基于BFGS法的BP神经网络算法研究

在把ＢＦＧＳ法运用于ＢＰ神经网络权的训练中,通过基于不同算法的神经网络对实际问题进行了学习,并根据学后获取的非线性机理结合预测的实例进行对比分析,表明基于ＢＦＧＳ法的ＢＰ神经网络算法对加快网络训练速度,提高网络预测的能力方面是有效的。     

基于BP神经网络的水上交通事故预测研究

本文分析了影响宏观水上交通事故的因素,论述了基于BP神经网络的水上交通事故预测模型的建模过程。通过实例分析,该模型作为水上交通事故预测是可行的。     

基于BP神经网络的贮存可靠性预测

导弹在贮存过程中,可用的故障数据量少,具体的故障时间难以准确确定。为此,引入BP神经网络进行导弹贮存可靠性分析,建立了导弹贮存可靠性预测模型。利用某2型导弹在贮存期间的测试故障数据,对贮存可靠度指标进行了定量计算。结果表明,该模型能迅速得出其贮存可靠性随时间的变化规律,对给定贮存条件下的贮存可靠性进行准确的预测。     

基于BP神经网络的船舶交通流量预测研究

在分析船舶交通流量特性的基础上,以船舶交通流量控制为最终目标,建立基于BP神经网络的船舶交通流量预测模型,以长江口深水航道的交通流量数据作为训练样本,进行模拟分析。预测结果与实测加权数据进行对比表明,该模型对船舶交通量的预测是有效的。     

基于BP神经网络的船舱温度预警系统

针对现有的船舶机舱的环境监测报警系统无法对船舱火灾进行预警的缺点,设计一种基于BP神经网络的船舱温度预警系统。对船舱某一固定点的温度进行模拟仿真得到预测结果,并通过与实际测得的温度数据比较验证系统仿真得到结果的正确性。实验证明,该船舱温度预测模型预测的结果与真实测得的温度数据比较具有相对较高的准确性,可以达到温度预测的效果,对船舶机舱对火灾进行预警具有一定意义。     

基于BP神经网络的武汉港货物吞吐量预测

港口吞吐量是港口设施和经营管理水平的综合性反映。本文从BP神经网络原理入手,构建影响港口货物吞吐量的因素与货物吞吐量间的预测模型,并对武汉港货物吞吐量进行了预测,得到了较好的预测结果。     

基于卷积神经网络的波浪砰击载荷识别方法

为准确识别波浪砰击载荷,保障海洋平台作业的安全性,基于卷积神经网络（CNN）模型,建立立柱-甲板简化模型的砰击载荷识别方法,根据结构测点应变响应数据对砰击载荷进行识别。通过分析半潜式平台立柱-甲板处砰击载荷分布的特点,进行有限元数值计算,生成训练数据集和测试数据集,同时考虑数据噪声的影响。结果表明：CNN砰击载荷识别模型具有很高的识别精度和良好的抗噪声能力,在无噪声和有噪声情况下,整体精度分别为99.6%和91.9%;相比传统的反向传播神经网络（BPNN）模型,CNN模型的识别精度更高。     

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。     

桩基准静载荷试验

文章介绍近年来在国际上开始应用的一种新的桩基载荷试验，它源自动载荷试验，但可将测试过程中的桩视作惯性力和土体阻力共同作用下的运动，简化为静载荷试验课题。     

基于BP神经网络技术的区域物流需求量预测

区域物流需求预测是区域物流系统规划、物流资源合理配置过程中的重要环节,而区域经济是产生区域物流需求的内在决定性因素,因此寻求利用区域经济指标来预测区域物流需求具有较强的可行性,同时能够促使区域物流产业与区域经济之间的协调发展。此外,还揭示了区域经济与区域物流需求之间的非线性映射关系,同时也为区域物流需求预测提供了一种新的思路和方法.本文利用BP神经网络对湖北省物流需求进行预测,并取得了较好的预测结果。     

基于改进BP神经网络的船舶操纵性能预报

以某单桨大型船舶在海上的回转性能为例，探讨了应用改进的BP神经网络（Back-pmpagation Neural Network）建立船舶操纵性预报数学模型的方法，并利用matlab语言对其进行了仿真。研究结果表明，改进的BP算法有更快的收敛速度和更好的计算精度。     

基于BP神经网络的复杂布局管道泄漏检测研究

对基于BP神经网络的复杂布局管道泄漏检测与定位进行研究,确定实验方案和研究内容,介绍BP神经网络的输入参数、训练目标和隐含层节点个数,阐述基于BP神经网络的复杂管道泄漏检测研究。研究表明：用BP神经网络来预测复杂管道发生泄漏后的泄漏量大小是完全可行的;用其对是否发生泄漏进行状态辨识,则还要进行数据的二次处理;由于训练样本过少,用BP网络进行泄漏定位时会产生较大的误差,建议增加训练样本数,从而提高泄漏定位精度。     

基于电路仿真的BP神经网络故障诊断技术研究

某型末制导雷达系统复杂、难于建立精确数学模型,因此采用常规方法对其进行故障诊断难度较大。而采用Multisim软件对其接收组合中的和路视频放大器电路进行仿真,再由实测样本数据训练BP神经网络的方法可较好的将故障定位到元器件级别。     

基于时间序列BP神经网络的集装箱吞吐量动态预测

集装箱吞吐量预测是港口发展规划制定的依据。在MATLAB环境下，把时间序列BP神经网络应用于港口集装箱吞吐量的预测，采用逐步递归的方法进行，同时注意尽量减少训练样本的浪费（只用1个检验样本）和充分挖掘BP神经网络适合短期预测的潜力。无论是从拟合情况，还是预测值的检验和港口发展规划的实际情况来看，都有着很高的精度．可以作为集装箱吞吐量预测的一种行之有效的方法。     

改进的BP神经网络在路基沉降预测中的应用

针对传统BP神经网络存在的缺点,提出基于遗传优化的变梯度反向传播的BP神经网络预测方法,采用遗传算法优化BP神经网络的初始权重,建立路基沉降预测模型。该模型可克服BP神经网络模型存在的收敛速度慢、易陷入局部极小点等缺点。结合现场实测数据,将该优化模型与指数曲线模型、双曲线模型、灰色预测模型和传统BP神经网络预测模型对比,结果表明改进的BP神经网络在路基沉降预测中精度最高,适宜于广泛推广应用。     

基于BP神经网络的SAR干扰效果评估

将BP神经网络引入SAR干扰效果评估过程,根据干扰效果评定诸因素构造合适的指标作为网络输入,网络输出为干扰效果所对应的等级划分,然后利用训练样本对网络进行学习和训练。仿真结果表明,这种方法是可行的,减少了评估过程中人为因素的干扰,使得评估结果更为准确、可靠。     

基于神经网络的态势预测方法研究

为提高安全态势感知精确度和降低其复杂度,加强网络系统的安全防护能力,提出了基于神经网络的态势预测方法,并研究了基于径向基函数和遗传神经网络的态势动态预测方法。神经网络可通过自学习和非线性映射以任意精度逼近函数关系,具有高度灵活可变的拓扑结构及很强的适应能力,对于中、短期预测具有较高的精度。     

混沌神经网络优化机制研究

分析了混沌神经网络的优化机制,研究了具有模拟退火特性的混沌神经网络模型,给出了混沌神经网络的能量函数,以及计算网络Lyapunov指数的方法,从理论上证明了当网络参数满足一定条件时,网络具有混沌性状。在仿真实验中,应用Hopfield网络和混沌神经网络求解信道分配问题。结果表明,混沌神经网络在求解优化问题时具有更强的搜索全局最优解的能力,和更快的收敛速度。     

基于BP神经网络的虚拟故障诊断的实现

针对电子设备故障诊断与维修训练的需求,以某型通信设备电源模块为例,探讨复杂电子设备元件级虚拟故障诊断的设计方案,重点研究了BP神经网络的实现、Delphi与Matlab的混合编程以及电路仿真在虚拟故障诊断中的应用,开发出某型通信设备的元件级虚拟故障诊断系统。实践证明,该系统实现了故障仿真和诊断以及虚拟拆装演示,具有较好的交互性,能够很好地解决虚拟维修过程中遇到的实际问题。