检索结果-维普期刊中文期刊服务平台

GMDH神经网络算法在变形预测中的应用被引量：14: 1; 作者潘国荣谷川《大地测量与地球动力学》 CSCD 北大核心 2008年第3期54-58,共5页; 针对GMDH神经网络存在的不足,分别从网络初始变量预选个数的确定、部分表达式构成、中间变量选择准则、终止法则等方面进行改进,并且用Matlab语言编程实现之。将改进之后的GMDH神经网络应用于非线性变形数据预测之中,并且将短期以及长... 展开更多; 关键词 gmdh神经网络算法初始变量预选中间变量终止法则变形预测; 在线阅读下载PDF 职称材料

基于两阶段优化算法的神经网络预测模型被引量：11: 2; 作者邹昊飞夏国平杨方廷《管理科学学报》 CSSCI 北大核心 2006年第5期28-35,共8页; 采用基于两阶段优化算法(multi_stage optimization approach,MSOA)的GA人工神经网络,将训练集分为两部分,在前一训练集训练后获得的网络基础上使用后一训练集进行进一步的训练获得更为优化的网络结构.针对复杂系统建模输入节点难以确... 展开更多; 关键词 gmdh MSOA 遗传算法人工神经网络; 在线阅读下载PDF 职称材料

变形预测的一种新方法被引量：1: 3; 作者潘国荣谷川《桂林工学院学报》北大核心 2007年第4期529-532,共4页; 采用一种新的变形预测方法,即将GMDH神经网络预测方法运用到变形预测中进行短期以及长期预测,并且将预测得到的结果与采用BP神经网络预测得到的结果进行比较.结果表明,GMDH神经网络是一种比较好的预测方法,在变形预测中具有一定的实用性.; 关键词 gmdh算法神经网络变形预测 BP神经网络; 在线阅读下载PDF 职称材料

自组织多项式网络算法在油气产能定量预测中应用: 4; 作者胡文艳汪徐焱 +1 位作者舒雅琴曾锦光《成都理工大学学报（自然科学版）》 CAS CSCD 1998年第S1期59-64,共6页; 油气定量预测中复杂函数的拟合与逼近一直是人们关注的热点之一。文章利用神经网络方法结合自组织理论设计了用于非线性模型描述的自组织多项式网络算法，该算法特征多项式的完全描述性和自组织功能，使其在用于陕甘宁中部气田油气产能... 展开更多; 关键词油气产能 K-G多项式 gmdh算法神经网络定量预测; 在线阅读下载PDF 职称材料

概率不确定性条件下复合材料的反演设计: 5; 作者宋述芳王卓群《玻璃钢／复合材料》 CAS 北大核心 2019年第7期11-15,共5页; 反演设计是一种全新的现代设计方法,将其用于复合材料层合板的设计可以提供强有力的理论支撑。本文分别考虑复合材料的力学行为是确定性量和不确定性量的情况,基于有限元分析或试验数据,采用先进的GMDH-NN方法获取模型的输入-输出关系,... 展开更多; 关键词反演设计复合材料层合板 gmdh-NN算法遗传算法弹性常数; 在线阅读下载PDF 职称材料

基于稀少样本数据的地应力场反演重构方法被引量：16: 6; 作者李飞周家兴王金安《煤炭学报》 EI CAS CSCD 北大核心 2019年第5期1421-1431,共11页; 地应力测量昂贵的成本限制了测点数量,稀少样本实测数据难以对区域地应力场进行全面的描述与表达。如何依据稀少样本地应力实测数据准确地构建地质体内部地应力场分布状态,一直是岩土工程关心的重点问题,尤其随着深部工程的建设,掌握地... 展开更多; 关键词地质体 gmdh神经网络算法稀少样本数据地应力场反演; 在线阅读下载PDF 职称材料

题名GMDH神经网络算法在变形预测中的应用被引量：14: 1; 作者潘国荣谷川; 机构同济大学测量与国土信息工程系; 出处《大地测量与地球动力学》 CSCD 北大核心 2008年第3期54-58,共5页; 文摘针对GMDH神经网络存在的不足,分别从网络初始变量预选个数的确定、部分表达式构成、中间变量选择准则、终止法则等方面进行改进,并且用Matlab语言编程实现之。将改进之后的GMDH神经网络应用于非线性变形数据预测之中,并且将短期以及长期预测结果与BP神经网络以及GMDH神经网络得到的预测结果进行比较,得出结论:改进的GMDH神经网络有较好的实用性,并且预测精度有较大提高。; 关键词 gmdh神经网络算法初始变量预选中间变量终止法则变形预测; Keywords gmdh neural network algorithm preselection of initial variables middle variable stopping criterion deformation forecasting; 分类号 TD137 [矿业工程—矿山地质测量]; 在线阅读下载PDF 职称材料

题名基于两阶段优化算法的神经网络预测模型被引量：11: 2; 作者邹昊飞夏国平杨方廷; 机构北京航空航天大学经济管理学院北京仿真中心; 出处《管理科学学报》 CSSCI 北大核心 2006年第5期28-35,共8页; 基金国家自然科学基金资助项目(70371004) 教育部博士点基金资助项目(20040006023); 文摘采用基于两阶段优化算法(multi_stage optimization approach,MSOA)的GA人工神经网络,将训练集分为两部分,在前一训练集训练后获得的网络基础上使用后一训练集进行进一步的训练获得更为优化的网络结构.针对复杂系统建模输入节点难以确定的问题,提出将其与自组织数据挖掘算法相结合,利用GMDH算法获得神经网络的初始化节点,使用训练好的神经网络模型进行预测.将由此建立的预测模型应用于粮食价格的预测,并进一步探讨了MSOA算法的收敛性问题.结果表明基于GMDH和MSOA的神经网络组合预测模型能较大提高神经网络的全局收敛能力和收敛速度,提高预测精度.; 关键词 gmdh MSOA 遗传算法人工神经网络; Keywords gmdh multi-stage optimization approach genetic algorithm artificial neural network; 分类号 TP183 [自动化与计算机技术—控制理论与控制工程]; 在线阅读下载PDF 职称材料

题名变形预测的一种新方法被引量：1: 3; 作者潘国荣谷川; 机构同济大学测量与国土信息工程系; 出处《桂林工学院学报》北大核心 2007年第4期529-532,共4页; 文摘采用一种新的变形预测方法,即将GMDH神经网络预测方法运用到变形预测中进行短期以及长期预测,并且将预测得到的结果与采用BP神经网络预测得到的结果进行比较.结果表明,GMDH神经网络是一种比较好的预测方法,在变形预测中具有一定的实用性.; 关键词 gmdh算法神经网络变形预测 BP神经网络; Keywords gmdh algorithm neural network deformation prediction BP neural netwook; 分类号 P258 [天文地球—测绘科学与技术]; 在线阅读下载PDF 职称材料

题名自组织多项式网络算法在油气产能定量预测中应用: 4; 作者胡文艳汪徐焱舒雅琴曾锦光; 机构四川石油管理局地质勘探研究院成都理工学院应用数学系; 出处《成都理工大学学报（自然科学版）》 CAS CSCD 1998年第S1期59-64,共6页; 文摘油气定量预测中复杂函数的拟合与逼近一直是人们关注的热点之一。文章利用神经网络方法结合自组织理论设计了用于非线性模型描述的自组织多项式网络算法，该算法特征多项式的完全描述性和自组织功能，使其在用于陕甘宁中部气田油气产能定量预测中取得了较为理想的效果。; 关键词油气产能 K-G多项式 gmdh算法神经网络定量预测; Keywords reservoir yield K-G polynomial gmdh algorithm neural network quantitative prediction; 分类号 P618.130 [天文地球—矿床学] O233 [理学—运筹学与控制论]; 在线阅读下载PDF 职称材料

题名概率不确定性条件下复合材料的反演设计: 5; 作者宋述芳王卓群; 机构西北工业大学航空学院; 出处《玻璃钢／复合材料》 CAS 北大核心 2019年第7期11-15,共5页; 基金国家自然科学基金项目(NSFC51308459) 中央高校基本科研业务费(310201401JCQ01014,3102015BJ(Ⅱ)CG0009); 文摘反演设计是一种全新的现代设计方法,将其用于复合材料层合板的设计可以提供强有力的理论支撑。本文分别考虑复合材料的力学行为是确定性量和不确定性量的情况,基于有限元分析或试验数据,采用先进的GMDH-NN方法获取模型的输入-输出关系,随后遗传算法用于复合材料弹性常数的逆模拟及优化求解。通过算例证明了所提的反演设计方法能够较准确地获得复合材料层合板的工程弹性常数,具有工程应用价值。; 关键词反演设计复合材料层合板 gmdh-NN算法遗传算法弹性常数; Keywords inverse design composite laminates Group Method of Data Handling-neural network (gmdh-NN) genetic algorithm (GA) elastic constants; 分类号 TB332 [一般工业技术—材料科学与工程]; 在线阅读下载PDF 职称材料

题名基于稀少样本数据的地应力场反演重构方法被引量：16: 6; 作者李飞周家兴王金安; 机构北京科技大学土木与资源工程学院金属矿山高效开采与安全教育部重点实验室; 出处《煤炭学报》 EI CAS CSCD 北大核心 2019年第5期1421-1431,共11页; 基金国家重点研发计划资助项目(2016YFC0600703,2017YFC1503104); 文摘地应力测量昂贵的成本限制了测点数量,稀少样本实测数据难以对区域地应力场进行全面的描述与表达。如何依据稀少样本地应力实测数据准确地构建地质体内部地应力场分布状态,一直是岩土工程关心的重点问题,尤其随着深部工程的建设,掌握地应力场的分布规律是进行工程安全设计和防灾工作的基础。提出的GMDH(批数据处理)神经网络算法,结合地应力场分布随埋深的非线性特征及局部地质构造处地应力场的非连续性特点,构建出形成复杂地质体地应力场的边界条件模式,并基于现场的稀少样本测点数据进行复杂边界条件的生成,拟合出边界载荷非线性表达式。通过Matlab编程构建GMDH神经网络算法平台,该平台具有结构最优性和全局性等优势,克服了传统神经网络方法假设过多(网络结构假设)和网络结构过于简单等缺点,实现复杂地质体边界载荷表达式与实测点应力值的非线性映射,从而获取了较为合理的地应力场分布。为了验证算法的有效性,构建二维急倾斜地层地质区域模型,分别选取15个、12个、9个及6个测点数据进行地应力场反演。结果表明:随测点数量的减少,GMDH神经网络算法反演精度均大于83%,特别是6个测点稀少样本数据中,GMDH神经网络算法反演精度为84%,BP神经网络算法反演精度为76%,说明GMDH神经网络算法在稀少样本测点数据下具有较高的反演精度。另外,对稀少样本测点数据下的杏山铁矿地应力场进行反演和重构,结果显示,GMDH神经网络算法反演精度达到84%,绝大多数测点应力分量反演误差小于10%。因此,GMDH神经网络算法在稀少样本测点数据的反演计算中,具有良好的泛化性和非线性数据预测性,可为今后日益复杂的工程设计和施工提供有效的理论依据。; 关键词地质体 gmdh神经网络算法稀少样本数据地应力场反演; Keywords geological body gmdh neural network algorithms limited sample data inverse calculation of in-situ stress field; 分类号 TD311 [矿业工程—矿井建设]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	GMDH神经网络算法在变形预测中的应用	潘国荣谷川	《大地测量与地球动力学》 CSCD 北大核心	2008	14	在线阅读下载PDF 职称材料
2	基于两阶段优化算法的神经网络预测模型	邹昊飞夏国平杨方廷	《管理科学学报》 CSSCI 北大核心	2006	11	在线阅读下载PDF 职称材料
3	变形预测的一种新方法	潘国荣谷川	《桂林工学院学报》北大核心	2007	1	在线阅读下载PDF 职称材料
4	自组织多项式网络算法在油气产能定量预测中应用	胡文艳汪徐焱舒雅琴曾锦光	《成都理工大学学报（自然科学版）》 CAS CSCD	1998	0	在线阅读下载PDF 职称材料
5	概率不确定性条件下复合材料的反演设计	宋述芳王卓群	《玻璃钢／复合材料》 CAS 北大核心	2019	0	在线阅读下载PDF 职称材料
6	基于稀少样本数据的地应力场反演重构方法	李飞周家兴王金安	《煤炭学报》 EI CAS CSCD 北大核心	2019	16	在线阅读下载PDF 职称材料