温度预测

4

作者 胡双启 郭丙宇 +1 位作者 程泽会 吴薇 《安全与环境学报》 CAS CSCD 北大核心 2024年第5期1710-1716,共7页

自燃温度(Auto-Ignition Temperature,AIT)是防火防爆安全设计的关键临界参数之一。为解决目前多数采用试验方法测量混合物AIT费时费力且有一定危险性的问题,运用定量结构性质关系方法,使用反向传播神经网络(Back Propagation Neural Ne... 自燃温度(Auto-Ignition Temperature,AIT)是防火防爆安全设计的关键临界参数之一。为解决目前多数采用试验方法测量混合物AIT费时费力且有一定危险性的问题,运用定量结构性质关系方法,使用反向传播神经网络(Back Propagation Neural Network,BPNN)和一维卷积神经网络(one-Dimensional Convolutional Neural Network,1DCNN)技术建立二元混合液体AIT预测模型。以二元混合液体的分子描述符为输入、试验测得的AIT为输出,经多种方法对模型的拟合性、稳定性和预测能力评价验证。结果表明,BPNN模型和1DCNN模型均有良好的预测能力,其均方根误差分别为4.780℃和9.603℃,拟合度与5折交叉验证拟合度差值分别为0.058和0.040,表明BPNN模型有更好的拟合能力,1DCNN模型有良好的稳定性。 展开更多

关键词 安全工程 反传播神经网络(bpnn) 一维卷积神经网络(1DCNN) 二元混合液体 自燃温度

在线阅读 下载PDF 职称材料

基于神经网络的大型国际工程财务风险控制评价 被引量：10

5

作者 王颖 马亮 +1 位作者 白居 张云霞 《同济大学学报（自然科学版）》 EI CAS CSCD 北大核心 2015年第7期1104-1110,共7页

建立了一个由7个一级指标和32个二级指标构成的系统评价体系.采用模糊层次分析法(FAHP)并结合专家问卷数据得到初始指标权重,进而生成30组前馈神经网络(BPNN)训练样本和5组校验样本.基于训练样本和前馈神经网络构建出大型国际工程项目... 建立了一个由7个一级指标和32个二级指标构成的系统评价体系.采用模糊层次分析法(FAHP)并结合专家问卷数据得到初始指标权重,进而生成30组前馈神经网络(BPNN)训练样本和5组校验样本.基于训练样本和前馈神经网络构建出大型国际工程项目财务风险控制体系的非线性映射关系模型,并通过样本校验.最后,以某大型央企在沙特的总承包项目为例,进行了评价体系的实际应用和案例分析. 展开更多

关键词 财务风险控制 大型国际工程项目 模糊层次分析法(FAHP) 前馈神经网络(bpnn)

在线阅读 下载PDF 职称材料

多偏移遥感图像的BP神经网络亚像元定位 被引量：6

6

作者 史文中 赵元凌 王群明 《红外与毫米波学报》 SCIE EI CAS CSCD 北大核心 2014年第5期527-532,共6页

提出了一种借助多偏移遥感图像来改进基于BP神经网络(BPNN)的亚像元定位新方法.不同于原BPNN方法使用单幅低空间分辨率观测图像,新方法利用多幅带有亚像元偏移的低空间分辨图像来确定亚像元属于各类的概率,然后根据概率值和地物覆盖比... 提出了一种借助多偏移遥感图像来改进基于BP神经网络(BPNN)的亚像元定位新方法.不同于原BPNN方法使用单幅低空间分辨率观测图像,新方法利用多幅带有亚像元偏移的低空间分辨图像来确定亚像元属于各类的概率,然后根据概率值和地物覆盖比例确定亚像元类别,以降低BPNN定位模型中的不确定性和误差.实验表明,提出方法在视觉和定量评价上,均能获得更高精度的亚像元定位结果,验证了提出方法的有效性. 展开更多

关键词 遥感图像 亚像元定位 BP神经网络(bpnn) 多偏移图像

在线阅读 下载PDF 职称材料

基于BP神经网络和多目标粒子群算法的自动钻铆工艺参数优化方法 被引量：8

7

作者 李超 王仲奇 +1 位作者 常正平 马健智 《航空制造技术》 CSCD 北大核心 2021年第23期94-102,共9页

飞机壁板自动钻铆大量采用干涉连接,干涉量的均匀程度与壁板变形程度的协同控制是目前亟须解决的问题,为此提出一种基于BP神经网络(BP neural network,BPNN)的优化方法。以压铆力、压铆过程时间、压铆停留时间和夹紧力为变量,以仿真数... 飞机壁板自动钻铆大量采用干涉连接,干涉量的均匀程度与壁板变形程度的协同控制是目前亟须解决的问题,为此提出一种基于BP神经网络(BP neural network,BPNN)的优化方法。以压铆力、压铆过程时间、压铆停留时间和夹紧力为变量,以仿真数据为样本,采用BP神经网络,建立干涉量均匀程度和壁板变形程度的预测模型,利用多目标粒子群算法(Multi-objective particle swarm optimization,MOPSO)进行多目标优化。仿真及试验结果表明,优化后的参数能够显著提升干涉量的均匀程度并有效降低板件的变形程度。 展开更多

关键词 自动钻铆 数值模拟 工艺参数优化 BP神经网络(bpnn) 多目标粒子群算法(MOPSO)

在线阅读 下载PDF 职称材料

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

8

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 职称材料

基于BP神经网络技术的智能财务研究 被引量：9

9

作者 朱敏 《会计之友》 北大核心 2021年第18期38-42,共5页

企业财务信息使用者对传统财务体系变革的需求和呼声持续了很多年,管理决策必然越来越依赖新技术,财务数字化转型的终极目标是智能财务,而智能财务变革有待深入研究,人工智能发展对智能财务转型提供技术支持并产生深远影响。文章阐述了... 企业财务信息使用者对传统财务体系变革的需求和呼声持续了很多年,管理决策必然越来越依赖新技术,财务数字化转型的终极目标是智能财务,而智能财务变革有待深入研究,人工智能发展对智能财务转型提供技术支持并产生深远影响。文章阐述了智能财务发展现状和实现基础,分析了深度学习之BP神经网络技术的优势,梳理了BP神经网络技术与智能财务的相关性,提出运用BP神经网络技术构建企业资金管理、产品定价、风险识别、预算分析等智能财务应用场景,旨在更好地推动财务智能化实现,创造企业适应性优势。文章以LA气体公司业务场景为例,探索构建基于BP神经网络技术的智能财务应用体系,为智能财务变革数据治理提供解决思路和借鉴。 展开更多

关键词 深度学习 BP神经网络技术(bpnn) 智能财务 产品定价

在线阅读 下载PDF 职称材料

BP神经网络模型的改进及其在海底管道外腐蚀速率预测中的应用 被引量：8

10

作者 张梁 高源 +1 位作者 杨光 李民强 《安全与环境学报》 CAS CSCD 北大核心 2023年第11期3882-3888,共7页

针对海底油气管道外腐蚀问题构建模型预测其腐蚀速率,建立基于改进鹈鹕优化算法(Improvement Pelican Optimization Algorithm,IPOA)的BP神经网络(Back Propagation Neural Network,BPNN)腐蚀速率预测模型。通过Logistic-Tent混沌映射... 针对海底油气管道外腐蚀问题构建模型预测其腐蚀速率,建立基于改进鹈鹕优化算法(Improvement Pelican Optimization Algorithm,IPOA)的BP神经网络(Back Propagation Neural Network,BPNN)腐蚀速率预测模型。通过Logistic-Tent混沌映射初始种群与收敛因子非线性化的方法提高鹈鹕算法(POA)的全局搜索能力和寻优精度,采用IPOA算法优化BPNN的权值和阈值,提升模型的预测精度与鲁棒性。以实海挂片试验数据为基础,建立POA-BPNN和BPNN模型作为对比。结果表明:IPOA-BPNN模型的决定系数R2为0.9664,均方误差为0.2353,平均相对误差为3.16%,均优于其余两个模型,模型的鲁棒性较未改进有较大的提升。这表明IPOA-BPNN模型能够为海底管道的维修与更换提供决策支持。 展开更多

关键词 安全工程 海洋油气管道 管道腐蚀速率 改进鹈鹕优化算法(IPOA) BP神经网络(bpnn)

在线阅读 下载PDF 职称材料

基于遗传算法神经网络的地源热泵夏季低负荷运行性能预测分析 被引量：9

11

作者 董艳芳 朱辉 +2 位作者 曾召田 门玉葵 梁秒梦 《科学技术与工程》 北大核心 2022年第12期4984-4992,共9页

为了探索夏热冬冷地区岩溶地质条件下地热能应用能效,通过运用遗传算法优化的反向传播(genetic algorithm-back propagation,GA-BP)神经网络模型预测了夏季系统负荷率低于30%运行工况下地源热泵系统的系统能效比和机组能效比,分析了预... 为了探索夏热冬冷地区岩溶地质条件下地热能应用能效,通过运用遗传算法优化的反向传播(genetic algorithm-back propagation,GA-BP)神经网络模型预测了夏季系统负荷率低于30%运行工况下地源热泵系统的系统能效比和机组能效比,分析了预测值的预测误差评价指标,验证了GA-BP模型具有较高的预测精度,并应用此模型研究了地源热泵短期能效测试与中长期能效测评的关系。结果表明:GA-BP模型预测的系统能效比COPsys及机组能效比COP与计算值的相对误差为±5%,各项预测误差评价指标均比反向传播神经网络(back propagation neural network,BPNN)模型更小,可见GA-BP模型可用于预测岩溶地质条件下地源热泵系统能效。基于此模型,短期能效测试的最佳时期为一天中14:00—16:00或7、8月累计13 d,且满足机组负荷率达到60%~70%,COP_(sys)及COP预测值可以作为中长期能效比评估,其产生的相对误差在允许的范围内。 展开更多

关键词 地源热泵系统 机组负荷率 遗传算法(GA) 反向传播神经网络(bpnn) 能效比

在线阅读 下载PDF 职称材料

基于主成分分析法优化神经网络的滆湖组黏性土抗剪强度预测 被引量：9

12

作者 顾春生 唐鑫 +3 位作者 朱常坤 陆志锋 刘涛 张其琪 《科学技术与工程》 北大核心 2023年第28期11980-11989,共10页

为了研究苏锡常地区滆湖组黏性土抗剪强度特性,建立抗剪强度参数预测模型;以研究区711组滆湖组黏性土物理力学试验数据为载体,运用主成分分析(principal component analysis,PCA)方法,从样本11个指标中提取影响目标变量的主成分;将其作... 为了研究苏锡常地区滆湖组黏性土抗剪强度特性,建立抗剪强度参数预测模型;以研究区711组滆湖组黏性土物理力学试验数据为载体,运用主成分分析(principal component analysis,PCA)方法,从样本11个指标中提取影响目标变量的主成分;将其作为反向传播神经网络(back propagation neural network,BPNN)模型的输入层,建立基于PCA-BPNN算法的滆湖组黏性土抗剪强度预测模型。结果表明:当主成分数量为3时,主成分累计贡献率达93.4%;第一、二主成分贡献率分别为52.1%和36.6%;PCA算法即保留了样本大部分信息,又实现了对多维变量的降维。第一主成分可归纳为土体孔隙特性,与黏聚力和内摩擦角均呈负相关关系;第二主成分可归纳为土体水稳性,与黏聚力和内摩擦角均呈正相关关系;土体孔隙特性越显著,水稳性越弱,抗剪强度越低。建立了滆湖组黏性土抗剪强度参数PCA-BPNN预测模型,模型抗剪强度拟合优度为0.85,内摩擦角拟合优度为0.72;模型可靠性总体较高。可见PCA-BPNN预测模型即可降低解释变量间的多重共线性,简化了模型,又能够提升模型的泛化能力;为运用数学方法研究土体工程地质参数提供了参考。 展开更多

关键词 主成分分析(PCA) 反向传播神经网络(bpnn) 滆湖组黏性土 抗剪强度 预测模型

在线阅读 下载PDF 职称材料

基于参数优化神经网络的海底油气管道腐蚀泄漏预测 被引量：15

13

作者 鲁中歧 肖文生 +3 位作者 崔俊国 张杨 王魁涛 尹丰 《科学技术与工程》 北大核心 2022年第20期8673-8682,共10页

为有效预测海底管道因腐蚀导致的泄漏风险,提出了一种海底管道腐蚀泄漏预测模型,首先采用斯皮尔曼相关系数分析各影响因素间的相关性,随后基于随机森林袋外数据进行各因素的重要性排序,剔除掉相关性较高且重要性较小的因素,利用筛选出... 为有效预测海底管道因腐蚀导致的泄漏风险,提出了一种海底管道腐蚀泄漏预测模型,首先采用斯皮尔曼相关系数分析各影响因素间的相关性,随后基于随机森林袋外数据进行各因素的重要性排序,剔除掉相关性较高且重要性较小的因素,利用筛选出的数据建立前馈神经网络和随机森林回归预测模型,并利用粒子群算法对神经网络预测模型的权值、阈值进行了优化,构建粒子群优化下的神经网络预测模型。分析结果表明:神经网络预测模型在5组随机模型训练中平均绝对误差(mean absolute error, MAE)、均方误差(mean square error, MSE)的平均值分别为1.59、 3.37,均高于随机森林回归预测模型,说明该模型误差较大,但决定系数R~2较随机森林回归预测模型高0.13,因决定系数越接近于1,模型拟合越好,故随机森林回归预测模型较神经网络预测模型拟合度较差,长期预测误差较高,因此可采用粒子群算法对神经网络进行优化,优化后的模型MAE为0.79,MSE为0.729 3,R~2为0.915 1,可见优化后的神经网络预测模型在保证精度的基础上提高了稳定性,预测效果更优。最后编制了集随机森林回归、神经网络及粒子群优化下的神经网络为一体的多模型管道腐蚀预测软件。为海底管道泄漏风险的精准预测以及高效控制提供了依据,在海洋油气运输安全方面具有重要意义。 展开更多

关键词 海底管道腐蚀预测 斯皮尔曼相关系数 随机森林回归(RFR) 反向传播神经网络(bpnn) 粒子群优化

在线阅读 下载PDF 职称材料

基于卷积神经网络(CNN)的泥质烃源岩TOC预测模型——以鄂尔多斯盆地杭锦旗地区为例 被引量：24

14

作者 王惠君 赵桂萍 +3 位作者 李良 张威 齐荣 刘珺 《中国科学院大学学报（中英文）》 CSCD 北大核心 2020年第1期103-112,共10页

总有机碳含量(TOC)是烃源岩评价的重要指标。传统的TOC预测模型有ΔlogR和BP神经网络,但是ΔlogR的拟合精度较低,BP神经网络容易陷入局部最优。针对这些问题,提出一种基于卷积神经网络(convolutional neural network,CNN)预测烃源岩TOC... 总有机碳含量(TOC)是烃源岩评价的重要指标。传统的TOC预测模型有ΔlogR和BP神经网络,但是ΔlogR的拟合精度较低,BP神经网络容易陷入局部最优。针对这些问题,提出一种基于卷积神经网络(convolutional neural network,CNN)预测烃源岩TOC的方法。以鄂尔多斯盆地杭锦旗地区上古生界泥质烃源岩为研究对象,通过对比实验验证该方法的有效性。实验结果表明,CNN可用于TOC预测,且预测精度高于ΔlogR和BP神经网络。利用CNN对108口钻井的山1段和太原组泥岩的TOC值进行预测,并结合沉积微相做出TOC平面图,发现研究区的东南部和中部的沼泽沉积微相的TOC值较高,分流河道沉积微相的TOC值较低。TOC值的平面分布与沉积微相分布在整体上具有良好的匹配关系,显示了CNN方法计算TOC的可行性。 展开更多

关键词 泥质烃源岩 TOC 测井 卷积神经网络(CNN) BP神经网络(bpnn)

在线阅读 下载PDF 职称材料

基于神经网络的无线信道场景识别 被引量：2

15

作者 樊圆圆 刘留 +3 位作者 张嘉驰 李慧婷 周涛 唐盼 《电波科学学报》 CSCD 北大核心 2021年第2期208-215,共8页

无线信道场景识别对于无线资源调度和系统性能的优化等具有重要意义.文中基于QuaDriGa平台研究了反向传播神经网络(back propagation neural network,BPNN)和卷积神经网络(convolutional neural networks,CNN)在无线信道场景识别中的应... 无线信道场景识别对于无线资源调度和系统性能的优化等具有重要意义.文中基于QuaDriGa平台研究了反向传播神经网络(back propagation neural network,BPNN)和卷积神经网络(convolutional neural networks,CNN)在无线信道场景识别中的应用.首先,利用QuaDriGa生成不同场景下的信道冲激响应(channel impulse response,CIR),并提取时延扩展、角度扩展等信道参数.然后,对于BPNN,直接利用其对不同场景的参数进行训练;对于CNN,需要经过"抽头移动、数量级微调、自相关"等操作将一维的CIR转化为二维图像再进行训练.最后,计算识别准确率并利用K折交叉验证该两种模型的泛化能力.结果表明,CNN比BPNN识别精度高,但BPNN识别效率更高,二者均可用于未来信道场景的智能感知和识别. 展开更多

关键词 信道场景识别 信道仿真 QuaDriGa 反向传播神经网络(bpnn) 卷积神经网络(CNN)

在线阅读 下载PDF 职称材料

结合颅骨形态特征与神经网络的民族判别 被引量：1

16

作者 孙慧杰 赵俊莉 +3 位作者 郑鑫 热孜万古丽·夏米西丁 李奕 周明全 《北京航空航天大学学报》 EI CAS CSCD 北大核心 2021年第3期641-649,共9页

针对颅骨民族判别问题,提出结合颅骨形态特征与神经网络的判别方法,可以推进法医人类学的发展,加快探索民族发展历程。首先,根据颅骨形态学相关研究,提取36个维吾尔族和汉族颅骨数据的几何特征;其次,采用反向传播神经网络(BPNN)对特征... 针对颅骨民族判别问题,提出结合颅骨形态特征与神经网络的判别方法,可以推进法医人类学的发展,加快探索民族发展历程。首先,根据颅骨形态学相关研究,提取36个维吾尔族和汉族颅骨数据的几何特征;其次,采用反向传播神经网络(BPNN)对特征向量进行民族判别,并通过Adam算法对网络进行优化,避免陷入局部最优值,添加正则化项保证算法稳定性;最后,分别采用2种网络结构进行对比实验,输入层、隐藏层和输出层的神经元个数分别为36、6、2和36、12、2,并设置不同初始学习率进行对比实验。结果表明:隐藏层神经元个数为12、学习率为0.0001时,分类精度最高,测试阶段平均准确率最高为97.5%。为了验证所提方法的普适性,生成116例国外颅骨数据进行实验,测试阶段平均准确率为90.96%。相比较于支持向量机(SVM)、决策树、KNN、Fisher等机器学习方法,所提方法学习能力更强且分类精度有明显提升。 展开更多

关键词 颅骨形态特征 反向传播神经网络(bpnn) 颅骨民族判别 机器学习 Adam算法

在线阅读 下载PDF 职称材料

改进SSA优化BPNN的煤体瓦斯渗透率预测模型

17

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

在线阅读 下载PDF 职称材料

基于CSSA-BPNN模型的胶结充填体动态抗压强度预测 被引量：3

18

作者 王小林 梅佳伟 +3 位作者 郭进平 卢才武 王颂 李泽峰 《有色金属工程》 CAS 北大核心 2024年第2期92-101,共10页

充填采矿法二步骤回采时胶结充填体稳定性受爆破扰动而降低。为快速准确地获得充填体动态抗压强度,利用分离式霍普金森压杆(SHPB)进行了40组不同应变率的单轴冲击实验,以灰砂比、充填体密度、养护龄期和平均应变率作为输入参数,充填体... 充填采矿法二步骤回采时胶结充填体稳定性受爆破扰动而降低。为快速准确地获得充填体动态抗压强度,利用分离式霍普金森压杆(SHPB)进行了40组不同应变率的单轴冲击实验,以灰砂比、充填体密度、养护龄期和平均应变率作为输入参数,充填体动态抗压强度作为输出参数,建立了一种基于Logistic混沌麻雀搜索算法(CSSA)优化BP神经网络(BPNN)的预测模型,并与传统BPNN和麻雀搜索算法优化的BPNN进行了对比分析。结果表明:CSSA-BPNN模型的平均相对误差为4.11%,预测值与实测值之间拟合的相关系数均在0.96以上,模型预测精度高。CSSA-BPNN模型的均方根误差为0.395 0 MPa,平均绝对误差为0.359 2 MPa,决定系数为0.995 2,均优于另外两种预测模型。实现了对充填体动态抗压强度的准确预测,可大幅减小物理实验量,为矿山胶结充填体的强度设计提供了一种新方法。 展开更多

关键词 混沌麻雀搜索算法(CSSA) BP神经网络(bpnn) 胶结充填体 分离式霍普金森压杆(SHPB) 动态抗压强度

在线阅读 下载PDF 职称材料

基于MCDM-BPNN的城市内涝风险评价及调蓄池选址

19

作者 郝景开 李红艳 +3 位作者 张峰 张翀 毛立波 刘大为 《中国安全科学学报》 CAS CSCD 北大核心 2024年第8期214-221,共8页

为建立一套较为完善的城市内涝风险评价体系,并据此确定调蓄池位置,首先,从积水风险、超载风险和边侧进流量3个维度构建评价指标,设计一种包括改进层次分析法(IAHP)、反熵权法(AEW)和优劣解距离法(TOPSIS)的混合多准则决策框架(MCDM);然... 为建立一套较为完善的城市内涝风险评价体系,并据此确定调蓄池位置,首先,从积水风险、超载风险和边侧进流量3个维度构建评价指标,设计一种包括改进层次分析法(IAHP)、反熵权法(AEW)和优劣解距离法(TOPSIS)的混合多准则决策框架(MCDM);然后,将IAHP-AEW-TOPSIS模型分别与IAHP-TOPSIS、AEW-TOPSIS模型对比,通过斯皮尔曼排序相关系数验证排序一致性,通过计算变异系数、相对极差和灵敏度证实IAHP-AEW-TOPSIS模型的性能;最后,结合反向传播神经网络(BPNN),建立MCDM-BPNN模型,并以山西省某一内涝易发区域为例进行验证。结果表明:积水风险对城市内涝风险评价体系的影响最为显著,所占权重为0.46,其次为超载风险,所占权重为0.36;节点位置与连接管道数量很大程度上对该节点的内涝风险产生影响,在管道汇接处或汇流面积较大处内涝出现更为频繁;IAHP-AEW-TOPSIS模型在样本判别方面具有更好的性能;在5年与10年重现期下,MCDM-BPNN模型验证集准确率分别为93.3%和100%,能够准确快速模拟和预测城市洪水;应用案例设置调蓄池后,高、中、低风险节点数量分别为7、9、30和6、19、21,内涝溢流削减效果显著。 展开更多

关键词 多准则决策框架(MCDM) 反向传播神经网络(bpnn) 城市内涝 风险评价 调蓄池

在线阅读 下载PDF 职称材料

APSO-BPNN模型在滨海环境中铁质材料腐蚀速率预测中的应用

20

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 职称材料