期刊文献+
任意字段
题名或关键词
题名
关键词
摘要
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3,236篇文章
< 1 2 … 162 >
每页显示 20 50 100
已选0条
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：
Application of Bayesian regularized BP neural network model for analysis of aquatic ecological data—A case study of chlorophyll-a prediction in Nanzui water area of Dongting Lake 认领 引用 被引量：6
1
作者 XU Min ZENG Guang-ming +3 位作者 XU Xin-yi HUANG Guo-he SUN Wei JIANG Xiao-yun 《Journal of Environmental Sciences》 SCIE EI CAS 2005年第6期946-952,共7页
Bayesian regularized BP neural network（BRBPNN） technique was applied in the chlorophyll-α prediction of Nanzui water area in Dongting Lake. Through BP network interpolation method, the input and output samples of t... Bayesian regularized BP neural network（BRBPNN） technique was applied in the chlorophyll-α prediction of Nanzui water area in Dongting Lake. Through BP network interpolation method, the input and output samples of the network were obtained. After the selection of input variables using stepwise/multiple linear regression method in SPSS i1.0 software, the BRBPNN model was established between chlorophyll-α and environmental parameters, biological parameters. The achieved optimal network structure was 3-11-1 with the correlation coefficients and the mean square errors for the training set and the test set as 0.999 and 0.000？8426, 0.981 and 0.0216 respectively. The sum of square weights between each input neuron and the hidden layer of optimal BRBPNN models of different structures indicated that the effect of individual input parameter on chlorophyll- α declined in the order of alga amount 〉 secchi disc depth（SD） 〉 electrical conductivity （EC）. Additionally, it also demonstrated that the contributions of these three factors were the maximal for the change of chlorophyll-α concentration, total phosphorus（TP） and total nitrogen（TN） were the minimal. All the results showed that BRBPNN model was capable of automated regularization parameter selection and thus it may ensure the excellent generation ability and robustness. Thus, this study laid the foundation for the application of BRBPNN model in the analysis of aquatic ecological data（chlorophyll-α prediction） and the explanation about the effective eutrophication treatment measures for Nanzui water area in Dongting Lake. 展开更多
关键词 Dongting Lake chlorophyll-a Bayesian regularized BP neural network model sum of square weights
暂未订购 下载PDF
Assessing the Forecasting of Comprehensive Loss Incurred by Typhoons:A Combined PCA and BP Neural Network Model 认领 引用 被引量：3
2
作者 Shuai Yuan Guizhi Wang +1 位作者 Jibo Chen Wei Guo 《Journal on Artificial Intelligence》 2019年第2期69-88,共20页
This paper develops a joint model utilizing the principal component analysis(PCA)and the back propagation(BP)neural network model optimized by the Levenberg Marquardt(LM)algorithm,and as an application of the joint mo... This paper develops a joint model utilizing the principal component analysis(PCA)and the back propagation(BP)neural network model optimized by the Levenberg Marquardt(LM)algorithm,and as an application of the joint model to investigate the damages caused by typhoons for a coastal province,Fujian Province,China in 2005-2015(latest).First,the PCA is applied to analyze comprehensively the relationship between hazard factors,hazard bearing factors and disaster factors.Then five integrated indices,overall disaster level,typhoon intensity,damaged condition of houses,medical rescue and self-rescue capability,are extracted through the PCA;Finally,the BP neural network model,which takes the principal component scores as input and is optimized by the LM algorithm,is implemented to forecast the comprehensive loss of typhoons.It is estimated that an average annual loss of 138.514 billion RMB occurred for 2005-2015,with a maximum loss of 215.582 in 2006 and a decreasing trend since 2010 though the typhoon intensity increases.The model was validated using three typhoon events and it is found that the error is less than 1%.These results provide information for the government to increase medical institutions and medical workers and for the communities to promote residents’self-rescue capability. 展开更多
关键词 Typhoon PCA BP neural network model comprehensive loss LM algorithm.
暂未订购 下载PDF
A Trust Evaluation Model for Social Commerce Based on BP Neural Network 认领 引用
3
作者 Lei Chen Ruimei Wang 《Journal of Data Analysis and Information Processing》 2016年第4期147-158,共12页
Recent years we have witnessed the rapid growth of social commerce in China, but many users are not willing to trust and use social commerce. So improving consumers’ trust and purchase intention has become a crucial ... Recent years we have witnessed the rapid growth of social commerce in China, but many users are not willing to trust and use social commerce. So improving consumers’ trust and purchase intention has become a crucial factor in the success of social commerce. Business factors, environment factors and social factors including twelve secondary indexes build up a social commerce trust evaluation model. Questionnaires are handed out to collect twelve secondary indexes scores as input of BP neural network and composite score of trust as output. Model simulation shows that both training samples and test samples have low level of average error and standard deviation, which certify that the model has good stability and it is a good method for evaluating social commerce trust. 展开更多
关键词 Social Commerce Trust Evaluation Trust BP Neural Network Evaluation Model
暂未订购 下载PDF
融合CUSUM方法与BP神经网络的实际供热管网分级泄漏检测 认领 引用 被引量：1
4
作者 周守军 刘晓康 +3 位作者 王耀龙 刘书豪 董建敏 赵一林 《暖通空调》 2026年第3期139-144,共6页
为解决目前供热管网泄漏故障检测困难、效率低的现状,本文提出了一种融合CUSUM(累积和)与BP神经网络(BPNN)的管网泄漏故障分级检测系统。该系统首先采用CUSUM方法(一级)检测供热管网补水流量并判断是否泄漏,如果该管网泄漏,则再采用BP... 为解决目前供热管网泄漏故障检测困难、效率低的现状,本文提出了一种融合CUSUM(累积和)与BP神经网络(BPNN)的管网泄漏故障分级检测系统。该系统首先采用CUSUM方法(一级)检测供热管网补水流量并判断是否泄漏,如果该管网泄漏,则再采用BP神经网络(二级)对泄漏位置进行精确定位。以某矿区实际供热管网为研究对象,结合其供暖期内运行数据与仿真数据,以PCA(主成分分析)方法及数据归一化进行数据处理,构建并训练了实际供热管网泄漏位置检测的BPNN模型,最终开发了该矿区的CUSUM-BPNN供热管网泄漏故障分级检测系统。使用现场供回水管道排污阀对泄漏进行模拟,采用该系统对3个换热站及其供热管网分别进行了测试,结果表明,该系统能够准确判断泄漏故障并快速定位泄漏点所在管段,泄漏报警延迟时间在2 min之内,很少出现故障未报或者误报的情况,验证了本文所开发系统的可靠性和高效性。 展开更多
关键词 供热管网 泄漏检测 CUSUM BP神经网络 仿真模型 主成分分析
暂未订购 下载PDF
基于BP神经网络参数反演的混凝土化-热-湿多场耦合分析 认领 引用 被引量：1
5
作者 刘昶 张永振 +5 位作者 王桥 栗雨辰 王小毛 周伟 常晓林 田文祥 《中国农村水利水电》 北大核心 2026年第2期122-129,共8页
建立多场耦合模型对混凝土性能演化预测已成为一种重要手段,而模型中各项参数的取值对计算结果影响很大。针对早龄期混凝土有限元模拟中参数难以确定导致模拟精度不足的问题,提出一种融合物理实验与BP神经网络参数反演的混凝土化-热-湿(... 建立多场耦合模型对混凝土性能演化预测已成为一种重要手段,而模型中各项参数的取值对计算结果影响很大。针对早龄期混凝土有限元模拟中参数难以确定导致模拟精度不足的问题,提出一种融合物理实验与BP神经网络参数反演的混凝土化-热-湿(CTH)多场耦合模拟方法。首先,通过引入了优化的化学亲和力函数和修正后的可蒸发水方程,实现对相对湿度多阶段演变的准确模拟;随后,利用基于BP神经网络的参数反演方法,结合物理实验数据,反演优化CTH多场耦合模型关键参数,构建高精度数值模型,并运用在混凝土分块浇筑模拟计算中。该方法的BP神经网络模型训练结果稳定性良好,湿度下降期预测值与实验数据拟合度达90%以上。模拟结果表明构建的CTH多场耦合模型能够精确模拟混凝土内部温湿度场的时空演化过程。这项研究成果为早龄期混凝土多场耦合模型参数标定与工程预测提供了理论与方法支撑。 展开更多
关键词 混凝土 温度 相对湿度 化-热-湿多场耦合模型 BP神经网络 分块浇筑
暂未订购 下载PDF
基于FA-BP神经网络的第四系地下水赋存层位判别研究 认领 引用
6
作者 汪洋 梁爽 +5 位作者 庞国兴 董明奇 郝印博 王俊鹏 刘敏 叶莹莹 《科技通报》 2026年第1期14-20,27,共7页
为了解决第四系地下水化学特征类似而难以区分的问题,本文提出一种基于FA-BP神经网络的第四系地下水赋存层位判别模型。以唐山市平原区第四系地下水为例,筛选了来自研究区第四系浅层和深层地下水样品,选用pH、TDS、Na、Ca、Mg、HCO3... 为了解决第四系地下水化学特征类似而难以区分的问题,本文提出一种基于FA-BP神经网络的第四系地下水赋存层位判别模型。以唐山市平原区第四系地下水为例,筛选了来自研究区第四系浅层和深层地下水样品,选用pH、TDS、Na、Ca、Mg、HCO3、Cl、SO4、F、Mn、Se、Cu、Zn、Al 14种水化学指标作为判别因子,考虑第四系浅、深层地下水的水质边界不明显和水化学组分差异性不大的特点,使用因子分析算法对数据进行降维,提取4个公因子作为判别因子,联合BP神经网络模型,建立基于FA-BP神经网络的第四系地下水赋存层位判别模型。为了验证模型的可靠性和准确性,将其判别结果与BP神经网络模型进行分析比较,并利用工作特征曲线进行了衡量验证。结果表明:FA-BP神经网络模型综合判别准确率达到93.2%,BP神经网络模型综合判别准确率为73.2%;二者判别结果的ROC(receiver operating characteristic)曲线下面积值分别为0.972、0.890。这说明采用基于FA-BP神经网络模型的判别结果与实际赋水层位类别吻合率高,研究成果为第四系地下水赋存层位判别研究提供一种新方法。 展开更多
关键词 因子分析 神经网络 FA-BP神经网络模型 赋存层位判别
暂未订购 下载PDF
融合增量学习机制的COA-BP模型及其线形预测 认领 引用
7
作者 邬晓光 邓志海 +2 位作者 汪俊光 侯学军 李红 《华南理工大学学报（自然科学版）》 EI CAS CSCD 北大核心 2026年第5期96-107,共12页
在进行大跨度连续刚构桥悬臂施工线形控制时,现有预测方法在模型构建与学习机制两方面存在系统性缺陷(传统方法非线性拟合能力弱,机器学习模型易陷入局部最优或泛化性能不足,且普遍采用“离线训练、固定参数”的静态建模范式),难以动态... 在进行大跨度连续刚构桥悬臂施工线形控制时,现有预测方法在模型构建与学习机制两方面存在系统性缺陷(传统方法非线性拟合能力弱,机器学习模型易陷入局部最优或泛化性能不足,且普遍采用“离线训练、固定参数”的静态建模范式),难以动态适应施工过程中结构响应的时变特性与误差累积规律。为克服该问题,研究提出一种融合小龙虾优化算法(COA)与BP神经网络的COA-BP模型,并创新性引入增量学习机制。首先,基于FEA NX建立精细化实体有限元模型,结合混凝土容重、弹性模量、预应力张拉控制应力等关键参数的变异性,采用拉丁超立方群抽样生成输入参数组合,反算各梁段理论立模标高;实测标高由现场施工完成后获取,二者差值作为模型输出目标。然后通过COA算法优化BP网络的初始权值与阈值,有效提升模型收敛速度与全局搜索能力。在此基础上,设计分阶段学习策略,3、4、5号块为静态学习阶段,利用实测与理论标高差值完成模型初始化,从6号块起进入增量学习阶段,模型基于预测结果指导立模标高调整,并在每阶段施工完成后将新实测数据对应的标高差值纳入训练集,实现“边施工、边学习、边优化”的动态闭环。研究还依托实际连续刚构桥工程进行验证,结果表明,6号块纠偏后最大误差为-1.8 mm,后续梁段预测误差持续收敛,预测曲线平滑下降,显著优于传统方法的预测效果,验证了所提出COA-BP模型在提升线形预测精度与适应性方面的有效性。 展开更多
关键词 线形预测 连续刚构桥 小龙虾算法 BP神经网络 增量学习 COA-BP模型 桥梁工程
暂未订购 下载PDF
基于IWOA-BPNN的覆冰输电线路位移与应力预测研究 认领 引用
8
作者 杨春侠 戴芳 +1 位作者 刘欣 蔡明洋 《现代电子技术》 北大核心 2026年第16期127-135,共9页
随着我国电网向高海拔、大跨越及极端气候区延伸,覆冰灾害引发的输电塔线体系灾害问题日益严峻。为准确、高效地预测输电线路在覆冰及脱冰工况下的动力响应,提出一种改进鲸鱼优化算法优化BP神经网络(IWOA-BPNN)的预测模型。该模型通过引... 随着我国电网向高海拔、大跨越及极端气候区延伸,覆冰灾害引发的输电塔线体系灾害问题日益严峻。为准确、高效地预测输电线路在覆冰及脱冰工况下的动力响应,提出一种改进鲸鱼优化算法优化BP神经网络(IWOA-BPNN)的预测模型。该模型通过引入Cubic混沌映射、非线性收敛函数、自适应权重调节与交叉验证机制,实现了多策略协同优化,显著提升了神经网络的收敛速度、稳定性与泛化性能。利用仿真模拟高效地生成涵盖多种工况与环境条件的大规模样本数据,构建以风速、攻角、覆冰厚度、档距和脱冰率为输入,以结构最大位移与应力为输出的预测系统。基于2000组数据样本集的测试结果表明,所提模型在多个关键结构响应指标上均取得了优于传统模型的预测精度,误差控制在-5.51%~6.70%以内,展示出优异的预测精度与工程适用性。该研究为输电线路的结构健康监测与风险预警提供了切实可行的技术支撑。 展开更多
关键词 改进鲸鱼优化算法 BP神经网络 预测模型 输电塔线体系 风振响应 结构健康监测
暂未订购 下载PDF
基于灰狼算法优化BP-AdaBoost集成模型的煤自燃氧化性预测 认领 引用
9
作者 汪伟 王璜瑞 +3 位作者 祁云 李绪萍 崔欣超 白晨浩 《安全与环境学报》 CAS CSCD 北大核心 2026年第6期2128-2139,共12页
为了更精准地预测煤的自燃氧化性,提出了基于GWO-BPNN-AdaBoost的煤自燃氧化性预测模型。首先,从煤的元素组成与分子结构中选取煤自燃氧化性影响因素,将煤自燃氧化性综合判定指数作为模型的输出指标。其次,利用灰狼优化算法(Grey Wolf O... 为了更精准地预测煤的自燃氧化性,提出了基于GWO-BPNN-AdaBoost的煤自燃氧化性预测模型。首先,从煤的元素组成与分子结构中选取煤自燃氧化性影响因素,将煤自燃氧化性综合判定指数作为模型的输出指标。其次,利用灰狼优化算法(Grey Wolf Optimizer,GWO)的自适应调整收敛因子和信息反馈机制对BP神经网络(Back Propagation Neural Network,BPNN)模型中的初始权值和阈值进行优化,通过BPNN的正向传播与反向传播最小化预测误差,并结合自适应增强(Adaptive Boosting,AdaBoost)算法迭代训练多个弱分类器后组合为强分类器,提高预测的精度。最后,使用合成少数类过采样技术(Synthetic Minority Over-sampling Technique,SMOTE)对原始数据进行扩充生成50组样本数据,按照7∶3的比例划分训练集及测试集,将GWO-BPNN-AdaBoost模型的预测结果与BPNN、BPNN-AdaBoost、支持向量回归(Support Vector Regression,SVR)及随机森林(Random Forest,RF)模型进行对比分析。结果表明,GWO-BPNN-AdaBoost模型的平均绝对误差分别降低了47.22,24.30,21.30、60.10,平均绝对百分比误差分别降低了0.06、0.03、0.04、0.09,均方根误差分别降低了60.91、37.43、51.07、85.08,决定系数分别提高了0.08、0.04、0.06、0.14。将GWO-BPNN-AdaBoost模型应用于新疆金川煤矿,相较于其他模型,GWO-BPNN-AdaBoost模型的预测结果与工程实际情况最为相近,表明GWO-BPNN-AdaBoost模型适用于煤自燃氧化性的预测。 展开更多
关键词 安全工程 煤自燃氧化性 灰狼优化算法 BP神经网络 自适应增强算法 预测模型
暂未订购 下载PDF
基于IDBO–BP神经网络的巷道围岩松动圈厚度预测模型 认领 引用
10
作者 余一松 郭奇峰 +2 位作者 晋方杰 刘佳伟 王勇兵 《工程科学学报》 EI CAS CSCD 北大核心 2026年第7期1470-1483,共14页
松动圈厚度是巷道围岩稳定性评价不可或缺的关键参数,准确预测松动圈厚度对于地下工程安全具有重要意义.本文选取能够充分反映松动圈特征的五个关键因素,巷道埋深、巷道跨度、掘进断面积、岩体单轴抗压强度以及节理发育程度作为松动圈... 松动圈厚度是巷道围岩稳定性评价不可或缺的关键参数,准确预测松动圈厚度对于地下工程安全具有重要意义.本文选取能够充分反映松动圈特征的五个关键因素,巷道埋深、巷道跨度、掘进断面积、岩体单轴抗压强度以及节理发育程度作为松动圈厚度的预测指标.在蜣螂优化(DBO)算法的基础上,通过引入Chebyshev混沌映射、黄金正弦策略和动态权重系数,构建了一种多策略融合的改进蜣螂优化算法(IDBO),并将其用于优化BP神经网络的初始权值和阈值,从而构建了基于IDBO–BP神经网络的松动圈厚度预测模型.利用102组松动圈实例数据对该模型的适用性和可靠性进行了验证.同时,采用Spearman相关性分析评估了各预测指标与松动圈厚度之间的相关程度,并通过R2、MAE、MBE和RMSE等指标对IDBO–BP神经网络模型的预测性能进行了系统评价.最后,将所构建模型应用于某金矿不同埋深巷道的松动圈厚度预测,以进一步验证其工程应用效果.结果表明:在5个预测指标中,节理发育程度与松动圈厚度的相关性最强,掘进断面积最弱;相比于BP和DBO–BP模型,IDBO–BP预测模型对于训练集与测试集的预测位置偏离程度更小,预测精度更高;与SVM、RF、PLS、BP、DBO–BP相比,IDBO–BP的R2值最接近1,MAE、MBE和RMSE值最小,表明IDBO–BP预测性能最好、迭代速度最快,预测精度最高;IDBO–BP模型对三个水平巷道的松动圈厚度预测平均误差为8.2%,相较于BP和DBO–BP模型,分别减少了9.3%和5.3%,预测精度得到较大提升,进一步证明了所提模型的可靠性. 展开更多
关键词 松动圈 BP神经网络 蜣螂优化算法 预测模型 模型性能评估
暂未订购 下载PDF
基于BP神经网络的在建水利工程度汛安全评价模型 认领 引用
11
作者 郭秀琴 储善鹏 +1 位作者 陈素明 王浩然 《中国防汛抗旱》 2026年第4期35-40,共6页
为提升在建水利工程度汛安全评价的智能化水平,构建了一种基于反向传播(Back Propagation,BP)神经网络的在建水利工程度汛安全状况智能评价模型。该模型考虑多维度指标体系,利用BP神经网络针对非线性问题的学习能力,通过实际工程案例数... 为提升在建水利工程度汛安全评价的智能化水平,构建了一种基于反向传播(Back Propagation,BP)神经网络的在建水利工程度汛安全状况智能评价模型。该模型考虑多维度指标体系,利用BP神经网络针对非线性问题的学习能力,通过实际工程案例数据的训练,对在建水利工程的度汛安全水平进行预测和分析。研究结果表明,该模型预测结果最大相对误差在4%以内,表现出良好的泛化能力,可有效辅助水行政主管部门和工程参建单位快速开展度汛安全评价。研究可为在建水利工程度汛安全智慧化管理提供参考。 展开更多
关键词 在建水利工程 度汛安全 BP神经网络 评价模型 样本预测
暂未订购 下载PDF
基于GA-BP神经网络的铆钉镦头最大压铆力预测 认领 引用
12
作者 方阳 张卫文 《锻压技术》 CAS CSCD 北大核心 2026年第2期179-189,共11页
为了更好地预测铆接装配连接过程中的最大压铆力,以铆钉直径、钉杆长度、钉孔直径和连接夹层厚度作为输入变量进行探究分析。首先,运用ABAQUS二次开发Python脚本语言的参数化建模方法,实现自动创建铆接镦头成形的数值模型,并结合试验结... 为了更好地预测铆接装配连接过程中的最大压铆力,以铆钉直径、钉杆长度、钉孔直径和连接夹层厚度作为输入变量进行探究分析。首先,运用ABAQUS二次开发Python脚本语言的参数化建模方法,实现自动创建铆接镦头成形的数值模型,并结合试验结果验证有限元模型分析压铆力的合理性。然后,运用GA-BP神经网络对有限元建模分析的批量样本数据进行训练,构建铆钉标准镦头变形的最大压铆力预测代理模型。最后,以MS20470AD铆钉为例,对GA-BP神经网络模型最大压铆力的预测值与测试值误差指标数据进行分析。结果表明,使用GA-BP神经网络预测MS20470AD铆钉标准镦头成形所需的最大压铆力有较好的可靠性,平均绝对误差百分比为1.14%,平均预测精度达到98.86%,且铆钉直径和钉孔直径对最大压铆力有正相关影响。 展开更多
关键词 铆接 铆钉镦头 参数化建模 GA-BP神经网络 最大压铆力
暂未订购 下载PDF
基于PSO-BP模型的化纤污泥中锌浸出工艺智能优化研究 认领 引用
13
作者 王记昌 田静 朱清智 《中国有色冶金》 CAS 北大核心 2026年第3期144-151,共8页
某化纤污泥中锌含量达5.98%,具备良好的综合回收价值。本文采用硫酸浸出法回收该污泥中的锌,系统考察了浸出硫酸浓度、时间、温度、液固比等因素对锌浸出率的影响;并基于单因素试验数据,构建PSO-BP模型对工艺参数进行了全局寻优,最后对... 某化纤污泥中锌含量达5.98%,具备良好的综合回收价值。本文采用硫酸浸出法回收该污泥中的锌,系统考察了浸出硫酸浓度、时间、温度、液固比等因素对锌浸出率的影响;并基于单因素试验数据,构建PSO-BP模型对工艺参数进行了全局寻优,最后对寻优结果进行了验证,得到以下主要结论。单因素试验确定的最优工艺参数为浸出硫酸浓度2 mol·L-1、搅拌浸出时间60 min、温度30℃、液固比4∶1 mL·g-1,锌平均浸出率97.91%;PSO-BP模型优化后的最佳工艺参数为浸出硫酸浓度2.16 mol·L-1、搅拌浸出时间64.1 min、温度33.58℃、液固比4.18∶1 mL·g-1,该条件下,模型预测锌浸出率为98.96%,验证试验锌平均浸出率为98.91%,相对误差为0.05%,充分验证了优化模型的准确性与所获工艺参数的可靠性。模型优化后确定的最佳工艺锌浸出率比单因素试验确定的最佳浸出率高出1个百分点,产生了明确的经济价值和环保效益,不但为化纤污泥的锌资源回收提供了工艺参数和决策支持,而且为固废资源化工艺向智能化、精准化发展提供了新的思路。 展开更多
关键词 化纤污泥 锌回收 硫酸浸出 粒子群算法 神经网络 PSO-BP模型 智能优化
暂未订购 下载PDF
QPSO-optimized BP Neural Network to Predict Occurrence Quantity of Myzus persicae 认领 引用 被引量：1
14
作者 Qiu Jing Yang Yi +3 位作者 Qin Xiyun Li Kunlin Chen Keping Yin Jianli 《Plant Diseases and Pests》 2015年第1期1-3,14,共3页
In order to effectively predict occurrence quantity of Myzus persicae, BP neural network theory and method was used to establish prediction model for oc- currence quantity of M. persicae. Meanwhile, QPSO algorithm was... In order to effectively predict occurrence quantity of Myzus persicae, BP neural network theory and method was used to establish prediction model for oc- currence quantity of M. persicae. Meanwhile, QPSO algorithm was used to optimize connection weight and threshold value of BP neural network, so as to determine. the optimal connection weight and threshold value. The historical data of M. persica quantity in Hongta County, Yuxi City of Yunnan Province from 2003 to 2006 was adopted as training samples, and the occurrence quantities of M. persicae from 2007 to 2009 were predicted. The prediction accuracy was 99.35%, the mini- mum completion time was 30 s, the average completion time was 34.5 s, and the running times were 19. The prediction effect of the model was obviously superior to other prediction models. The experiment showed that this model was more effective and feasible, with faster convergence rate and stronger stability, and could solve the similar problems in prediction and clustering. The study provides a theoretical basis for comprehensive prevention and control against M. persicae. 展开更多
关键词 BP neural network QPSO algorithm Myzus persicae Occurrence quantity Prediction model
暂未订购 下载PDF
基于MPC的永磁同步电机GWO-BP神经网络控制 认领 引用
15
作者 张金亮 任钊月 +1 位作者 简炜 王志虎 《机械设计与制造》 北大核心 2026年第5期92-98,共7页
针对永磁同步电机单矢量模型预测控制在一个周期内只有一个基本电压矢量作用于逆变器,从而造成电流和转矩波动较大,尽管双矢量模型预测控制在一定程度能够改善该问题,但其电压矢量通过遍历法选择,存在计算量大、实时性差等问题,因此提... 针对永磁同步电机单矢量模型预测控制在一个周期内只有一个基本电压矢量作用于逆变器,从而造成电流和转矩波动较大,尽管双矢量模型预测控制在一定程度能够改善该问题,但其电压矢量通过遍历法选择,存在计算量大、实时性差等问题,因此提出了一种基于灰狼算法(Grey Wolf Optimizer,GWO)优化BP(Back Propagation,BP)神经网络的永磁同步电机控制方法。将原系统选择最优电压矢量过程看作是一种神经网络分类任务,通过原系统产生的大量离散数据离线训练网络,并利用GWO算法优化BP神经网络的初始权值和偏置,加快神经网络的训练速度和精度,训练好的网络代替模型预测控制,避免矢量遍历选择。最后仿真验证了该控制策略的可行性,有效的减小了电流和转矩的波动,提高了系统控制性能。 展开更多
关键词 永磁同步电机 模型预测控制 双矢量 灰狼算法 BP神经网络
暂未订购 下载PDF
基于BP-SA优化算法的SWMM高精度参数率定 认领 引用
16
作者 康得军 林益贤 +2 位作者 林男津 赖李保壹 赵颖 《中国给水排水》 CAS CSCD 北大核心 2026年第13期130-136,共7页
在雨洪管理模型(SWMM)构建中,参数率定是确保模型模拟精度与可靠性的关键环节。但传统参数率定方法因参数复杂、不确定性高和计算效率低,难以获取全局最优解。为此,提出了融合反向传播(BP)神经网络与模拟退火算法的混合优化算法。首先,... 在雨洪管理模型(SWMM)构建中,参数率定是确保模型模拟精度与可靠性的关键环节。但传统参数率定方法因参数复杂、不确定性高和计算效率低,难以获取全局最优解。为此,提出了融合反向传播(BP)神经网络与模拟退火算法的混合优化算法。首先,用修正的Morris筛选法筛选出对径流峰值及总量敏感的水文水力参数,降低率定时的参数空间维度;其次,利用BP神经网络快速预测不同参数组合下的模拟结果,显著减少计算成本;最后,引入模拟退火算法,借助Metropolis准则与温度衰减机制,有效平衡全局探索与局部开发能力。实验结果表明,该方法在不同降雨重现期下均表现出高精度且具有优异的适应性,综合径流系数率定误差在0.1%左右,纳什效率系数率定至0.99以上,可为复杂城市雨洪模型的自动化率定提供可靠的技术路径。 展开更多
关键词 雨洪管理模型(SWMM) 参数率定 反向传播(BP)神经网络 模拟退火算法
暂未订购 下载PDF
基于GA-BP神经网络与多目标优化算法的模具钢铣削工艺参数研究 认领 引用
17
作者 吴玉文 于洋 +1 位作者 王建军 王帅 《模具技术》 2026年第1期115-120,共6页
采用DEFORM-3D建立高强人PC53模具钢铣削有限元模型,基于多组仿真数据,分别建立常规BP神经网络与反向传播神经网络模型和遗传算法优化反向传播神经网络模型(GA-BP)神经网络模型,对比两者在切削力和刀具磨损预测中的性能差异;进而设计神... 采用DEFORM-3D建立高强人PC53模具钢铣削有限元模型,基于多组仿真数据,分别建立常规BP神经网络与反向传播神经网络模型和遗传算法优化反向传播神经网络模型(GA-BP)神经网络模型,对比两者在切削力和刀具磨损预测中的性能差异;进而设计神经网络与多目标优化算法的耦合机制,以最大铣削效率、最小切削力和最小刀具磨损为目标,分别采用NSGA-II和NSGA-III算法优化,通过Pareto前沿分析算法性能。结果表明:GA-BP神经网络预测精度更高,所建模型优化框架可有效映射切削参数与目标的关系,且NSGA-II在三目标优化中表现更优。研究为DC53模具钢等难加工材料铣削参数优化提供了可行方法与数据支撑。 展开更多
关键词 DC53模具钢 铣削 GA-BP神经网络 多目标优化 工艺参数 DEFORM-3D
暂未订购 下载PDF
基于修正J-C和BP神经网络的Ti2AlNb合金的本构关系 认领 引用
18
作者 熊超 王克鲁 +3 位作者 李鑫 庄金勇 张承 鲁世强 《材料热处理学报》 CAS CSCD 北大核心 2026年第3期217-228,共12页
在变形温度为800~950℃和应变速率为0.001~1 s-1的条件下对Ti2AlNb合金进行了等温恒应变速率压缩实验,研究其流动应力行为,基于实验数据,构建了修正J-C和BP神经网络两种本构模型,分析了两种本构模型预测精度的差异。结果表明:Ti_(... 在变形温度为800~950℃和应变速率为0.001~1 s-1的条件下对Ti2AlNb合金进行了等温恒应变速率压缩实验,研究其流动应力行为,基于实验数据,构建了修正J-C和BP神经网络两种本构模型,分析了两种本构模型预测精度的差异。结果表明:Ti2AlNb合金的流动应力具有负温度敏感性和正应变速率敏感性;修正J-C本构模型具有较好的预测精度,其相关系数R和平均绝对相对误差AARE分别为0.982和7.37%,但该模型的预测精度随着变形条件变化存在较大差异;BP神经网络本构模型具有更高的预测精度,其R和AARE分别达到了0.998和1.82%,且该模型的预测精度随着变形条件变化仅存在较小的差异;因此,BP神经网络本构模型比修正J-C本构模型更能准确地反映Ti2AlNb合金流动应力与热力参数之间的非线性关系,更好地表征该合金的流动应力行为。 展开更多
关键词 Ti2AlNb合金 流动应力行为 本构模型 修正J-C模型 BP神经网络模型
暂未订购 下载PDF
基于鲸鱼BP神经网络的爆破振动速度-频率智能预测 认领 引用
19
作者 夏飞 郭一鸣 +1 位作者 李启月 刘恺 《工程爆破》 CSCD 北大核心 2026年第1期158-168,共11页
为了提高爆破振动质点峰值速度(Peak Particle Velocity,PPV)和主频(f)预测的准确度,有效降低爆破振动的危害,将BP(Back Propagation)神经网络解决复杂非线性函数逼近能力和鲸鱼优化算法(Whale Optimization Algorithm,WOA)全局搜索能... 为了提高爆破振动质点峰值速度(Peak Particle Velocity,PPV)和主频(f)预测的准确度,有效降低爆破振动的危害,将BP(Back Propagation)神经网络解决复杂非线性函数逼近能力和鲸鱼优化算法(Whale Optimization Algorithm,WOA)全局搜索能力相结合,建立了WOA-BP神经网络预测模型。以某地下工程为依托,选取高程差、爆心距、水平距离、总药量、最大单段装药量、最小抵抗线、自由面面积、延时时间为输入参数,PPV和f为输出参数,利用灰色关联法分析输入参数与输出参数之间的关联强度得出WOA-BP神经网络预测模型中各输入参数对PPV和f有显著影响。对比分析WOA-BP神经网络模型与经验公式、BP神经网络模型预测结果表明:WOA-BP神经网络模型避免了陷入局部最优的问题,将预测结果误差控制在5%以内,预测结果更准确,训练更加高效,可为类似地下工程光面爆破时预测PPV和f提供参考。 展开更多
关键词 质点峰值速度 主频 爆破振动 WOA-BP神经网络 预测模型
暂未订购 下载PDF
基于BP神经网络的草莓大棚内气温预测模型 认领 引用
20
作者 陈翼 张净雯 +2 位作者 王雨萱 倪成诚 韩静 《陕西农业科学》 2026年第4期119-124,共6页
草莓生产对气温变化敏感,精准预测棚内气温是优化设施环境调控的关键。为探明影响棚内气温的关键气象因子,保障草莓优质生长环境,本研究利用2023年11月16日-2024年4月7日草莓大棚的棚内气温与棚外气温、空气湿度、风速、气压和土壤温度... 草莓生产对气温变化敏感,精准预测棚内气温是优化设施环境调控的关键。为探明影响棚内气温的关键气象因子,保障草莓优质生长环境,本研究利用2023年11月16日-2024年4月7日草莓大棚的棚内气温与棚外气温、空气湿度、风速、气压和土壤温度等气象资料,基于BP神经网络和逐步回归方法构建棚内气温预测模型,并进行模拟效果检验,结果表明:基于BP神经网络方法建立的棚内气温预测模型模拟效果明显优于逐步回归方法,二者预测正确率分别为98.1%、87.7%;基于BP神经网络的棚内气温预测模型对棚外气温分别为-2℃≤t<10℃、10℃≤t<20℃、20℃≤t≤30℃情况下的模拟效果均较好,预测正确率分别为:96.4%、98.8%、95.8%,但对极端低温天气的模拟效果明显比极端高温天气差,对棚外气温分别为-1~10℃、10~30℃的单日连续模拟,预测正确率分别为77.9%、96.7%。该模型预测精度较高,实用性强,可为设施草莓气象服务和环境调控提供依据,对预防和减少草莓大棚内高低温灾害有参考意义。 展开更多
关键词 BP神经网络 气温 模型模拟 草莓 大棚
暂未订购 下载PDF
已选0条
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 … 162 下一页 到第 页
在线咨询 使用帮助 返回顶部 意见反馈