共查询到10条相似文献,搜索用时 15 毫秒
1.
2.
将BP神经网络良好的非线性函数拟合能力,以及粒子群算法(PSO)良好的非线性优化性能相结合,提出一种基于自然选择策略的PSO-BP神经网络的滑坡可靠性评价新方法。新方法的整体布局是以BP神经网络作为滑坡可靠性分析的响应面函数,在内部实现细节上,针对传统BP神经网络权值和阈值更新过程中容易陷入局部最优特点,采用自然选择粒子群算法来替代标准BP神经网络内置的最速梯度下降法,以达到进一步优化网络的目的。以贵州省马达岭HP1滑坡为例,验证该方法的优越性,结果证明:(1)该文提出的自然选择PSO-BP算法全局拟合能力更强,构造出的响应面误差更小;(2)降雨对于该边坡可靠性的影响小于地震,敏感性低;(3)天然工况下的HP1处于稳定状态,饱和、天然地震工况下处于低危险状态。 相似文献
3.
4.
针对传统动力电池的SOC估计方法的不足,采用BP神经网络对SOC进行预测。通过编写Matlab程序对BP神经网络进行了训练,并用所建BP神经网络模型对电池性能进行预测,获得电池SOC预测值,最大误差小于0.5%,结果满足精度要求,从而验证了所建BP神经网络能够有效的预测蓄电池电压和SOC之间的映射关系。对提高动力电池的能量效率,延长电池的使用寿命具有重要意义。 相似文献
5.
针对目前汽油机进气流量预测精度不高的问题,分析支持向量回归机(SVR)应用在进气流量预测的可行性,提出一种基于SVR的进气流量预测模型。该模型通过结合支持向量回归机的结构优势,采用灰色关联分析法(GRA)对模型的特征向量进行提取,并利用遗传算法(GA)对模型参数进行寻优辨识,以提高模型的泛化性能和预测精度。运用汽油机过渡工况仿真试验数据对模型进行了训练和预测,并应用MATLAB/LIBSVM工具箱实现SVR模型的回归预测功能。结果表明:SVR模型的预测值与试验值的误差控制在2%范围之内,有效实现了过渡工况进气流量的预测;与常规的RBF神经网络预测模型、BP神经网络预测模型相比,SVR模型具有更高的预测精度,适用于汽油机过渡工况空燃比的精准控制。 相似文献
6.
7.
8.
9.
10.
《中外公路》2020,(4)
通过熵权法加权的灰靶理论,对5组不同掺量水平的纳米SiO_2改性混凝土综合路用性能进行评价分析,得到最优纳米SiO_2掺量;选择最优组改性混凝土进行弯曲疲劳试验,以弯拉强度及荷载作用次数为参数,建立BP神经网络模型。结果表明:经过纳米SiO_2改性的混凝土其各项路用性能均得到有效提高,其中1.5%掺量水平下,纳米SiO_2改性混凝土路用性能综合评价最高;采用BP神经网络模型预测1.5%掺量水平下纳米SiO_2改性混凝土疲劳寿命可得到较为准确的结果,最大误差小于1%,Levenberg-Marquardt训练算法与另外两种算法相比具有最少的迭代次数及最优的收敛速度和泛化能力,且误差平方和相比之下最低,最大相对误差为0.011%~0.041%。 相似文献