遗传神经网络

摘要： 目的优化紫连生肌凝胶剂处方。方法在单因素试验基础上,以泊洛沙姆407、泊洛沙姆188、聚乙二醇6000用量为影响因素,胶凝温度、胶凝时间、黏度的综合评分为评价指标,中心组合设计结合遗传神经网络优化处方。结果最佳处方为泊洛沙姆407用量20%,泊洛沙姆188用量3.8%,聚乙二醇6000用量2.9%,综合评分为92.2100分。结论该方法合理可行,可用于优化紫连生肌凝胶剂处方。

摘要： 目的建立淫羊藿-川芎药对HPLC指纹图谱,并分析它与骨关节炎的谱效关系。方法HPLC法建立22批药对的指纹图谱,Hulth法建立大鼠骨关节炎模型,酶免法检测大鼠血浆中MMP-13、MMP-3、IL-1β、NO、PGE_(2)水平,双变量相关分析、灰色关联度分析、遗传神经网络研究其谱效关系。结果指纹图谱中共确定20个共有峰,通过对照品比对指认出10个。给予淫羊藿-川芎药对后,大鼠血浆中MMP-13、MMP-3、IL-1β、NO、PGE_(2)水平降低(P<0.05,P<0.01)。药对中抑制MMPs表达贡献较大的有9个峰,为淫羊藿成分;抑制炎性因子贡献较大的有7个峰,为淫羊藿-川芎药对成分。结论淫羊藿既可调控MMPs表达,又具有抗炎作用,而川芎主要发挥抗炎作用。

摘要： 岩溶区溶洞发育受多种因素影响,具有高度复杂性和非线性特征。为准确预测岩溶区隧道溶洞规模,降低隧道施工过程中遭遇岩溶洞穴的风险,在参考相关文献的基础上,结合已经探明的溶洞信息与岩溶发育机理选取岩石可溶性、岩层厚度、地表汇水能力、单斜与褶皱构造、断裂构造、岩溶水垂直分带6个主要因素作为岩溶区隧道溶洞规模预测指标。针对岩溶发育的非线性特点,使用BP神经网络建立了溶洞规模预测模型,并使用遗传算法优化BP神经网络的权值与阈值。在工程应用上,对某隧道进行溶洞规模预测,预测结果与实际施工情况较一致。

摘要： 通过选择双箍筋约束混凝土柱中7种影响及其极限承载力的参数,以40组数据作为遗传神经网络的训练样本,建立遗传神经网络模型。以10组数据作为测试样本,得到了预测结果,并与实际数据进行比较,相对误差均小于10.54%。结果表明,采用该方法可以较好地预测双箍筋约束混凝土柱极限承载能力,对控制工程的成本有着重要的理论和实际意义。

摘要： 光伏发电是利用半导体的光生伏特效应将太阳能直接转变为电能。空气中的灰尘在光伏组件表面沉积,不仅会降低透射到光伏组件上的光能,还会影响光伏组件的散热,从而降低光伏电站的系统效率,进而影响光伏电站的发电量。利用遗传算法与反向传播(BP)神经网络相结合(下文简称为“遗传算法BP神经网络”)的方式建模,通过输入风速、风向、相对湿度及环境PM10浓度,分析气象条件对光伏电站的日污秽损失率的影响。测试结果表明:利用遗传算法BP神经网络对光伏电站日污秽损失率进行预测的误差可以满足精度要求,相比单纯使用人工神经网络计算的误差可减小5.9%。随着灰尘的累积,日污秽损失率随光伏组件清洗周期的延长呈线性增长,光伏组件表面年均洁净率呈线性下降。遗传算法BP神经网络能很好地预测气象环境导致的污秽损失率,通过气象条件参数可以对当地建设的光伏电站的污秽损失率进行预估。

摘要： 在混合工质下利用4种神经网络模型(反馈神经网络模型(BP)、遗传神经网络模型(GA-BP)、极限学习机网络模型(ELM)和递归神经网络模型(RNN))预测了板式换热器的换热量(含相变换热).结果显示:热源温度为30、40、50°C时,GA-BP神经网络模型的平均绝对误差(MAE)、平均相对误差(MAPE)和均方根误差(RMSE)均小于其他3种神经网络模型,且与实际值接近.该结果表明,GA-BP神经网络模型比其他3种神经网络模型更适用于预测板式冷凝器的换热量(含相变换热).

摘要： 选取1981—2018年影响广西且灾情记录比较完整的86个台风样本,基于台风灾害伤亡人数、直接经济损失划分灾情等级,选取致灾因子,利用遗传算法与神经网络相结合的方法建立广西台风灾害评估模型.结果表明:选取的台风灾害致灾因子与台风灾情等级之间具有显著的相关性,构建的遗传—神经网络集合预报模型对台风灾情预估效果较好,训练样本拟合一致率为86.1％,测试样本预报准确率为71.4％,其中严重和较重的台风灾情等级预报结果与实况基本一致,较轻等级的预报准确率达83.3％.

摘要： 磁流变阻尼器在振动控制中有广阔的应用前景,建立其精确的力学模型是取得良好控制效果的关键因素之一.文中对某磁流变阻尼器进行了动力学性能测试;并通过统计学方法确定了该阻尼器正向、逆向模型的BP神经网络结构;针对传统遗传神经网络(GA-BP)早熟和收敛速度慢的问题,提出一种结合适应度线性变换、自适应交叉和变异概率的改进遗传神经网络(IGA-BP)算法;在此基础上,分别用BP神经网络、GA-BP神经网络和IGA-BP神经网络对阻尼器正向、逆向非参数化模型进行辨识.研究结果表明:文中提出的改进遗传神经网络算法收敛速度更快,模型精度更高,该非参数化模型能更准确地反映磁流变阻尼器的动力学特性.

摘要： 对于工序复杂的地铁隧道施工进度-成本优化问题,为了避免数学公式难以准确表达进度和成本之间的非线性关系,提出运用计算智能技术中的遗传神经网络和免疫粒子群算法的组合方法寻优。首先,通过遗传算法对BP神经网络的权值和阈值进行优化;然后,运用实际工程中进度和成本数据分别进行BP神经网络模型的训练和测试;最后,基于得到的BP神经网络模型和免疫粒子群算法实现对进度-成本寻优。通过该组合方法和基于数学公式的单纯形法分别求解算例,对比通过单纯形法求解出的准确结果,验证了该组合方法能够比较准确地解决进度-成本优化问题。因此,基于遗传神经网络和免疫粒子群算法的组合方法为工序复杂的地铁隧道施工进度-成本优化提供了一个较优的途径。

摘要： 首先运用灰色关联分析法对襄阳市货运量及其影响因素进行分析,得出影响襄阳市货运量变化的主要因素有地区生产总值(GDP)、第二产业产值、第三产业产值、全社会交通运输行业固定资产投资、进出口总值、社会消费品零售总额和人均GDP,然后将这些因素作为遗传神经网络的输入神经元,建立物流货运量预测的遗传神经网络模型,并对其进行训练;最后用训练好的模型预测2017-2019年襄阳市物流货运量.结果显示,基于灰色关联分析的遗传神经网络模型预测的平均相对误差为0.2153％,预测精度较高,在物流货运量预测方面具有一定的参考价值.

摘要： 针对低温试验系统制冷设备测点多、数据间存在强相关性等特点,将主成分分析法和遗传神经网络智能识别方法进行组合,引入制冷系统的故障诊断中.结合专家经验和主成分分析客观地对多传感器信息进行了科学合理的故障特征优选,从而确定了神经网络的输入空间.为了克服神经网络易陷入局部最小的缺陷,利用遗传算法的全局搜索能力,对神经网络的初始权值和阈值进行了优化.运用该方法对制冷系统各故障状态进行识别,结果表明,简洁有效的网络结构不仅缩短了训练时间,而且提高了网络的稳定性和分类精度,为监测系统提供了一种有效的故障诊断方法.

摘要： 某低温制冷系统采用空气涡轮制冷，在涡轮前端设置除湿机，识别除湿机的性能状态和预测吸附剂的剩余寿命.针对除湿机故障过程缓变的特点,提出了一种基于数据驱动的遗传神经网络模型.首先,为解决设备失效程度划分模糊的问题,由5个热力参数组成反映吸附剂劣化程度的特征向量,关联分析得到除湿机的5类故障模式.其次,利用遗传神经网络建立状态参数和故障模式的映射关系.最后,对表征设备吸附能力的主参数进行外推预测.训练好的诊断网络可准确地识别出设备的劣化程度及其演变过程,预测网络的预测精度非常高.该方法可有效地实现对除湿机的故障诊断与预测.

摘要： 为寻求更有效的深大基坑降水井数目的确定方法,本文以苏州地铁四号线基坑降水井实际设计数据为依据,将遗传神经网络算法应用于基坑降水工程设计中.结果表明:应用遗传神经网络算法对所需降水井数目进行预测是可行的,算法中参数的选取对模型有较大影响;增加过多的遗传算法个体变量或者多余的神经网络模型输入节点会使模型的准确率及计算效率下降;提出了用训练样本和预测样本的仿真误差平方和的根值作为衡量模型质量的指标,并以该指标为判定标准,取得了良好的预测结果.

摘要： 威胁评估是防空作战指挥控制过程中的关键环节之一.本文针对威胁评估B-P神经网络模型所存在的易陷入局部最优、全局搜索弱等固有缺陷,提出了利用遗传算法的全局优化性能,对B-P网络的连接权进行训练的遗传神经网络威胁评估模型.该方法较好的改善了网络性能,是一种有效的威胁评估方法。

摘要： 水下爆破是一个复杂的、非线性的动态能量释放过程,其涉及到的影响因素众多.为了充分利用少量的实测数据,较准确地预测水下爆破质点峰值振动速度,引入灰色关联分析理论,并结合遗传神经网络较强的非线性映射优势和全局化的搜索能力,建立基于灰色关联分析的遗传神经网络模型(GRA-GA-BP).该模型利用灰色关联分析理论,充分挖掘小样本潜在信息特征,较合理地确定了影响爆破振动速度的主要因素,解决了神经网络在多变量复杂系统中输入变量无法自动寻优的难题,从而增强了神经网络的适应能力和稳定性.采用该模型对广东台山核电站l期工程大襟岛水下爆破开挖质点峰值振动速度进行预测,并与传统的遗传神经网络及萨道夫斯基公式预测结果进行对比,发现GRA-GA-BP模型的预测值与实测值吻合更好,预测误差更稳定.研究方法可为小样本、多因素影响下类似工程质点峰值振动速度预测提供借鉴.

摘要： 为减少混合炸药大隔板试验量,采用遗传神经网络方法对HMX基混合炸药冲击波感度的大隔板值进行预测.选择26组HMX基炸药冲击波感度大隔板数据,将炸药实际密度、空隙率、HMX含量及添加物含量等作为大隔板值的主要影响因素,构建了以此四个变量作为输入参数、大隔板值作为输出参数的遗传神经网络模型,采用初始种群20,进化代数50代进行计算.结果表明:大隔板值与四个变量建立了良好的映射模型;利用该模型对另外4组HMX基PBX炸药大隔板值预测,其相对误差在15％以内,其中压装PBX炸药的预测相对误差在5％以内.该神经网络模型为混合炸药冲击波感度大隔板值预测提供了一定参考价值.

摘要： 针对煤矿安全生产的特点,对安全生产隐患进行识别,建立了基于员工因素、机器设备因素、环境因素、管理因素、信息因素的煤矿安全预警评估指标体系;提出了基于遗传神经网络的安全预警评估模型,并对该模型进行了实证分析;实践表明,遗传算法优化的BP神经网络预警评估模型有较好的适应性和预测精度,为煤矿安全生产的长效机制提供决策支持。

摘要： 基于遗传神经网络建立PQF轧制工艺模型。根据工艺要求利用最大最小值归一法对数据进行预处理。利用遗传算法的全局搜索优化BP网络的初始权重，避免BP算法陷入局部收敛，改善收敛速度。实验表明，将建立的模型应用于PQF轧制工艺设计中，能预置PQF自动化控制参数，达到良好的预测效果。

摘要： 本文以湖北省清江上游水布垭控制流域为例,利用分组Z-I关系结合地面气象雨量站对雷达估算降雨进行校准,计算出流域实况平均面雨量,再利用遗传算法和神经网络相结合的方法建立订正AREM预报降雨的模型,以达到提高AREM预报降雨预报精度的目的,最后将订正前后的AREM预报降雨输入新安江水文模型进行洪水预报试验.结果表明,订正后AREM预报降雨能够显著提高过程的累计降雨量预报精度,平均相对误差的减小幅度在60％以上,对于逐小时的过程降雨预报精度也有一定的提高,但与实况仍有一定差距;订正前后AREM 预报降雨的洪水预报试验的确定性系数的场次平均值从-32.6％提高到64.38％,洪峰相对误差从39％减小到25.04％,确定性系数的提高效果要优于洪峰相对误差,整体洪水预报精度在一定程度上有所提高.

摘要： 针对作物不同生长期根系分布及吸水状况，划分5 个地层深度进行含水率测量。将遗传算法引人神经网络对不同层面土壤含水率进行预测并建立模型，将该模型应用于黑龙江红星农场大豆田间土壤水分预测。结果表明，该预测模型对2009 年大豆播种前期及其全生育期土壤体积含水量预测的平均绝对误差为1.83%，较好的反应田间土壤水分具体情况，为寒地作物生长期科学灌溉提供决策依据。

摘要： 一种对根据来自旧任务的数据训练的人工神经网络进行再训练的方法，包括：利用来自不同于旧任务的新任务的数据对人工神经网络进行训练，在利用新任务对人工神经网络进行训练期间，利用S l i ced Wasserste i nD i stance计算一系列隐藏层节点的激活分布中的漂移，基于激活分布中的漂移计算要添加到至少一个隐藏层的附加节点的数量，将输入层节点、隐藏层节点和输出层节点之间的连接权重重置为在利用来自新任务的数据对人工神经网络进行训练之前的值，将附加节点添加到至少一个隐藏层，以及利用来自新任务的数据对人工神经网络进行训练。

摘要： 本发明涉及一种基于遗传神经网络模型的叶绿素a遥感反演方法和装置，通过利用实验区水域的实测叶绿素a浓度和光谱数据，耦合遗传算法和人工神经网络两种机器学习算法，建立用于获取水体叶绿素a浓度的遗传神经网络反演模型，再根据反演模型和光谱数据求算待评估区域叶绿素a浓度的模拟值。由于利用遗传算法改进了人工神经网络在非线性回归过程中的后向反馈，所估算出的叶绿素a浓度更接近全局最优解，叶绿素a浓度预测值与实测值保持了较高的一致性。同时，由于考虑了波段比值、光谱导数等多种敏感性光谱特征，所述遗传神经网络反演模型具有较好的鲁棒性和空间可移植性，非常适合于物质组成和光学特征复杂的浑浊二类水体。

摘要： 本发明公开了一种基于遗传神经网络的动水地质渗流实时预警方法，包括：利用BIM软件创建监测主体不同部位的构件，进行拼接得到三维模型，建立所述监测主体的信息数据库，以存储所述监测主体的工程管理信息和监测数据；获取所述监测主体的历史监测数据，并基于所述历史监测数据和渗流损伤原理评估损伤系数，构建基于小波神经网络的渗流损伤拟合模型；利用遗传神经网络模型，构建渗流灾害预警分析模型；实时获取各传感器采集到的监测数据，输入到渗流损伤拟合模型中，获得当前损伤系数，并结合前一时刻的灾害预警等级输入到所述渗流灾害预警分析模型中进行渗流灾害预警等级评定，能够应用于工程实践，对渗流灾害进行实时预警分析。

摘要： 本发明涉及地球物理数据处理领域，具体涉及一种基于遗传神经网络算法的测井曲线重构方法，该方法主要包括以下步骤：第一步：测井曲线标准化。首先对常规测井曲线进行标准化处理，使其统一至相同量纲级别。第二步：建立神经网络结构并训练网络。确定神经网络输入、输出、网络层数建立神经网络结构，并训练网络。第三步：遗传操作。计算训练误差和适应度函数，利用选择、交叉、变异三个遗传算子实现对网络结构及权值阈值的优化。第四步：利用优化好的网络结构进行测井曲线重构，直至满足精度要求输出结果。本发明比传统测井曲线重构方法相比具有更高的精度，可降低生产成本，提高运算效率，提升测井曲线重构效果。

摘要： 本发明公开了一种基于多示例遗传神经网络的室内PM2.5预测方法，包括以下步骤：(1)数据采集与特征选取；(2)构建多示例遗传神经网络预测模型；(3)根据多示例遗传神经网络预测模型预测室内PM2.5浓度m。通过上述方式，本发明基于多示例遗传神经网络的室内PM2.5预测方法，通过选取与室内PM2.5密切相关的通风率、气温、相对湿度等7个特征进行模型训练，将多示例神经网络与遗传算法应用到室内空气质量的预测中，不仅得到了较好的预测精度，同时相对于经验模型来说，大大缩短建模的时间，具有可靠性能高、精度高、效率高、实用性强等优点。

摘要： 本发明公开了一种用于婴幼儿脑病历图像分割的全卷积遗传神经网络方法，属于医学图像信息智能处理领域，首先输入婴幼儿脑病历图像数据，对图像预处理，并根据DMPGA‑FCN网络权值长度L对参数进行遗传编码初始化；然后将m个个体随机划分至遗传原生子种群Pop中并衍生孪生子种群Pop′，子种群在不相交区间确定各自交换概率pc和变异概率pm，使用遗传算子寻找最优初始权值fa；其次将fa作为前向传播计算参数，并在特征地址featuremap上做加权Q操作；最后将婴幼儿脑病历预测图像与标准分割图进行逐像素交叉熵损失计算从而反向更新权值，最终得到婴幼儿脑病历图像分割网络模型的最优权值。本方法能提高婴幼儿脑病历图像分割效率，对婴幼儿脑病的早期正确诊断和患儿脑病的康复具有重要意义。

摘要： 本发明公开了一种基于遗传神经网络和自适应权重的日最大电力负荷预测法，依次包括以下步骤：A：获取数据并进行预处理；B：构造特征向量S1和S2并对S1进行归一化处理；C:构建自适应权重预测模型；D：对遗传神经网络模型进行参数设置；E:对遗传神经网络模型进行训练；F:得到训练后的遗传神经网络预测模型；G：得到待预测日的日最大电力负荷；H：得到自适应权重预测模型对待预测日的日最大电力负荷预测结果；I：计算遗传神经网络模型和自适应权重预测模型的修正系数；J：输出待预测日的日最大电力负荷的预测值。本发明能够快速有效的进行日最大电力负荷预测。

摘要： 本发明公开了一种基于遗传神经网络的动水地质渗流实时预警方法，包括：利用BIM软件创建监测主体不同部位的构件，进行拼接得到三维模型，建立所述监测主体的信息数据库，以存储所述监测主体的工程管理信息和监测数据；获取所述监测主体的历史监测数据，并基于所述历史监测数据和渗流损伤原理评估损伤系数，构建基于小波神经网络的渗流损伤拟合模型；利用遗传神经网络模型，构建渗流灾害预警分析模型；实时获取各传感器采集到的监测数据，输入到渗流损伤拟合模型中，获得当前损伤系数，并结合前一时刻的灾害预警等级输入到所述渗流灾害预警分析模型中进行渗流灾害预警等级评定，能够应用于工程实践，对渗流灾害进行实时预警分析。

摘要： 本发明公开了一种基于RNN‑LSTM遗传神经网络的拖延预测方法，涉及拖延预测方法技术领域，具体为一种基于RNN‑LSTM遗传神经网络的拖延预测方法，包括终端、应用程序、RNN‑LSTM神经网络算法模型、数据库，所述终端包含带喇叭、振动、显示屏的智能手表或手机，所述应用程序用于完成终端和互联网上的RNN‑LSTM神经网络算法模型之间的数据通信，历史报表，所述数据库用于存储用户数据，该基于RNN‑LSTM遗传神经网络的拖延预测方法，通过建立海量拖延干预唤醒样本库，并按照个体分类推送相应的干预方法，收集反馈不断调整推荐干预方案，在拖延症可调节范围内提供支持，实现克服拖延的效果。

摘要： 本发明涉及地球物理数据处理领域，具体涉及一种基于遗传神经网络算法的测井曲线重构方法，该方法主要包括以下步骤：第一步：测井曲线标准化。首先对常规测井曲线进行标准化处理，使其统一至相同量纲级别。第二步：建立神经网络结构并训练网络。确定神经网络输入、输出、网络层数建立神经网络结构，并训练网络。第三步：遗传操作。计算训练误差和适应度函数，利用选择、交叉、变异三个遗传算子实现对网络结构及权值阈值的优化。第四步：利用优化好的网络结构进行测井曲线重构，直至满足精度要求输出结果。本发明比传统测井曲线重构方法相比具有更高的精度，可降低生产成本，提高运算效率，提升测井曲线重构效果。