基于改进BP网交通流动态时序预测算法的研究

针对城市交通“智能运输系统”，提出了基于改进BP神经网络理论模型的路面交通流动态时序的预测算法，在BP算法的自适应学习率，在动量法优化网络收敛性等方面，进行了深入研究，并改进了基本BP算法中的收敛速度慢和易陷入局部最小点等问题，章给出了基于改进BP算法的交通流态时序的预测算法仿真实验，结果验证了该算法的可行性和先进性，在交通流时序预测方面有一定的应用价值。     

遗传神经网络法在汽车故障诊断中的应用

在汽车故障诊断系统中，针对BP算法存在收敛速度慢、容易陷入局部极小值的问题，设计了用遗传算法的复制、交换、变异过程代替BP网络的反向传播过程的改进算法。结果表明，这种改进算法具有收敛速度快、推广性强的特点，极大提高了汽车故障诊断系统的效率和准确性。     

改进BP神经网络的城市交通流预测研究

由于交通流预测具有高度的非线性特点,这与BP神经网络能够处理非线性问题的特征相符合。但BP神经网络算法易使解陷入局部极小,而遗传算法的全局优化能力则恰恰可以克服这一缺点。文中将遗传算法应用于对BP神经网络模型的改进来对交通流进行预测。通过对预测数据与实测数据的比较分析,证实了改进后的方法更为有效。     

基于人工神经网络的柴油机故障诊断

故障诊断是计算机模式识别领域的一个活跃课题。文中提出了基于人工神经网络的柴油机故障诊断方法，设计了适合该诊断系统的BP网络结构，并给出了一种基于黄金分割法改进的BP算法，用来自适应调整网络学习速率。仿真结果表明：该算法具有很快的学习速度和较高的学习精度，完全适用于柴油机故障诊断系统。     

基于人工神经网络的高速公路入口匝道控制算法

利用BP人工神经网络对高速公路单个入口匝道进行控制。根据具体问题对神经网络控制器的设计进行了讨论，利用BP改进算法对神经网络控制器进行训练。利用Matlab对控制器的控制效果进行了仿真，将仿真结果与车道、需求-容量控制的效果进行了比较，结果表明，该神经网络控制器可以获得优良的控制效果。     

基于遗传算法的BP神经网络在煤矿安全评价中的应用研究

针对传统BP神经网络算法存在收敛速度慢、易于陷入局部极小的缺点,本文提出了基于遗传算法的BP网络,以提高网络的收敛速度,并将其与遗传算法结合起来,充分利用遗传算法的全局搜索性能进行"粗"搜索,当搜索到全局最优点的附近时,再采用BP算法进行局部搜索。     

基于人工神经风张的混凝土大跨度桥梁主梁参数实时估计

确定混凝土桥梁施工控制中参数估计的类别，选用人工神经网络的三层前馈性网络，改进BP算法，通过对混凝土大跨度桥梁主梁物性参数实时估计要素的研究，得到了统一的求解程度，解决了混凝土大跨度桥梁施工控制中主梁参数实时识别的问题，在此基础上，提出了混凝土大跨度桥梁施工质量新的评价指标。     

基于改进BP神经网络的柴油机故障诊断研究

根据柴油发动机故障与征兆之间关系来建立一种采用BP算法前馈型神经网络结构,然而采用标准BP算法对神经网络训练进行训练,但存在收敛速度慢等问题。因此,又采用添加动量项和自适应学习速率两种方法对标准BP算法进行改进,并将改进的BP算法运用于神经网络训练,结果表明改进的BP神经网络能够改善收敛速度慢的缺点,而且预测故障效果较好。     

浅析BP神经网络算法的改进和优化

本文简要介绍了BP神经网络的缺点,着重强调了BP神经网络的算法改进,并且,利用Matlab仿真了各种改进算法的学习速度,从结果看改进后的BP神经网络能较好地解决针BP算法学习速度慢的缺点。     

基于移动窗口定位和复合神经网络的车牌识别算法

针对一般车牌定位算法存在多个车牌识别区域，以及单个人工神经网络识别复杂、运算量大、不容易收敛等问题，提出采用移动窗口定位算法和复合BP神经网络模型，可以较好的解决以上问题．在实际应用中取得了预期效果。     

用于结构损伤位置识别的两种神经网络性能比较

为了克服用BP网络进行结构损伤位置识别时网络结构确定难、网络训练易陷入局部极小、训练时间长以及处理带噪声数据需要大量的误码练样本等问题，提出用SOFM网络进行结构损伤位置识别的方法。分别用SOFM网络和BP网络对一桁架结构进行损伤位置识别，通过比较两种网络的性能发现SOFM网络不但网络结构容易确定，网络训练不存在陷入局部极小的问题，BP网络只有在大量训练样本条件下才能保证网络具有较好的抗噪声能力，若训练样本不足，则BP网络的抗噪声性能较差，而SOFM网络在较少训练样本情况下即可具有良好的抗噪声性能，因而SOFM网络更适合训练样本有限备件下的结构损伤位置识别。     

改进BP算法在公路工程主材价格预测中的应用研究

分析了传统BP算法的不足,利用相关分析法筛选出公路工程主材价格的主要影响因素;在确定BP神经网络结构及选取训练函数的基础上,建立了基于改进BP神经网络算法的公路工程主材价格预测模型,并结合合肥市石屑价格预测的实例,利用建立的预测模型,采用BP传统算法及附加动量法、自适应学习速率法、两者相结合法等3种改进算法分别预测了合肥市2个季度的石屑价格,并将预测结果进行对比,分析了不同BP算法预测结果之间的差异。结果表明,使用改进的BP神经网络算法进行公路工程主材价格预测,可以将预测误差控制在6%以内,并减少95%左右的训练步数。同时采用自适应学习速率和附加动量改进BP网络的方法相对最有效。     

基于遗传算法的BP神经网络在桥梁安全评估中的应用

为对桥梁的安全性进行科学准确的评估,基于遗传算法与BP神经网络提出了一种新的桥梁安全评估方法。该算法采用遗传算法和误差反向传播算法(BP)相结合的混合算法来训练前馈神经网络,即先用遗传算法进行全局训练,再用BP算法进行局部精确训练,既克服了传统BP网络训练时间长,易陷入局部极值的缺点,又提高了全局收敛的效率。采用该算法对一座悬索桥——宜昌长江大桥的安全性进行评估,并与专家评估结果进行对比分析。结果证明,该算法收敛速度快,预测精度高,为桥梁的安全评估提供了一种新思路。     

基于灰色系统和神经网络的实时交通量预测组合模型研究

介绍了将灰色系统理论和人工神经网络模型作为预测工具所具有的优缺点,建立了单一的GM(1,1)灰色系统模型。对传统的BP神经网络模型进行改进,在权值函数中加入一个动量因子作为阻尼系数,可大幅降低其容易陷入局部极小值的可能性。同时对学习率加以改进,使其能进行自我调节,于是构建了单一的BP神经网络模型。将单一的灰色模型和BP网络模型进行有机融合,得到了灰色系统—神经网络的组合模型。为验证这3种模型的预测效果,选取某一高速公路路段的单向交通量数据,通过Matlab软件编程进行拟合和预测,发现所建的组合模型综合预测效果最佳。     

BP—GA算法在短时交通流预测中的应用研究

本文提出了一种基于BP神经网络的遗传算法,分别利用其局部和全局寻优能力强的特点综合为一种新的优化算法,并将改进的算法应用于交通流预测中。通过实例分析,可看到改进的模型在进行交通流预测时具有较好的预测效果。     

基于动态神经网络模型的交通事件检测算法

本文将一种新型的动态神经网络结构与传统的基于状态估计的故障检测方法相结合，提出了一种基于动态神经网络的交通事件检测算法。该网络借鉴静态BP网络的训练算法，并针对其训练方法中收敛速度慢及容易陷入局部极小点的缺点采用一种改进的算法，改善了训练效果。最后利用Matlab对提出的算法进行仿真，得到令人满意的效果。     

改进PSO-BP算法在隧道洞室地基稳定性中的应用

隧道洞室稳定性问题是一个复杂的非线性力学问题,常规的方法很难描述这种复杂的非线性关系。为及时评价隧道洞室地基的稳定性,以便采取合理的开挖方案,提出了改进PSO-BP算法对其稳定性进行预测的方法。粒子群算法具有搜索速度快、效率高、算法简单等优点。BP算法有很强的非线性映射能力、泛化能力等功能,但其容易陷入局部最优。采用PSO算法克服BP神经网络的缺陷,提高BP网络模型预测精度。以重庆小什字车站洞室为例,验证了改进PSO-BP算法能够快速、准确地获取不同方案下的洞室地基安全系数,且预测结果比模糊神经网络预测结果要好,证明了该方法的可行性。     

基于遗传算法的动态模糊神经网络城市快速路入口匝道控制

为了实现城市快速路的入口匝道智能动态控制,通过建立入口匝道数学模型,并应用具有递归环节的动态模糊神经网络于匝道控制系统中。在模糊神经网络第二层中加入内部反馈连接,使控制系统更好地响应复杂多变的交通状况,解决了以往静态网络无法处理的暂态问题。控制入口匝道的动态模糊神经网络使用遗传算法与反向传播BP算法相结合来训练,遗传算法的宏观搜索能力及鲁棒性强等优点有效地避免了神经网络算法易陷入局部极小及震荡效应等缺点。通过仿真结果,验证了基于动态模糊神经网络的控制算法相对于经典的ALINEA入口匝道控制算法具有改善,能够更好地保证城市快速路的通行效率。     

ARM平台下高精度柴油机故障诊断系统设计

针对传统方法难以精确诊断柴油机的故障问题,基于嵌入式ARM平台设计了一个高精度的柴油机故障诊断系统。提出一种改进的人工蜂群算法并以此优化BP神经网络算法训练故障样本,得到一组精确度较高的故障模型参数。在ARM平台上以该模型参数进行运算诊断获得故障类型。结果表明,改进的人工蜂群算法克服了基本人工蜂群算法易陷入局部最优的缺点,提高了故障诊断结果的精确度。     

基于扩展卡尔曼滤波神经网络算法的公路货运周转量预测

介绍了扩展卡尔曼滤波的原理,针对人工神经网络神经元之间权值的调整过程,建立了权值调整的状态空间模型,并采用扩展卡尔曼滤波对该模型的状态变量进行递推估计.文中仿真以全国历年公路货运周转量为例,分别采用BP算法和扩展卡尔曼滤波算法对神经网络进行训练,2种训练方法预测的结果对比表明扩展卡尔曼滤波训练算法具有更好的准确性和更高的运算效率.