基于BP神经网络算法和时间序列模型的气温预测方法

基于2022年亚太杯数学建模竞赛中关于全球气候变化问题的第一问展开研究,使用BP神经网络算法和时间序列模型预测未来全球气温达到20℃的年限,并对预测结果进行检验,结果表明时间序列模型预测精度更高。     

基于BP神经网络的分布式传感器网络的可靠性分析

针对分布式传感器中的故障点多，导致估计系统可靠性参数困难的特点，提出了一种基本原则于BP三层神经网络的Markov可靠性模型。仿真结果表明，神经网络收敛时的可用度与Markov模型计算值的相对误差的数量级为10-4，从而验证了神经网络模型的正确性，另一方面与用两层神经网络的可靠性计算相比，其收敛速度加快。     

基于BP神经网络的铁路货运量预测

在铁路货运量预测中，为改善传统预测方法数据拟合度不高、外推性不强等问题，提出基于BP神经网络技术的货运量预测模型，该模型采用贝叶斯正则化方法以提高神经网络推广能力。实验比较发现，该模型具有较强的自适应性，其拟合、预测结果优于灰色预测模型GM（1，1）和修正指数回归模型，证实了该方法的可行性和可靠性。     

一种基于改进BP神经网络的重载列车驾驶曲线算法研究

BP神经网络被用于重载列车驾驶曲线研究,利用列车实际驾驶数据进行神经网络学习,描述列车制动时的非线性特性,对列车制动运行过程建模,获得列车制动减压目标值及缓解时间进行运动方程运算,最终获得重载列车驾驶曲线。通过在朔黄线线路上由该模型仿真得到的驾驶曲线和实际列车驾驶曲线比较,结果表明该方法研究驾驶曲线是有效的。     

基于BP神经网络的货车车号识别方法研究

针对货车车号的字体不规则、单字有断裂的特点,提出基于图像预处理的动态字符分割和提取算法,准确地对车号图像进行车号区域提取和车号单字分割.利用Hilditch细化算法对单字进行细化,提取出能表征数字的结构特征向量.设计出BP人工神经网络,数字的结构特征向量作为BP网络的输入,用经过训练的BP网络进行货车车号的识别.     

基于BP神经网络的转辙机故障检测方法

为提高城市轨道交通中ZDJ9型转辙机故障维修效率,提出基于反向传播（BP,Back Propagation）神经网络的转辙机故障检测方法。文章深入分析转辙机动作电流采集原理及现场转辙机转换过程中不同阶段电流曲线特征,确定故障电流曲线种类;对转辙机转换过程中动作电流曲线进行小波分解与重构,对重构后的曲线进行关键特征值提取,将其作为基于BP神经网络的故障检测模型训练数据,最终经过8 000次迭代训练后,故障检测模型的故障检测准确率达到96%,表明该方法能够有效检测转辙机故障及其故障类型。     

基于改进BP神经网络的铁路货运量预测

在分析铁路货运量预测方法的基础上,针对标准BP神经网络的不足,提出改进的BP神经网络预测模型。首先,利用动态陡度因子来改变激励函数的陡峭程度,以此来得到更好的激励函数响应特征以及更好的非线性表达能力;其次,利用附加动量因子,通过对以前经验的积累,既降低了神经网络对误差曲面的局部细节敏感特性,又较好的遏制了神经网络易于限于局部最小的缺陷;最后,采取改变学习率的方法,给定一个较大的学习率初始值,在学习的过程中学习率不断减小,网络最终趋于稳定。改进BP算法既可以得到更优的解,还能够缩短训练时间。利用全国铁路货运量的相关数据对改进BP神经网络进行了验证。验证的结果表明,改进的BP神经网络预测模型在相对误差和迭代次数上有较大改善,对铁路的货运量预测很有效。     

基于改进BP神经网络的动车组配件需求预测

需求预测是实现有效降低物资库存和保障物资供应响应速度的重要基础。结合高铁动车组配件的实际需求规律,提出了一种改进后的BP神经网络预测方法,在归纳动车组配件消耗量主要影响因素的基础上,通过调整权值计算方法,改善算法收敛速度和解的全局最优性,从而显著提高了需求预测的精确度。对上海动车段的实证计算分析表明,所提出方法能对动车组配件进行高精度的需求预测,可为物资管理部门科学储备库存提供决策依据。     

基于BP神经网络的道岔智能故障诊断方法

为将神经网络技术运用在铁路道岔故障诊断领域,提出了以神经网络技术为基准,针对道岔常见的3个故障类分别建立3个子神经网络,并总体组建成一个并行神经网络系统的道岔智能故障诊断方法,以帮助维修人员快捷、准确、自动地诊断出故障原因,降低故障处理时间,提高运行效率。     

基于BP神经网络的转向架斜楔参数优化

斜楔是货车转向架重要的减振元件,基于力学分析推导斜楔参数与斜楔垂向、纵向、横向及抗菱等效作用的解析关系式,根据关系式建立便于优化斜楔参数的斜楔等效模型,在考虑部件柔性的C70E货车刚柔耦合模型中建立斜楔各向等效力元模拟斜楔作用;该斜楔处理方法下货车模型的振动模态特征和临界速度均与实际接近。据此方法,计算266组不同斜楔参数下车体垂向及纵向加速度响应;并利用遗传算法优化的BP神经网络,建立斜楔参数与车体加速度的关系模型。以此为基础,运用遗传算法寻找使车体加速度最小的斜楔参数。通过建立的货车模型,验证与原始参数相比,优化参数下车身垂向和纵向加速度均有所下降,提升了转向架的减振性能;货车的脱轨系数与轮重减载率也有所下降,提升了货车的运行性能,表明该优化方法对斜楔理论设计有一定的指导作用。     

基于动态BP神经网络的抑郁病症诊断系统

随着生活节奏加快,竞争压力增大,抑郁症已成为一种常见的心理疾病,其发病机理目前尚不是十分清楚,医学界也没有严格统一的诊断标准。基于具有动态结构的BP神经网络,利用VC 设计开发了一套抑郁症诊断系统。该系统具有良好的灵活性和开放性,用户可根据实际需要自行调整网络层数、节点数以及学习收敛误差等参数。采用批量BP算法,提高了学习效率和逼近能力。测试结果表明,该系统具有较好的分类效果,可以用于抑郁症的辅助诊断和治疗。     

基于图像处理和双BP神经网络的电气化铁路接触网立柱标识牌识别算法研究

故障位置点定位是实现轨道维护及保养的前提,利用接触网立柱标识牌实现定位是一种常用的轨道定位方法,但常规的识别方法存在识别率低且速度慢的缺点。针对该问题,提出一种基于图像处理和双神经网络的接触网立柱标识牌识别算法。首先利用Hough变换提取出接触网支柱区域,减小识别区域,其次通过形态学方法实现标识牌的定位与裁剪,再采用水平投影方法对字符进行分割,最后对字符中的字母和数字分别进行特征提取,利用两路并行的反向传播神经网络进行识别。通过实验验证了该算法的有效性,结果表明:该方法精度可达98.3%,相较于传统识别方法速度提高了17%。因此该识别算法能够实现轨道故障位置的快速精确定位,可用于轨道智能巡检系统。     

基于改进的BP神经网络的产品生产成本估算

基于BP神经网络的成本估算模型,利用全局搜索能力较强的遗传算法优化BP神经网络连接权,克服传统的BP算法易陷入最小值的缺点,使模型预测性能、预测精度和泛化能力得到有效改进.以列车转向架为例,建立产品生产成本GA-BP估算模型,通过8组检测样本检验训练好的遗传人工神经网络.计算结果表明:预测值与期望值的误差小于4%,说明利用遗传神经网络模型对产品成本进行估算切实可行.     

基于BP神经网络与GM(1,1)模型组合算法的桥梁耐久性预测

针对混凝土桥梁耐久性历史评估数据的特点,提出一种基于BP神经网络与GM(1,1)模型的桥梁耐久性组合预测方法。通过GM(1,1)模型,以部分数据作为样本进行预测,在此基础之上,引入BP神经网络对预测的残差序列进行处理,旨在克服单一预测模型的不足,取得更高的预测精度。算例表明,本文算法精度明显高于传统GM(1,1)模型,与类似算法相比,精度上也有所提高。     

基于BP神经网络的盾构前方障碍物预测研究

通过对盾构机的千斤顶总推力,刀盘马达总扭矩和推进速度进行BP神经网络构建,实现了对无障碍物以及素混凝土桩、钻孔灌注桩、工法桩等障碍物的分类和预测,特别是以三种参数同时作为输入特征进行识别时,平均准确率达到99.45%。通过在实际工程中的应用,证明基于BP神经网络的盾构前方障碍物分类预测方法有效,可以为后续的障碍物处理措施提供可靠依据。     

基于BP神经网络的混凝土箱梁最大温度梯度预测

混凝土箱梁受到太阳辐射、大气温度波动等多种气象因素的综合作用,结构内部会产生显著的非均匀温度分布。截面内温度梯度可能会导致桥梁结构产生过大的温度应力与温度变形,影响桥梁结构的安全性和耐久性。本文旨在探究气象因素对混凝土箱梁温度场的影响机理,并提出一种能精确预测中国多区域混凝土箱梁截面最大温度梯度的方法。首先建立了日照条件下混凝土箱梁温度场计算模型,将2 a以上气象资料作为输入条件,对多个地区混凝土箱梁温度场长期变化进行了仿真模拟,并对混凝土箱梁截面温度梯度的长期变化趋势进行了分析。然后利用主成分分析(PCA)确定了混凝土箱梁截面最大温度梯度预测模型所需的输入参数。最后利用遗传算法优化的BP神经网络建立预测混凝土箱梁竖向、横向温度梯度的网络模型,并与混凝土箱梁截面温度梯度进行比较。结果分析表明BP神经网络模型可以精确地预测混凝土箱梁最大温度梯度,预测值平均绝对误差(AAE)均小于0.9℃,均方根误差(RMSE)均小于1.2℃,决定系数(R2)均大于0.9。基于当地气象条件,本文利用经典的BP神经网络模型所建立的预测模型对中国不同地区的混凝土箱梁截面最大温度梯度均能给出准确的预测,为混凝土...     

一种基于BP神经网络的轨枕定位方法

传统的轨枕识别和定位主要依靠人工判读、图像识别或金属电磁特性判定来实现,这些方法具有效率低,精度差和定位不准等缺点,难以满足高速铁路天窗时间短、维修任务重的需求.为了解决这个问题,采用BP神经网络识别和定位轨枕,该网络具有自我修复和自我认知的能力,可在后续的识别中不断地完善自身的网型,从而逐步降低轨枕的误识率.BP神经...     

基于遗传算法优化BP神经网络的道口事故预测

针对铁路事故发生的偶然性和事故发生原因的复杂性,提出应用BP神经网络对铁路事故进行较长期预测的建议,并以美国高速公路-铁路道口事故为实例,应用BP神经网络方法和遗传算法优化的BP神经网络方法对美国高速公路—铁路道口未来3年的事故进行预测,并将预测结果进行对比,结果表明,遗传算法优化的BP神经网络可以用于铁路事故的中长期预测。