- 相關推薦
基于遺傳學習算法和BP算法的神經網絡在礦坑涌水量計算中的應用
本文采用遺傳學習算法和誤差反向傳播算法(BP)相結合的混合算法來訓練前饋人工神經網絡(BPN),即先用遺傳學習算法進行全局訓練,再用BP算法進行精確訓練,使網絡收斂速度加快和避免局部極小.作為實例,本文將該方法運用于多維時序問題.根據山東省黑旺鐵礦的礦坑充水條件建立了一個網絡,以礦坑充水的各種控制因素相關資料作為樣本,對網絡進行訓練并用訓練好的網絡預測礦坑涌水量.網絡的訓練速度及預測結果表明,該算法收斂速度較快,預測精度很高,為礦坑涌水量預報提供了一種新思路和新方法.
文成玉,WEN Cheng-yu(水利部小浪底水利樞紐工程建設管理局,河南洛陽,471000)
刊 名： 水利學報 ISTIC EI PKU 英文刊名： JOURNAL OF HYDRAULIC ENGINEERING 年，卷(期)： 2000 ""(12) 分類號： P333 關鍵詞： 人工神經網絡 遺傳算法BP算法 黑旺鐵礦 礦坑涌水量【基于遺傳學習算法和BP算法的神經網絡在礦坑涌水量計算中的應用】相關文章：
基于BP和RBFNN的神經網絡算法在瓦斯預測中的應用及比較04-27
基于BP神經網絡和遺傳算法的補燃室優(yōu)化設計04-28
基于BP神經網絡的降雨充水礦井涌水量預測04-27
基于BP網絡和遺傳算法的波阻抗混合反演04-27
遺傳算法改進的BP神經網絡在混沌徑流時間序列預測中的應用04-28
遺傳BP算法在預測深厚軟基沉降中的應用04-26
遺傳算法在邊坡數值計算中的應用04-27
模擬退火遺傳算法在灌溉水量最優(yōu)分配中的應用04-27
基于自適應遺傳BP算法神經網絡數據融合的空中目標識別04-29
基于遺傳算法CSAMT反演計算研究04-27