搜索到6406篇“ GA-BP神经网络“的相关文章
- 基于GA-BP神经网络的边坡变形预测
- 2025年
- 露天矿山高边坡的变形预测是保障矿山安全生产的重要手段.本文以西藏某矿山边坡为对象,采用高精度合成孔径干涉雷达对矿区南帮边坡进行了全天候位移监测,分析了边坡变形的基本规律;采用小波降噪理论对采集的时序位移监测数据进行了降噪处理,并且为了避免预测模型陷入局部极小值,引入遗传算法(即GA算法)整合进BP神经网络的训练步骤中,用于优化BP神经网络的初始权值和阈值设置,建立了GA-BP神经网络边坡变形时序预测模型,并与BP神经网络边坡变形时序预测模型进行对比分析.研究结果表明:GA-BP模型较BP模型的预测精度提高了10%以上,预测的平均误差减少了50%以上,而且预测的边坡变形趋势与监测值吻合程度更高;GA-BP模型较BP模型收敛速度加快10倍以上,GA-BP模型的回归系数、模型适应度优于BP模型.因此,采用GA-BP模型可使边坡变形预测的精度、收敛速度、泛化能力均得到提高,预测结果更为可靠,可为矿山边坡安全生产提供保障.
- 谭文辉李凯刘慧敏蔡美峰郭奇峰
- 关键词：露天矿边坡BP神经网络遗传算法时间序列
- 一种基于GA-BP神经网络的冷库能耗预测
- 2025年
- 影响冷库能耗的因素众多,其中,货物信息的缺失使得建立冷库预测模型面临一定的挑战。为解决该问题,提出利用冷库当天使用面积代替传统的货物信息作为输入特征,依据某大型冷库历史能耗数据,采用斯皮尔曼相关性分析筛选出合适的变量,构建基于GA-BP神经网络的冷库能耗模型。结果表明,在缺失货物信息的情况下,使用冷库当天使用面积作为输入变量能够保证模型具有高准确率,R2达到0.9563,并且性能优于BP神经网络、多元回归模型。
- 王雅博陈君豪刘兴华张行健
- 关键词：遗传算法BP神经网络
- 基于GA-BP神经网络的防空导弹实时目标分配方法
- 2025年
- 针对现代防空作战中作战环境高动态变化的状况,防空导弹武器系统需要实时在线解决目标分配的问题,为此本文提出了一种基于遗传算法(Genetic Algorithm, GA)优化+BP(Back Propagation)神经网络学习的防空导弹实时目标分配方法。首先,综合考虑防空导弹武器数量及毁伤概率等要素,以毁伤效能最大为优化目标,建立防空导弹目标分配问题优化模型;其次,构建基于GA-BP神经网络的防空导弹目标分配框架,利用遗传算法求解加BP神经网络预测,实现当前防空导弹对威胁目标的准确高效分配;最后,利用优化后的神经网络进行仿真分析,以验证所提方法的有效性和实用性。
- 孙栋一蒲宇亭章建榜
- 关键词：防空导弹遗传算法BP神经网络
- 基于GA-BP神经网络的声学覆盖层吸声性能预测
- 2025年
- 提出了一种基于遗传算法优化的BP神经网络(GA-BP)对声学覆盖层吸声性能的预测的方法。基于含圆柱型空腔吸声覆盖层的二维解析理论的简化计算方法,通过使用吸声覆盖层粘弹性阻尼材料的密度、杨氏模量、泊松比、损失因子等参数推导出圆柱-圆台组合型空腔覆盖层的反射系数,生成样本集。将GA-BP的适应度函数中搭建BP神经网络(BPNN)的部分用一种计算方法代替,用该方法计算后的实际值与预测值的误差的平方和作为适应度函数值,减少了GA-BP的寻优时间。预测结果表明GA-BP预测模型的对含圆柱空腔吸声覆盖层的性能预测是可行的,GA-BP预测值优于BPNN,稳定性更高,更接近于理论值。
- 阮久文陶猛王广玮
- 关键词：BP神经网络
- 基于GA-BP神经网络岩石单轴抗压强度预测模型研究
- 2025年
- 为探究更为精确的上覆岩层砂岩和泥岩单轴抗压强度与其弹性模量之间的关联性,结合胡家河矿56组砂岩和泥岩单轴抗压强度与弹性模量历史数据,运用遗传算法优化了BP神经网络的结构参数和学习参数,得到了最佳的网络结构和参数设置,利用GA-BP神经网络对煤矿砂岩与泥岩单轴抗压强度进行了预测,并与传统的BP神经网络和非线性回归分析法进行了比较。研究结果表明,GA-BP神经网络预测模型在预测砂岩和泥岩单轴抗压强度与弹性模量间关系上具有较高的精度和泛化能力,能够有效地解决传统BP神经网络的局部最优和过拟合问题,相较于非线性回归分析,拥有更强的非线性关系建模能力,是一种适用于砂岩与泥岩单轴抗压强度预测的有效方法。
- 张奥宇杨科池小楼张杰
- 关键词：岩石力学参数BP神经网络遗传算法
- 基于GA-BP神经网络的医药生物企业价值评估研究
- 2025年
- 医药生物企业具有投入高、风险大、研发周期长等特点,目前实物期权法和经济值增加法等方法有前提假设过多和评估准确性不高等问题,文章以2019—2023年医药生物公司年报作为相关数据,从财务因素和非财务因素出发,分析适用于医药生物企业价值评估的指标,通过Spearman相关性分析筛选出对企业价值预测结果影响较大的指标,同时,在BP神经网络模型的基础上引入遗传算法,利用建立的遗传算法优化BP神经网络模型进行训练,通过仿真输出企业价值评估结果并验证模型的有效性。研究结果表明:遗传算法优化神经网络模型(GA-BPNN)对企业价值的可决系数R2为0.981,平均绝对百分比误差(MAPE)17.12%,明显优于传统(BP-NN)神经网络模型,同时通过案例企业价值评估结果与传统方法的对比,进一步证实了模型的可靠性。
- 李佳朔郭红霞
- 关键词：企业价值评估遗传算法BP神经网络
- 基于GA-BP神经网络的锂离子电池SOH的估算方法研究
- 2025年
- 锂离子电池的健康状态SOH估算对保障动力电池系统的可靠安全运行,提升新能源汽车的动力性、经济性和安全性具有重要意义。文章以电动汽车动力电池作为研究主体,运用增量容量分析(ICA)方法,提取能够表征电池健康状况的特征因子;进而基于GA-BP神经网络搭建电池SOH估计模型,借助遗传算法(GA)对误差逆传播(BP)神经网络予以优化,成功克服了BP神经网络收敛速度缓慢、全局搜索能力不足以及易陷入局部最小值等缺点。最终,利用NASA电池老化数据对该算法进行验证,结果表明,此算法能够契合动力电池SOH估算的实际需求。
- 陈小兵赵宝平
- 关键词：GA-BP神经网络锂离子电池
- 基于PCA-GA-BP神经网络的高校学生宿舍火灾安全风险评价
- 2025年
- 为了有效降低高校学生宿舍火灾安全事故的发生频率和提高评价学生宿舍火灾安全管理风险等级的准确率,构建PCA-GA-BP神经网络模型对高校学生宿舍火灾安全风险进行评价.使用层次分析法(AHP)从安全制度管理、宿舍安全管理、组织管理和学生管理四个方面构建评价指标体系,然后运用主成分分析法(PCA)对指标进行降维,降维后得到的因子作为BP神经网络输入层,再结合遗传算法(GA)的权值和阈值,形成了能够有效提升模型精度和稳健性的高校宿舍火灾安全风险评价模型.实验结果表明,与BP、PCA-BP神经网络模型相比,该模型准确率更高、收敛速度更快、稳定性更好.
- 涂建
- 关键词：主成分分析GA-BP神经网络
- 基于数字孪生及GA-BP神经网络的开关柜温升风险预测
- 2025年
- 风电机组开关柜是风电场的重要电力设备之一,为保障开关柜的稳定运行和风电机组的安全,针对开关柜内部器件温升异常问题进行研究。采用数字孪生技术对开关柜温升状态进行数字化建模,设计开关柜数字孪生架构模型,在不同条件下仿真开关柜触头温升,通过GA-BP神经网络对温升数据进行训练学习,实现触头温升异常风险预测。研究结果表明:数字孪生体可再现物理开关柜运行的全部温度数据,通过GA-BP网络模型预测开关柜温升风险平均绝对百分比误差为0.03%,可实现温升风险准确预测,避免开关柜因温升过高而导致热故障发生。
- 谢汶含蒋永清孙大伟王志伟孙超
- 关键词：开关柜温升GA-BP神经网络
- 基于GA-BP神经网络的地源热泵空调负荷预测及实例验证
- 2025年
- 针对当前建筑供热负荷预测模型预测精度低和能源利用率不高的问题,以及BP神经网络负荷预测方法存在的预测精度不高、易陷入局部最优等缺陷,采用GA-BP神经网络进行负荷预测。首先建立GA-BP神经网络模型,然后对采集到的数据进行处理,最后将该模型应用于北京某办公建筑的集中供热系统。验证数据显示,GA-BP神经网络负荷预测模型的总体平均相对误差为6.9%,预测的相对误差绝对值范围在6%~8%之间,显示出更高的预测精度。应用效果表明,GA-BP神经网络负荷预测模型相较于BP神经网络模型,能够更为精确地预测未来24h的逐时负荷。
- 张学泽秦景陈晓飞杨子劼孙兴国刘喆
- 关键词：地源热泵系统BP神经网络用户侧
