摘要：为研究具有多输入、非线性特点的近程防空系统作战效能和优化问题,在基于ABMS理论的Anylogic软件环境中构建了通用近程防空系统作战仿真推演模型,并提出了一种基于自然科学领域常用的正交试验设计的通用近程防空武器系统作战效能评估和优化方法,解决了常规评估方法动态评估能力不足和仿真平台方法运算量大的问题。以平原地区弹炮结合防空系统为例,通过正交试验方法得到的数据训练出效能评估bpnn,并将其作为优化算法的目标函数,通过NSGAⅡ算法得出仿真推演模型的最优输入决策向量,结果与正交试验分析得到的最优解接近一致。仿真试验表明,采用ABMS和正交试验相结合的方法建立的评估体系不仅具备动态评估能力,也可以较快的分析速度得到评估体系的最优决策向量,为防空作战运用提供合理建议。

摘要：为解决无资料断面水位预报问题,提出BP神经网络与MIKE11模型耦合方法。通过小时尺度的洪水场次数据,选取水位、降雨和前期影响因子进行相关性分析;筛选出预见期12 h及24 h兰江流域水位关联度最高的预报因子,以多元线性回归(MLR)和反向传播神经网络(bpnn)模型构建兰溪站不同预见期下的水位预报模型;并利用Mike NAM-HD机理模型推演未设测站断面的水位数据,通过BP神经网络进一步构建兰江流域无资料断面的水位预报模型。结果表明:(1)bpnn模型对长预见期下的水位预报效果优于MLR模型;(2)随着预见期的延长,bpnn模型的纳什效率系数逐渐降低;(3)对比筛选预报因子前后bpnn模型的纳什效率系数,12 h及24 h预见期下分别提升9.0%、34.7%;(4)提出的耦合BP神经网络和MIKE11模型方法可应用于无资料断面的水位预报。

摘要：研究目的:隧道工程设计方案受其地形条件、地质构造、水文特征、气象条件、围岩类别等多因素影响,具有典型的开放性、复杂性、自组织、自相似、非平衡性等复杂系统特点和演化规律。根据以上特点,本文主要运用FMEA、RCM、BP神经网络、BIM等技术,对隧道工程设计方案进行智能比选与动态优化,为隧道工程设计方案优化提供重要参考。研究结论:(1)方案设计前,搜集大量已完类似工程项目的设计方案资料,构建了隧道工程设计方案历史数据库;(2)结合拟建工程特征,运用PSO聚类分析方法,从设计方案历史数据库中筛选出相似度较高的备选方案;(3)综合考虑工程各参与方需求,运用FMEA、RCM技术对各备选方案设计指标进行系统分析与优化,并运用bpnn模型预测各备选设计方案的全寿命周期造价,以全寿命周期造价最低为原则,优选设计方案;(4)运用BIM、ILS技术对优选设计方案进行深度优化;(5)本研究成果可为高速公路隧道、桥梁等工程设计方案优化提供参考。

摘要：针对设计参数不确定性和模型结构未知情形下精密产品多元质量波动问题,同时兼顾主体结构对轻量化设计要求,提出一种基于Taguchi-bpnn-SEDEA的多元质量非参数稳健优化方法.首先,通过正交试验设计和有限元分析获取多元质量数值,运用Taguchi方法将多元质量数值转化为信噪比来衡量精密产品稳健性;其次,运用bpnn非参数模型构建多元质量信噪比预测模型,以避免由参数模型设定导致的误差;在此基础上,提出改进的DEA基本模型,采用SEDEA非参数稳健优化方法,将设计参数不确定性下bpnn非参数模型求解问题转化为不确定性条件下复杂多属性决策问题;最后,通过实例表明,所提出的方法能够有效处理设计参数不确定性和模型结构未知并存情况下的多元质量稳健优化问题,从而验证该方法的可行性.

摘要：传统气动优化设计需要大量CFD分析,而代理优化(SBO)方法能够有效降低CFD分析次数,但该方法并没有改变单次CFD分析时间。提出一种基于本征正交分解—反向传播神经网络(POD-bpnn)模型的热启动策略,并应用于气动代理优化。使用POD-bpnn模型对SBO中的初始样本建立从几何设计变量到流场数据的预测模型;在SBO迭代过程中,使用该模型预测新样本的流场,并将其作为CFD分析的初场,进行热启动计算,获得新样本的数据;添加新样本数据到POD-bpnn建模样本并更新模型,直到优化结束,通过案例对该策略进行对比验证。结果表明:在跨声速翼型减阻优化设计中,基于POD-bpnn的热启动策略使得单次CFD计算时间降低68%,SBO的效率整体提升37%。

摘要：为了提高水利工程建设监管执法的有效性,提出一种结合bpnn与模糊理论的监理单位管理评价模型。该模型利用模糊理论综合主观评价与客观评价,利用GA算法对bpnn模型进行连接权重值和阈值优化,并采用实例评价和预测的方式进行效果分析。结果显示,设计模型可以有效输出综合性评价并进行预测,模型预测误差在0.000957左右,在误差标准内,验证了该模型能够有效提升水利工程监理单位管理水平评价和预测的准确性和有效性。

摘要：本文给出一种量子粒子群(QPSO)算法、改进菌群觅食(IBFO)算法优化反向传播神经网络(bpnn)的混凝投药预测模型,利用量子粒子群的个体极值与群体极值更新细菌觅食算法趋化过程中细菌位置;通过细菌协同改进趋化算子提高优化精度,结合差分算法改进繁殖算子解决部分维度退化问题,加入轮盘赌方法作为选择机制改进迁移算子来克服优化过程中优秀解消失的缺陷;进而优化BP神经网络的权值、阈值以此预测混凝剂投药量.对云南某自来水厂的数据进行离线训练和模型测试,结果表明,所提算法预测结果的均方误差(MSE)达0.0116mg/L,平均绝对误差百分比(MAPE)达1.36%,在预测精度和稳定性上优于BFO-bpnn、PSO-bpnn等模型.

摘要：针对智能电网的建设发展对负荷预测精度提出了更高要求的现状,提出了一种基于短期电网负荷智能预测算法的新能源调度模型。架构了基于PSO-bpnn的短期电网负荷智能预测算法,利用PSO算法对bpnn模型的初始权值和阈值等参数进行优化,并将日属性、温度、历史负荷等数据作为输入,通过训练后的bpnn模型实现短期电网负荷的精准预测。该模型以运行成本最低以及污染物排放量最少为优化目标,设计了含多类型新能源的微电网多目标调度策略。以某实际微电网的运行数据为样本,进行仿真验证的结果表明,所提算法相比于bpnn算法,在短期电网预测方面具有较高的准确性;所提多目标调度策略相比于单目标调度策略,能够同时降低微电网运行成本与污染物排放量,兼顾经济性和环保性。

摘要：当前的充电桩负荷预测与协调控制方法效率和精度均较低。针对这一问题,研究基于云计算、深度学习技术来实现充电桩负荷预测与协调控制。首先,研究采用云计算收集数据,采用改进麻雀算法来优化bpnn,并基于优化的bpnn构建预测模型。然后,基于优化的AFS算法来求解目标函数,实现充电桩负荷协调控制。结果显示,DEH-SSA-bpnn模型的Loss值为0.20,预测准确率为94.48%,F1值为92.26%,拟合度为0.942。IAFS模型优化下网损值为510.1 kW,峰谷差为1.4×10~4 kW。IAFS的AUC值达到了0.943。上述结果显示,研究提出的方法能够有效预测和协调控制充电桩负荷,提升电力的应用效率。

摘要：神经网络（NN）在许多领域获得成功应用，并迅速渗透到医药研究中，如药物产品开发、氨基酸序列设计、蛋白质二级结构预测、脑电图模式识别、构效关系分析等方面，而在临床药理学中的应用刚起步，有不少值得研究和探讨的内容。本文简要介绍NN的基本特征。常用模型、分类和算法，阐述误差反向传播神经网络（bpnn）的系统结构、作用函数、训练过程，及其在种间药代动力学参数换算、估算稳态药物浓度、预测药物效应、求算时-浓曲线下面积等方面的应用。