检索结果-南通市图书馆

改进SSA优化的bp神经网络交通量预测模型

在线全文

学校读者我要写书评

暂无评论

哈尔滨工业大学学报 2024年第7期56卷 94-101页

作者：陈亮郝祎纯李巧茹丁景轩河北工业大学土木与交通学院天津300401

为更加准确地进行交通量预测,针对传统的bp神经网络随机赋值、收敛速度慢等问题,提出了改进麻雀搜索算法(sparrow search algorithm,SSA)优化的bp神经网络预测模型。该模型结合SSA位置更新原理和鸡群优化算法中公鸡位置更新方法对麻雀... 详细信息

为更加准确地进行交通量预测,针对传统的bp神经网络随机赋值、收敛速度慢等问题,提出了改进麻雀搜索算法(sparrow search algorithm,SSA)优化的bp神经网络预测模型。该模型结合SSA位置更新原理和鸡群优化算法中公鸡位置更新方法对麻雀搜索算法进行改进,在避免算法陷入局部最优和位置更新无效的同时有效地提高了算法的收敛速度。利用改进麻雀搜索算法对bp神经网络的权值和阈值进行寻优赋值,得到了改进SSA-bp神经网络预测模型。利用交通量数据,对LSTM神经网络、bp神经网络、SSA-bp神经网络和改进SSA-bp神经网络4种预测模型进行训练和测试,以MAE、MAPE、MSE、RMSE和EC 5个指标对预测结果进行对比分析。结果表明:bp神经网络优于LSTM神经网络,且麻雀搜索算法优化bp神经网络预测模型相较于bp神经网络预测模型MAE降低了0.28 veh/(3 min)、MAPE降低了1%、MSE降低了2.72 veh/(3 min)、RMSE降低了0.04;改进麻雀搜索算法优化bp神经网络预测模型相较于bp神经网络预测模型MAE降低了1.31 veh/(3 min)、MAPE降低了4%、MSE降低了9.2 veh/(3 min)、RMSE降低了0.18,且拟合度更接近于1。改进SSA-bp预测模型的性能优于SSA-bp神经网络预测模型,且有效提高了bp神经网络的预测精度,拟合度达到0.98,该模型适用于交通量预测,能够为智能交通系统提供可靠的预测值。

关键词：交通量预测 bp神经网络改进麻雀搜索算法权值阈值

维普期刊数据库博看期刊

同方期刊数据库

在线全文

学校读者我要写书评

暂无评论

基于bp神经网络的试飞训练安全性量化模型

航空学报 2024年第5期45卷 409-422页

作者：马菲张琼赖培军岳一笛中国商飞民用飞机试飞中心上海200232 西北工业大学航空学院西安710072 南京航空航天大学民航学院南京210016

为提升试飞员在航空试验飞行过程中的飞行安全、降低试验飞行的风险等级,研究基于bp神经网络的试验飞行训练安全性分级量化分析模型。以人因工程的人、机、环为切入,分析试验飞行训练过程中影响试飞安全的因素,并选取人、试飞训练科目... 详细信息

为提升试飞员在航空试验飞行过程中的飞行安全、降低试验飞行的风险等级,研究基于bp神经网络的试验飞行训练安全性分级量化分析模型。以人因工程的人、机、环为切入,分析试验飞行训练过程中影响试飞安全的因素,并选取人、试飞训练科目及环境三部分重要因素,建立试验飞行训练过程中的安全性分级量化分析指标体系。经人因工程指标量化处理后,由于融合的数据类型相似度较低,因此采用bp神经网络构建试验飞行训练安全性分级量化分析模型,经模型训练、测试后,输出试验飞行训练的安全性分级量化等级。利用定制的接触式采集设备和非接触式面部识别系统,采集试飞员执行试飞科目训练时身体节律数据,分析训练过程中科目复杂度和难度对试飞员心理特征和生理特征的影响,从而建立量化指标和预警指标,以此优化试验飞行训练课程、提高训练品质,保障试飞安全。试验表明,该模型所得试验飞行训练过程中的安全性分级量化模型输出偏差小于2%,模型预测结果与训练过程中实际风险等级基本吻合,可有效地用于试飞训练过程中风险预警,提高试飞员训练品质,为实际试飞安全提供保障。

关键词：人因工程 bp神经网络风险预警试验飞行训练过程分级量化

同方期刊数据库

基于bp神经网络的电动汽车动力电池产热估计

在线全文

学校读者我要写书评

暂无评论

化工进展 2024年第1期43卷 400-406页

作者：王敬翰吕杰赵丁林文野宋文吉冯自平中国科学技术大学能源科学与技术学院安徽合肥230027 中国科学院广州能源研究所广东广州510640

电池的产热情况是电池热管理的重要指标之一,准确估计电池产热功率对构建高效运行的电池热管理系统以确保电动汽车安全行驶至关重要。然而,目前大多采用基于模型的方法进行电池产热估计,但此方法存在耗费时间长和仅应用于某种特定电池... 详细信息

电池的产热情况是电池热管理的重要指标之一,准确估计电池产热功率对构建高效运行的电池热管理系统以确保电动汽车安全行驶至关重要。然而,目前大多采用基于模型的方法进行电池产热估计,但此方法存在耗费时间长和仅应用于某种特定电池状况产热估计等缺点,无法解决电动汽车电池实时产热估计的问题。对此,本文提出了一种基于人工智能算法的精准电池产热功率估计方法,即基于bp(back propagation,bp)神经网络的电动汽车动力电池产热估计模型。该模型利用贝叶斯优化算法(Bayesian optimization,BO)对bp神经网络进行超参数选取,采用Adam(adaptive momentum estimation,Adam)优化算法加快收敛速度,提高了模型的准确度和稳定性。研究对比了不同放电倍率和不同环境温度下恒流放电实验的电池产热功率,结果表明模型的估计平均误差为5.01%,最大误差仅为5.53W,R2拟合指标最高可达99.98%,证明了所提出的电池产热估计模型取得了较高的估计精度和较强的鲁棒性,为电动汽车电池实时产热估计提供了一个范式结构。

关键词：电动汽车动力电池 bp神经网络产热估计优化算法

基于bp神经网络的爆炸用激波管峰值压力预测方法

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

爆炸与冲击 2024年第5期44卷 130-139页

作者：陈梓薇王仲琦曾令辉北京理工大学爆炸科学与技术国家重点实验室北京100081

针对爆炸用激波管缺乏相应的经验公式和数值模拟时效性差的问题,同时为了快速得到激波管内的峰值压力,建立预测爆炸用激波管试验段峰值压力的四层反向传播(back propagation,bp)神经网络。采用数值模拟方法计算激波管试验段峰值压力,计... 详细信息

针对爆炸用激波管缺乏相应的经验公式和数值模拟时效性差的问题,同时为了快速得到激波管内的峰值压力,建立预测爆炸用激波管试验段峰值压力的四层反向传播(back propagation,bp)神经网络。采用数值模拟方法计算激波管试验段峰值压力,计算结果与激波管爆炸试验结果进行对比,平均相对误差为2.69%。证明激波管数值模型的准确性后,将数值模拟得到的195组激波管测得的峰值压力作为输出层,激波管驱动段TNT的药量、药柱的长径比以及爆炸比例距离作为神经网络的输入层。为了加快神经网络迭代速度和提高预测精度,使用自适应矩估计(adaptive moment estimation,ADAM)算法作为神经网络误差梯度下降的优化算法。结果表明,训练好的神经网络得到的预测结果与模拟值基本吻合,预测结果与数值模拟结果的平均相对误差为3.26%。bp神经网络模型能够反映激波管爆炸的峰值压力与影响因素之间的映射关系,采用bp神经网络模型计算时比数值模拟节约了大量运算时间。

关键词： bp神经网络激波管峰值压力自适应矩估计

基于bp神经网络的儿童乘员头部损伤预测模型及评估参数研究

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

汽车工程 2024年第2期46卷 329-336页

作者：王彦鑫李海岩崔世海贺丽娟吕文乐天津科技大学机械工程学院天津300222 现代汽车安全技术国际联合研究中心天津300222

智能座舱与虚拟测评规程的推广,给乘员损伤评价带来新挑战,损伤机理与损伤风险评估参数更加多样化。本文基于图斯特6岁儿童乘员损伤仿生模型与bp神经网络算法构建正面100%重叠刚性壁障工况中乘员坐姿角度与头部损伤指标相关性预测模型,... 详细信息

智能座舱与虚拟测评规程的推广,给乘员损伤评价带来新挑战,损伤机理与损伤风险评估参数更加多样化。本文基于图斯特6岁儿童乘员损伤仿生模型与bp神经网络算法构建正面100%重叠刚性壁障工况中乘员坐姿角度与头部损伤指标相关性预测模型,探究不同坐姿下头部损伤风险以及不同评价指标之间的相关性与差异性。结果表明,构建的相关性损伤预测模型具有良好的可信度(R2>0.90),可以用于损伤预测与分析。现有头部损伤评价指标在小角度坐姿范围内(95°~108°)对头损伤评估及预测具有良好的一致性,但是对于大角度坐姿乘员,不同损伤评价指标对头部损伤风险的评估存在显著差异。因此,目前实施的头部损伤评价参数具有局限性,未来虚拟测评中应综合运动学和生物力学参数对头部损伤风险进行更加全面的评估。该研究结果可以为儿童约束系统的改善、虚拟测评以及大角度坐姿乘员头部损伤评价参数的选取提供数据与理论支撑。

关键词：损伤仿生模型儿童乘员 bp神经网络虚拟测评坐姿角度

基于粒子群优化bp神经网络的激光扫描投影系统畸变预测方法

在线全文

学校读者我要写书评

暂无评论

光子学报 2024年第6期53卷 275-286页

作者：张宏韬唐芳吴坤朱亦然侯茂盛长春理工大学光电工程学院光电测控与光信息传输技术教育部重点实验室长春130022 中国人民解放军66736部队北京100095

为了精准、高效地预测和校正激光扫描投影系统的畸变误差,研究了基于粒子群优化bp神经网络的畸变预测方法。建立了bp神经网络结构,并融合粒子群优化算法对bp神经网络的权值和阈值进行优化,得出基于粒子群优化bp神经网络的激光扫描投影... 详细信息

为了精准、高效地预测和校正激光扫描投影系统的畸变误差,研究了基于粒子群优化bp神经网络的畸变预测方法。建立了bp神经网络结构,并融合粒子群优化算法对bp神经网络的权值和阈值进行优化,得出基于粒子群优化bp神经网络的激光扫描投影系统投影畸变预测模型。选取距激光扫描投影仪器两米的待投影面上的理论坐标点及各点相应畸变值Δx作为粒子群优化bp神经网络的训练数据集,将待投影面上实际投影位置坐标代入训练好的粒子群优化bp神经网络进行预测得到预测畸变值输出,并与实际畸变值对比,最后,引入Elman神经网络预测模型的预测结果与所研究预测方法进行对比。结果表明:在±30°的全视场扫描投影范围内粒子群优化bp神经网络预测模型的均方根误差为0.0176 mm,解算时间仅需22.4 s,相较于Elman神经网络效率提升78.33%,预测精度及时间明显优于Elman神经网络,可以有效预测激光扫描投影系统的畸变误差。

关键词：激光扫描投影粒子群优化算法 bp神经网络误差预测二维振镜图形畸变

同方期刊数据库

基于bp神经网络的第四系覆盖物厚度预测及三维地质建模

在线全文

学校读者我要写书评

暂无评论

地球科学 2024年第2期49卷 550-559页

作者：张瀚桂蕾王腾飞杨赛中国地质大学工程学院湖北武汉430074 中国地质大学地质调查研究院湖北武汉430074

地质灾害风险精细化调查和评估是目前地质灾害减灾防控的重要内容.斜坡三维地质建模技术的发展为滑坡灾害风险精细化调查评估提供了新的思路,可大幅提高区域范围内滑坡灾害调查的效率和评估精度.基于Skua-Gocad平台,针对第四系覆盖物和... 详细信息

地质灾害风险精细化调查和评估是目前地质灾害减灾防控的重要内容.斜坡三维地质建模技术的发展为滑坡灾害风险精细化调查评估提供了新的思路,可大幅提高区域范围内滑坡灾害调查的效率和评估精度.基于Skua-Gocad平台,针对第四系覆盖物和下伏基岩两大模块开展区域斜坡三维地质建模技术研究,以重庆市万州区大周镇为例,采用bp神经网络模型,通过构建研究区第四系覆盖物厚度与地质环境指标的多维非线性网络实现了第四系覆盖物厚度预测.结合现场调查数据进行方法验证,基于bp神经网络的第四系覆盖物厚度预测精度达91.49%,在此基础上构建了三维地质模型,具有良好的可视化效果,并确保了数据的可靠性.克服了传统基于克里金插值方法无法反应地质环境因素的缺点,解决了区域范围第四系覆盖物厚度预测的难题.

关键词：第四系覆盖物预测 bp神经网络三维地质建模工程地质

基于bp神经网络的重力仪高机动状态快速调平修正技术

在线全文

学校读者我要写书评

暂无评论

中国惯性技术学报 2024年第5期32卷 457-462页

作者：杨晔董光泰高巍张子山天津航海仪器研究所天津300131 中国船舶航海保障技术实验室天津300131

针对平台式重力仪大机动状态后测量能力恢复慢的问题,提出一种基于bp神经网络的重力仪稳定平台快速调平修正技术。首先,针对动态重力测量在测量平台大机动状态后调平能力不足的问题,研究了基于bp神经网络的平台姿态高效、准确解算方法;... 详细信息

针对平台式重力仪大机动状态后测量能力恢复慢的问题,提出一种基于bp神经网络的重力仪稳定平台快速调平修正技术。首先,针对动态重力测量在测量平台大机动状态后调平能力不足的问题,研究了基于bp神经网络的平台姿态高效、准确解算方法;其次,利用惯性元件和卫星导航系统(GNSS)的信息优化bp神经网络,形成不同条件的平台姿态提取优化模型;最后,利用模拟仿真实验和实际机载动态重力测量数据验证所提方法的有效性和准确性。实验结果表明在大机动的动态条件下采用所提方法可以扶正重力仪稳定平台,将机动后重力仪稳定平台稳定时间缩短83.3%以上,提升动态重力测量效率。

关键词：动态重力测量平台式重力仪 bp神经网络平台快速修正

Gappy POD算法重构储能电池组核心温度及与bp神经网络预测能力对比

在线全文

学校读者我要写书评

暂无评论

工程科学学报 2024年第1期46卷 166-177页

作者：苑清扬薛珂张博兰天大连理工大学能源与动力工程学院大连100083 大连理工大学宁波研究院宁波315000 浙江一舟储能集团宁波315191

储能电池组中电池核心温度的实时监控对于防控电池热失控有着重要的意义.为克服工业实际中电池组内部无法布置多温度测点导致的温度数据获取不全面等问题,本文将Gappy POD重构算法引入储能电池核心温度实时监控问题中,通过监测电池组表... 详细信息

储能电池组中电池核心温度的实时监控对于防控电池热失控有着重要的意义.为克服工业实际中电池组内部无法布置多温度测点导致的温度数据获取不全面等问题,本文将Gappy POD重构算法引入储能电池核心温度实时监控问题中,通过监测电池组表面温度预测内部核心温度.通过搭建简化的拟储能电池实验台模拟电池温升,测试了Gappy POD算法在工况平稳变化和工况剧烈变化条件下的稳定性和对核心温度的实时重构能力;对比了Gappy POD算法的重构能力和bp神经网络(Back propagation neural network)的预测能力,并探究了Gappy POD算法和bp神经网络在不同大小的数据库训练条件下的重构预测能力.研究表明,Gappy POD重构算法具有高预测精度、稳定性强并且对数据库数据量依赖性低等优势,为算法在储能电池热管理中的实际应用提供了基础.

关键词： Gappy POD bp神经网络储能电池热管理核心温度预测