遺傳算法的BP神經(jīng)網(wǎng)絡(luò)模型在樁孔質(zhì)量檢測中的應(yīng)用

針對傳統(tǒng)方法單獨(dú)采用bp神經(jīng)網(wǎng)絡(luò)算法易陷入局部極值的問題,提出了遺傳算法優(yōu)化bp神經(jīng)網(wǎng)絡(luò),并將其應(yīng)用于mimo-ofdm系統(tǒng)信號檢測中。該方法將遺傳算法與神經(jīng)網(wǎng)絡(luò)相結(jié)合,用遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò)初始值,使bp網(wǎng)絡(luò)快速收斂到最優(yōu)解,避免了由初始值的隨機(jī)選取而帶來的檢測誤碼。仿真結(jié)果表明所提出的方法在誤碼率方面有比較好的性能。

針對bp神經(jīng)網(wǎng)絡(luò)易陷入局部最優(yōu)和遺傳算法全局搜索速度過慢的缺點(diǎn)及水利定額編制中存在非線性和復(fù)雜性的實際狀況,提出采用遺傳算法（ga）優(yōu)化bp神經(jīng)網(wǎng)絡(luò)在水利定額編制中的問題。實例分析表明,優(yōu)化后模型（ga-bp神經(jīng)網(wǎng)絡(luò)）結(jié)合了bp神經(jīng)網(wǎng)絡(luò)的非線性逼近、局部尋優(yōu)能力和遺傳算法的全局搜索特性,在穩(wěn)定性、預(yù)測精度、收斂速度上均優(yōu)于bp神經(jīng)網(wǎng)絡(luò),可運(yùn)用于水利定額編制。

為了實現(xiàn)樁身完整性的智能分類,并減少人為因素造成的誤判,文章建立適用于樁基完整性檢測的基于遺傳算法的bp神經(jīng)網(wǎng)絡(luò)模型,運(yùn)用matlab軟件對模型進(jìn)行模擬,并求出模型的可行性的解,從而實現(xiàn)對不同類型樁身的完整性智能辨別的功能,最后再通過測試樣本對模型的正確性進(jìn)行驗證。測試樣本中的預(yù)測結(jié)果與理想結(jié)果非常接近,通過計算得出測試樣本的仿真誤差為0.1538,訓(xùn)練樣本的仿真誤差為0.092644。結(jié)果表明,基于遺傳算法的bp神經(jīng)網(wǎng)絡(luò)模型能過較好的對樁身完整性進(jìn)行分類,并且在減少樁型誤判的情況下,又提高了效率,在實際工程中具有良好的應(yīng)用前景。

采用遺傳算法優(yōu)化bp神經(jīng)網(wǎng)絡(luò)來建立一個道路交通事故宏觀預(yù)測的模型.該模型結(jié)合遺傳算法和神經(jīng)網(wǎng)絡(luò)兩者的優(yōu)點(diǎn),具有更好的運(yùn)算性能、更快的收斂速度和更高的精度.模型以交通事故死亡人數(shù)為輸出變量,以機(jī)動車保有量、公路里程、人均gdp為輸入變量,利用1978年至2006年的道路交通事故數(shù)據(jù)進(jìn)行訓(xùn)練及檢驗.實例計算表明,建立的基于遺傳算法的bp神經(jīng)網(wǎng)絡(luò)模型可以很好的適用于道路交通事故宏觀預(yù)測,為制定交通安全對策提供理論依據(jù).

優(yōu)化電解碲電源對電解行業(yè)節(jié)能增效、提高電解產(chǎn)品質(zhì)量和改善電網(wǎng)環(huán)境具有重要意義.電源前級采用三相電壓型pwm整流器；在建立pwm整流器數(shù)學(xué)模型的基礎(chǔ)上；通過改進(jìn)雙閉環(huán)pi控制策略；即外環(huán)基于并行搜索全局尋優(yōu)的遺傳算法優(yōu)化bp神經(jīng)網(wǎng)絡(luò)權(quán)值和閾值的智能控制方法；分析網(wǎng)側(cè)電流波形和諧波含量；可得到所需的額定電解電壓和電流；以matlab/simulink軟件為平臺進(jìn)行仿真計算.結(jié)果表明:ga-bp(geneticalgorithm-backpropagation)算法具有輸出電壓平穩(wěn)、響應(yīng)速度快、超調(diào)量小、抗干擾性強(qiáng)等優(yōu)點(diǎn).

相對于監(jiān)測數(shù)據(jù)采集的高效性,隧道施工中對現(xiàn)場突發(fā)狀況缺乏高效的應(yīng)對措施。本文結(jié)合工程實例,采用正交表及對應(yīng)三維數(shù)值計算模型,得到隧道施工參數(shù)與對應(yīng)隧道變形的樣本集,應(yīng)用基于遺傳算法的bp神經(jīng)網(wǎng)絡(luò)matlab程序,通過對施工參數(shù)進(jìn)行正演分析,實現(xiàn)相對高效的施工反饋;在實測數(shù)據(jù)基礎(chǔ)上,通過進(jìn)一步的反演分析,可優(yōu)化施工參數(shù),實現(xiàn)施工工藝的經(jīng)濟(jì)優(yōu)選。工程應(yīng)用結(jié)果表明,該方法的分析結(jié)果能夠滿足工程施工精度要求,有效提高施工過程中突發(fā)狀況的應(yīng)對效率,同時也為設(shè)計中參數(shù)的優(yōu)化選擇提供參考,為建立隧道工程施工的高效反饋機(jī)制提供新方法和新思路。

神經(jīng)網(wǎng)絡(luò)模型是一種非常有效的數(shù)據(jù)處理工具,但是存在結(jié)構(gòu)確定困難的缺點(diǎn).針對神經(jīng)網(wǎng)絡(luò)算法的這種缺點(diǎn),提出了變結(jié)構(gòu)神經(jīng)網(wǎng)絡(luò)模型.此模型增加了神經(jīng)網(wǎng)絡(luò)隱節(jié)點(diǎn)的決策變量,并對此決策變量進(jìn)行松弛.在采用bp梯度算法確定神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的同時,確定網(wǎng)絡(luò)參數(shù).由于電纜的狀態(tài)監(jiān)測是時序數(shù)據(jù),將此模型應(yīng)用于電纜的狀態(tài)監(jiān)測過程中,能體現(xiàn)出較好的適應(yīng)性.

比較分析了現(xiàn)行的造價估測模型的特點(diǎn)及其存在的問題,突出bp神經(jīng)網(wǎng)絡(luò)模型進(jìn)行造價估測的理論優(yōu)勢,引入工程分類思想,以學(xué)校類建筑為例,建立了bp神經(jīng)網(wǎng)絡(luò)估測模型并進(jìn)行了造價估測。

造價估測方法的研究和bp神經(jīng)網(wǎng)絡(luò)模型的應(yīng)用——比較分析了現(xiàn)行的造價估測模型的特點(diǎn)及其存在的問題,突出bp神經(jīng)網(wǎng)絡(luò)模型進(jìn)行造價估測的理論優(yōu)勢,引入工程分類思想,以學(xué)校類建筑為例,建立了bp神經(jīng)網(wǎng)絡(luò)估測模型并進(jìn)行了造價估測。　　

建立bp(backpropagation)神經(jīng)網(wǎng)絡(luò)與遺傳算法相結(jié)合的電力負(fù)荷預(yù)測模型。在該模型中,利用遺傳算法具有的全局尋優(yōu)特點(diǎn),將bp網(wǎng)絡(luò)的初始權(quán)值優(yōu)化到一個較小的范圍,然后再用bp算法在該范圍內(nèi)繼續(xù)優(yōu)化,以便使優(yōu)化算法既能實現(xiàn)全局最優(yōu)求解,又能獲得較快的求解速度。最后,通過仿真算例,與傳統(tǒng)bp網(wǎng)絡(luò)優(yōu)化結(jié)果、及各種擬合方法獲得結(jié)果進(jìn)行比對,驗證了計算方法的可行性和優(yōu)越性。

闡述了企業(yè)信息化水平評價問題的現(xiàn)狀,提出了運(yùn)用遺傳算法(ga)優(yōu)化bp神經(jīng)網(wǎng)絡(luò)的評價方法,避免了傳統(tǒng)評價方法確定權(quán)重值的主觀隨意性,并且克服了bp網(wǎng)絡(luò)中的局部極小缺陷,使訓(xùn)練速度加快,在建立bp-ga網(wǎng)絡(luò)信息化評價模型的基礎(chǔ)上,利用樣本公司實際指標(biāo)數(shù)據(jù)對模型的評價效果進(jìn)行了檢驗,并與傳統(tǒng)bp網(wǎng)絡(luò)模型的評價結(jié)果進(jìn)行了比較研究。

建立bp（backpropagation）神經(jīng)網(wǎng)絡(luò)與遺傳算法相結(jié)合的電力負(fù)荷預(yù)測模型。在該模型中，利用遺傳算法具有的全局尋優(yōu)特點(diǎn)，將bp網(wǎng)絡(luò)的初始權(quán)值優(yōu)化到一個較小的范圍，然后再用bp算法在該范圍內(nèi)繼續(xù)優(yōu)化，以便使優(yōu)化算法既能實現(xiàn)全局最優(yōu)求解，又能獲得較快的求解速度。最后，通過仿真算例，與傳統(tǒng)bp網(wǎng)絡(luò)優(yōu)化結(jié)果、及各種擬合方法獲得結(jié)果進(jìn)行比對，驗證了計算方法的可行性和優(yōu)越性。

采用遺傳算法對建筑設(shè)計進(jìn)行優(yōu)化,是建筑設(shè)計領(lǐng)域一個全新的研究方向,然而,在日照分析下基于遺傳算法求解最優(yōu)值時,需要對每個進(jìn)化個體進(jìn)行適應(yīng)度函數(shù)的計算,將消耗大量的運(yùn)行時間.為了降低算法的復(fù)雜性,提出一種神經(jīng)網(wǎng)絡(luò)結(jié)合遺傳算法的建筑優(yōu)化設(shè)計方法.研究結(jié)果表明：與傳統(tǒng)遺傳算法對比,該方法可以有效降低算法的迭代次數(shù)和運(yùn)行時間,提高建筑優(yōu)化設(shè)計的效率.

提出一種采用bp神經(jīng)網(wǎng)絡(luò)算法來預(yù)測深基坑沉降的方法,結(jié)合具體工程實例,構(gòu)建了預(yù)測深基坑周邊地表沉降具體bp神經(jīng)網(wǎng)絡(luò)模型,預(yù)測結(jié)果表明,該模型有較高的預(yù)測精度,可作為預(yù)測沉降的一種新方法。

采用遺傳算法對建筑設(shè)計進(jìn)行優(yōu)化,是建筑設(shè)計領(lǐng)域一個全新的研究方向,然而,在日照分析下基于遺傳算法求解最優(yōu)值時,需要對每個進(jìn)化個體進(jìn)行適應(yīng)度函數(shù)的計算,將消耗大量的運(yùn)行時間.為了降低算法的復(fù)雜性,提出一種神經(jīng)網(wǎng)絡(luò)結(jié)合遺傳算法的建筑優(yōu)化設(shè)計方法.研究結(jié)果表明:與傳統(tǒng)遺傳算法對比,該方法可以有效降低算法的迭代次數(shù)和運(yùn)行時間,提高建筑優(yōu)化設(shè)計的效率.

第47卷第6期廈門大學(xué)學(xué)報(自然科學(xué)版)vol.47no.6 2008年11月journalofxiamenuniversity(naturalscience)nov.2008 基于bp神經(jīng)網(wǎng)絡(luò)的工程估價模型及其應(yīng)用 葉青,王全鳳 (華僑大學(xué)土木工程學(xué)院,福建泉州362021) 收稿日期:20080414 基金項目:福建省自然科學(xué)基金(2008j0196)資助 email:yeqing@hqu.edu.cn 摘要:基于bp神經(jīng)網(wǎng)絡(luò)的工程估價模型具有高度的容錯性和較強(qiáng)的泛化能力,通過對數(shù)據(jù)并行處理的方式能快速準(zhǔn) 確地估算出工程造價.本文根據(jù)bp神經(jīng)網(wǎng)絡(luò)原理,選取福建泉州地區(qū)的21組工程實例來建立模型,其中19組為訓(xùn)練樣 本,2組為檢測樣本,確定了13個主要造價

本文采用bp神經(jīng)網(wǎng)絡(luò)預(yù)測模型,通過在matlab軟件建模,并對實際工程項目的支護(hù)結(jié)構(gòu)頂水平位移的監(jiān)測數(shù)據(jù)進(jìn)行分析,預(yù)測其后的監(jiān)測數(shù)據(jù),結(jié)果表明bp神經(jīng)網(wǎng)絡(luò)擬合效果優(yōu)越,仿真性強(qiáng),具有很強(qiáng)的泛化能力,能夠?qū)嶋H工程的支護(hù)結(jié)構(gòu)頂水平位移進(jìn)行有效預(yù)測.

根據(jù)某建筑中央空調(diào)系統(tǒng)的工作參數(shù),創(chuàng)建bp神經(jīng)網(wǎng)絡(luò)模型,得到輸入輸出的映射關(guān)系.利用遺傳算法尋找中央空調(diào)系統(tǒng)的最佳工作參數(shù),對遺傳算法的優(yōu)化結(jié)果進(jìn)行分析.利用圖形分析法驗證遺傳算法得到的結(jié)果是全局最優(yōu)解.當(dāng)冷卻水進(jìn)口溫度為室外溫度、冷水出口溫度為設(shè)置范圍內(nèi)的最大值時,空調(diào)功耗最小.

為有效gis設(shè)備放電故障診斷的快速性和準(zhǔn)確性,采用近幾年出現(xiàn)的遺傳算法對bp神經(jīng)網(wǎng)絡(luò)進(jìn)行優(yōu)化,減少了bp神經(jīng)網(wǎng)絡(luò)算法陷入局部最優(yōu)解的風(fēng)險,顯著增強(qiáng)了bp神經(jīng)網(wǎng)絡(luò)的泛化能力和全局尋優(yōu)能力。對比發(fā)現(xiàn),遺傳算法優(yōu)化后的bp神經(jīng)網(wǎng)絡(luò)模型具有比較好的快速性和準(zhǔn)確的診斷能力。測試結(jié)果表明,遺傳算法優(yōu)化bp神經(jīng)網(wǎng)絡(luò)對gis設(shè)備放電故障診斷具有可行性和有效性。

針對壓電陶瓷驅(qū)動器的蠕變誤差隨時間呈現(xiàn)非線性變化,會嚴(yán)重影響其定位精度的問題,提出遺傳算法優(yōu)化bp神經(jīng)網(wǎng)絡(luò)的壓電陶瓷蠕變預(yù)測算法。采用遺傳算法優(yōu)化了bp神經(jīng)網(wǎng)絡(luò)的權(quán)值和閾值,構(gòu)建了基于遺傳算法的bp神經(jīng)網(wǎng)絡(luò)(ga-bp算法)的蠕變預(yù)測模型。用ga-bp算法對壓電陶瓷蠕變進(jìn)行了預(yù)測仿真,并將結(jié)果與實測數(shù)據(jù)進(jìn)行了對比。結(jié)果表明,獲得的蠕變預(yù)測結(jié)果與實驗數(shù)據(jù)的最大絕對誤差均不超過0.2μm,最大蠕變誤差均小于1.5%,最大均方誤差僅為0.0046,因此,ga-bp預(yù)測模型可作為預(yù)測壓電陶瓷蠕變誤差的一種有效手段。

綜合利用有限元法、正交試驗法、bp神經(jīng)網(wǎng)絡(luò)以及遺傳算法對大重型數(shù)控轉(zhuǎn)臺的花盤結(jié)構(gòu)系統(tǒng)進(jìn)行優(yōu)化研究。首先對花盤結(jié)構(gòu)系統(tǒng)進(jìn)行諧響應(yīng)動力學(xué)分析,找出對結(jié)構(gòu)動態(tài)特性影響最大的模態(tài)頻率,并確定bp神經(jīng)網(wǎng)絡(luò)的輸入變量,然后利用正交試驗法和有限元分析法確定出bp神經(jīng)網(wǎng)絡(luò)樣本點(diǎn)數(shù)據(jù),建立反映花盤結(jié)構(gòu)特性的bp神經(jīng)網(wǎng)絡(luò)模型,最后利用遺傳算法對建立的bp神經(jīng)網(wǎng)絡(luò)優(yōu)化。仿真結(jié)果表明,花盤第一階固有頻率提高15.5%,其自重降低9.8%。

根據(jù)電力負(fù)荷的主要影響因素,考慮時間和天氣,建立了基于遺傳算法和反向傳播神經(jīng)網(wǎng)絡(luò)(bp)的短期負(fù)荷預(yù)測.從bp神經(jīng)網(wǎng)絡(luò)的理論入手,采用遺傳算法優(yōu)化bp神經(jīng)網(wǎng)絡(luò)的初始權(quán)值和隱層節(jié)點(diǎn)數(shù),從而避免了神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)確定和初始權(quán)值選擇的盲目性,提高了神經(jīng)網(wǎng)絡(luò)用于電力系統(tǒng)短期負(fù)荷預(yù)測的效率和精度使得負(fù)荷預(yù)測在更加合理的網(wǎng)絡(luò)結(jié)構(gòu)上進(jìn)行.