收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

BP神经网络的理论及其在农业机械化中的应用研究

王吉权  
【摘要】:BP神经网络是目前研究最为成熟、应用最为广泛的人工神经网络模型之一。由于其结构简单、可操作性强、具有较好的自学习能力、能够有效地解决非线性目标函数的逼近问题等优点,因此被广泛应用于自动控制、模式识别、图像识别、信号处理、预测、函数拟合、系统仿真等学科和领域中。但是,BP算法也存在许多不足。例如,初始学习率选取困难,收敛速度慢,接近最优解时易产生波动,有时还会出现振荡现象,对于具有增长趋势的时间序列预测问题外推效果不好等问题。因此,针对BP神经网络存在的这些问题进行深入系统的研究,不仅具有理论意义,也具有重要的应用价值。 理论已经证明,三层BP神经网络只要隐含层节点数足够多,就具有模拟任意复杂的非线性映射的能力,由此可见BP神经网络具有较强的拟合能力。但是,在实际应用中,有时人们不仅关心神经网络的拟合效果,而且也十分关心当输入为何值时,能使输出取得极大值或极小值的问题。这一问题实际是基于BP神经网络的优化问题,而对这一问题的研究,目前尚未见文献报导。虽然有些文献称为BP神经网络的优化研究,但都是关于BP神经网络权值、学习率和网络结构的优化研究;或者,根据BP神经网络的输入与输出关系,从中选择一个较好的输出值,这实际上并不是真正意义上的优化,而是一种模拟,是从模拟结果中选择一个较优方案。因此对真正的基于BP神经网络的优化方法进行探讨,不仅具有理论意义,也具有现实意义和应用价值。 本论文旨在通过研究,分析BP神经网络存在不足的原因,进而通过研究提出BP神经网络的改进算法及用于时间序列预测时的一种新方法。在此基础上,研究探讨基于BP神经网络的优化问题。最后,将BP神经网络理论上的研究成果用于黑龙江省农机总动力预测与气吸式割前摘脱联收机惯性分离室的工艺参数的优化中。 研究取得的成果主要有: (1)分析指出了BP神经网络算法存在问题的原因和用BP神经网络进行时间序列预测时外推效果不好的原因。 (2)研究给出了一种改进的BP神经网络算法。 提出了每个权值分别对应一个学习率的改进BP算法。该算法使得负梯度方向的信息得到了更充分的利用,同时学习率实现了按需要变化,克服了BP神经网络接近最优解时产生波动和振荡现象、计算精度得到了明显提高,并且后一次的迭代计算继承了前一次迭代计算的学习率,因此可以提高学习速度。另外,改进BP算法基本不受初始学习率的影响,避免了初始学习率选取的困难。 (3)研究给出了一种基于BP神经网络的时间序列预测问题的新方法。 首先,分析指出了基于BP神经网络的预测问题存在的不足,根据基于BP神经网络的时间序列预测问题的结构特点,依据Z变换理论,给出了一种新的激活函数,并分析指出了在BP神经网络中,以y=x作为激活函数与y=a+bx作为激活函数等价的原因。其次,推导出了以y=x作为激活函数的BP算法的计算公式和模型。最后,通过示例和实例计算表明,对于具有增长趋势的时间序列预测问题,当以单极性S型函数作为激活函数时其外推效果不理想,而以y=x作为激活函数时外推效果较好。另外,y=x作为激活函数的外推效果基本不受数据处理区间的影响,而单极性S型函数作为激活函数时外推效果受处理区间的影响较大。并且以y=x作为激活函数可以克服单极性Sigmoid函数作为激活函数的BP神经网络在预测问题中存在的不足。 (4)研究给出了一种基于BP神经网络的优化方法。 该优化方法以单极性Sigmoid函数作为激活函数,以网络输出最大化为例,给出了基于BP神经网络的无约束和有约束优化问题的一般数学模型,在此基础上,给出了基于BP网络的无约束和有约束优化方法的基本思路,推导给出了BP神经网络输出对输入的偏导数,进而给出了基于BP神经网络的无约束和有约束优化方法的计算方法。 (5)编写了标准BP算法、改进BP算法、基于改进BP算法的时间序列预测方法和基于BP神经网络的优化方法的计算机程序。 (6)BP神经网络在农业机械化中的应用研究。 首先,运用编好的基于改进BP算法的时间序列预测程序对黑龙江省的农机总动力进行预测,给出了未来5年的农机总动力值。预测结果表明该预测方法具有较高的预测精度。其次,运用基于BP神经网络的优化程序对气吸式割前摘脱联收机惯性分离室的工艺参数进行优化,给出了分离室压力损失最小时的最佳工艺参数,优化结果可为此类型惯性分离室的设计和优化提供理论依据。


知网文化
【相似文献】
中国期刊全文数据库 前19条
1 李秋硕;王岩;孙宇军;肖勇;欧阳涛;;BP神经网络在用电用户分类中的应用[J];现代电子技术;2017年09期
2 田波;;基于BP神经网络的人脸识别方法[J];铜仁学院学报;2017年03期
3 张怡文;敖希琴;时培俊;郭傲东;费久龙;陈家丽;;基于Pearson相关指标的BP神经网络PM2.5预测模型[J];青岛大学学报(自然科学版);2017年02期
4 赵学军;李育珍;武文斌;;BP神经网络改进TSVM的矿产资源评价模型研究[J];矿业科学学报;2016年02期
5 边宁;许允之;;基于ARMA和遗传算法优化的BP神经网络电动机断条故障诊断[J];煤矿机电;2017年03期
6 王鸿;段晓明;伍燕翔;张玉龙;;基于BP神经网络的耕地土壤重金属污染评价——以宜宾市翠屏区土壤重金属污染评价为例[J];农业与技术;2017年10期
7 杨文光;田立勤;高艳辉;;基于磨光函数的权值直接确定双输入BP神经网络[J];华北科技学院学报;2017年02期
8 李光升;梁靖聪;谢永成;李国强;王天祺;;基于免疫遗传算法改进的BP神经网络在装甲车辆电路板故障诊断中的应用[J];计算机测量与控制;2017年06期
9 肖成;焦智;孙介涛;张磊;宋玉彬;石莹;;基于小波BP神经网络的风电机组变桨系统故障预测[J];可再生能源;2017年06期
10 莫秋金;莫显德;万谦;;改进BP神经网络在边坡稳定性分析中的运用[J];西部交通科技;2017年04期
11 赵英男;;基于改进BP神经网络的大坝变形监测模型预报[J];陕西水利;2017年03期
12 万子平;马丽莎;李星宇;刘小旭;龙哲;;BP神经网络的内场驾考电子教练系统设计[J];单片机与嵌入式系统应用;2017年06期
13 杜冠洲;韦古强;高正平;;基于BP神经网络的公用建筑电力能耗预测研究[J];工程经济;2017年06期
14 成振华;樊利民;;基于BP神经网络的大功率直流电机故障诊断研究[J];电气自动化;2017年03期
15 董鹏;卢苇;秦芙蓉;;基于BP和RBF神经网络的军事装备维修保障点选址问题研究[J];计算机科学;2017年S1期
16 罗俊松;;基于神经网络的BP算法研究及在网络入侵检测中的应用[J];现代电子技术;2017年11期
17 张文东;吕扇扇;张兴森;;基于改进BP神经网络的非均衡数据分类算法[J];计算机系统应用;2017年06期
18 唐思源;邢俊凤;杨敏;;基于BP神经网络的医学图像分割新方法[J];计算机科学;2017年S1期
19 王瑾;吴琼;汉鹏武;孙育军;;基于BP神经网络的企业标准化综合评价方法研究[J];标准科学;2017年06期
中国重要会议论文全文数据库 前10条
1 杨建华;刘宁;姚余梁;;基于BP神经网络的装备服务链信任伙伴配置[A];第八届中国软科学学术年会论文集(下)[C];2011年
2 张德欣;张海祥;陈友良;;基于BP神经网络的电子战系统干扰能力评估[A];全国第三届信号和智能信息处理与应用学术交流会专刊[C];2009年
3 范龙振;张子刚;黎志成;;BP神经网络的一种稳健改进算法[A];管理科学与系统科学进展——全国青年管理科学与系统科学论文集(第4卷)[C];1997年
4 陈亮;邹静;刘念;谢植;;BP神经网络在在线辐射测温中的应用[A];2008中国仪器仪表与测控技术进展大会论文集(Ⅰ)[C];2008年
5 邵景峰;马创涛;王蕊超;王希尧;;基于烟花算法改进BP神经网络的纺纱质量预测模型[A];第36届中国控制会议论文集(C)[C];2017年
6 苗红涛;笠峥;;基于优化BP神经网络的颜色特征模型[A];2015第四届中国印刷与包装学术会议论文摘要集[C];2015年
7 郑勇明;吴信民;张叶;杨亚新;;BP神经网络方法在铀矿山辐射环境评价中的应用研究[A];中国核科学技术进展报告(第二卷)——中国核学会2011年学术年会论文集第5册(辐射防护分卷、核化工分卷)[C];2011年
8 包龙生;张乐;于玲;曹鑫;;基于BP神经网络对大跨径预应力连续梁桥标高偏差预测分析[A];第22届全国结构工程学术会议论文集第Ⅰ册[C];2013年
9 张荣;韩京清;;BP神经网络在自抗扰控制器中的应用[A];1998年中国控制会议论文集[C];1998年
10 马骥;;基于BP神经网络的生产成本预测[A];全国冶金自动化信息网2014年会论文集[C];2014年
中国博士学位论文全文数据库 前10条
1 王吉权;BP神经网络的理论及其在农业机械化中的应用研究[D];沈阳农业大学;2011年
2 李英伟;基于增量改进BP神经网络微波深度干燥模型及应用研究[D];昆明理工大学;2011年
3 吕军城;山东省农村居民自杀未遂预警BP神经网络及指标体系构建[D];山东大学;2015年
4 江沸菠;基于神经网络的混合非线性电阻率反演成像[D];中南大学;2014年
5 李洋;小波过程神经网络相关理论及其应用研究[D];哈尔滨工业大学;2008年
6 周颖华;具时变脉冲的神经网络的稳定性研究[D];西南大学;2018年
7 张婷;深度神经网络的核映射结构和跨连结构研究[D];北京工业大学;2018年
8 胡中旭;虚拟场景人机交互中手势识别技术研究[D];华中科技大学;2018年
9 蒙西;模块化神经网络优化设计及应用研究[D];北京工业大学;2018年
10 吴霆;基于光谱技术的三文鱼品质检测方法研究[D];华南农业大学;2018年
中国硕士学位论文全文数据库 前10条
1 吕琼帅;BP神经网络的优化与研究[D];郑州大学;2011年
2 刘天舒;BP神经网络的改进研究及应用[D];东北农业大学;2011年
3 周志文;灰色BP神经网络方法的研究[D];厦门大学;2009年
4 李丽霞;BP神经网络及其在疾病预后分类问题中的应用[D];山西医科大学;2002年
5 李杨;基于遗传算法的BP神经网络在网络数据抓取中的研究[D];中国海洋大学;2010年
6 黄博;基于BP神经网络的兰州地区军用油料消耗预测[D];兰州大学;2011年
7 徐芳元;基于BP神经网络的桥梁健康状况评定[D];长安大学;2006年
8 蒋亮;BP神经网络的优化研究及应用[D];南昌大学;2014年
9 闫岩;基于BP神经网络的未爆物识别研究[D];吉林大学;2015年
10 陈桥;基于BP神经网络的五子棋自学习系统的设计与实现[D];燕山大学;2016年
中国重要报纸全文数据库 前10条
1 记者 刘霞;忆阻器制成神经网络更高效[N];科技日报;2017年
2 整理 本报记者 诸玲珍 顾鸿儒;微软神经网络切割法可使加速作用超线性[N];中国电子报;2018年
3 ;神经网络小史[N];电子报;2018年
4 张敏;人机大战,到底谁会赢?[N];北京日报;2017年
5 ;人工智能将取得大面积突破[N];中国企业报;2017年
6 本报记者 龚丹韵;人机大战:人类还有优势吗[N];解放日报;2017年
7 ;人类正迎来云端机器人时代[N];中国企业报;2017年
8 张斌;谁还需要“同传”[N];文汇报;2017年
9 科大讯飞董事长 刘庆峰;高考机器人考入一流大学不再是梦[N];中国教育报;2017年
10 邓洲 中国社会科学院工业经济研究所;深度学习:人工智能进入应用阶段[N];上海证券报;2017年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978