神经网络优化模型的论文

张志红

  资源一；
   树木的液流规律是复杂的，难以用多元线性或经验模型表达，在理解林木树干液流规律的基础上，寻找一种简易可行的方法模拟林木树干液流对环境因子的响应过程，对定量分析森林生态水文过程及区域生态需水量尤为重要。
   本研究以宁夏河东沙区防护林树种丝绵木为研究对象，采用热扩散茎流计连续测定树干液流速率，分析环境因子对丝绵木树干液流的影响，并构建基于粒子群算法（PSO）和麻雀搜索算法（SSA）优化的神经网络模型对丝绵木液流速率进行预测。结果表明：影响丝棉木树干液流的主要因素为太阳辐射、饱和水汽压差、气温和相对湿度，重要度依次为 32.5%、25.3%、22.0%和 16.1%，其响应过程均呈现时滞回环关系。采用优化后的 BP、Elman 和 ELM 神经网络模型模拟瞬态液流，综合评价指标（GPI）分别提高 1.5%、30.0%和 5.3%。但与 PSO-Elman 和 SSA-ELM 优化模型相比，SSA-BP 优化模型预测结果最佳，GPI 分别提高 1.0%和 23.2%。基于麻雀搜索算法优化的 BP 神经网络模型可以作为预测丝绵木树干瞬态液流速率的首选模型
资源二；
   以避免企业发生经济损失为出发点，提出基于混沌粒子群算法的神经网络的财务管理预警优化模型，提升了预警结果的可靠性。由于神经网络的财务管理预警模型存在局部极值和随机选择参数现象，导致预测结果存在较大随机性，将具备遍历特性的混沌优化算法引入至标准粒子群算法中，赋予每个粒子遍历特性，控制粒子的聚集程度，避免局部极值的发生，获取全局最佳值，保证模型的预警结果。测试结果表明：优化后模型可获取全局遍历最佳解；在迭代次数为５０次时完成收敛。
资源三；
" m/ j, _/ o9 T# o! u' E( g% ~9 D       本文对大数据 Map-Reduce 运行框架能耗优化算法进行研究与讨论。首先对Map-Reduce 框架的特点、运行流程、工作原理进行介绍和分析，掌握了工作原理以后利用 BP 神经网络算法针对 Map-Reduce 运行参数的配置修改达到系统能耗优化的目的，并且通过基于 CPU 利用率的能耗监测模型，来验证优化效果。
/ C! C% _0 j, D0 I% L6 s/ @资源四；
    选取与目标设计谱匹配的地震动记录是建筑结构抗震分析与设计中的重要问题之一。 鉴于卷积神经网络在图像识别与分类领域具有突出的性能, 本文提出了一种基于卷积神经网络的谱匹配地震动选取方法以考虑反应谱图像的二维特征。首先阐述了通过卷积神经网络进行谱匹配地震动选取的基本原理和训练数据的生成方法, 然后讨论了 Keras深度学习框架中11个神经网络结构在谱匹配地震动选取中的特性, 最后采用 Xception和InceptionResNetV2两种性能最优的网络结构从200次地震的11462条地震动水平分量中选取与我国规范设计谱相匹配的数据。 研究表明, 卷积神经网络能够有效地提取反应谱图像的特征, 所选地震动平均反应谱与目标设计谱之间的差异较小。
% I& V* V- Q) W/ `% d资源五；
考虑到 BP 神经网络模型和 PSO 粒子群优化算法存在有的收敛速度慢及陷入局部最优的问题，给出了基于融合混沌（Chaos）模型和模拟退火（SA）算法而设计的 PSO-BP 神经网络模型。将混沌模型和 SA 算法的优点进行融合并对 PSO 算法加以改进，防止 PSO 算法因“早熟”而处于局部最优，从而得出 BP 神经网络模型的权值与阈值集合。实例验证结果表明，CSAPSO-BP 神经网络模型的收敛性高于 PSO-BP 神经网络模型与 SAPSO-BP 神经网络模型，其平均绝对百分比误差分别比后两者低 25.23% 和 14.19%。
6 `2 w% T1 t+ F4 M& t4 e% r资源六；
8 w) `. N) b4 H7 p; w+ D/ d( U针对电力变压器故障难以准确诊断的问题，提出了一种基于改进粒子群算法（ＰＳＯ）的模糊神经网络（ＦＮＮ）诊断模型。该模型运用模糊神经网络，同时结合变压器故障与变压器油中各气体成分之间的密切关系，确定了神经网络输入变量，同时在标准粒子群算法中引入遗传变异因子对模型进行训练，提 高 了 训 练 精度。ＭＡＴＡＢ软件测试结果表明，模型预测精度较高，可进一步研究应用。
' h; a; K- X. F8 I, F( s     
6 N6 u6 P( R1 b' _' I9 k     

; P/ e6 z/ P  j- [6 f
  F4 {* [6 F5 p  s4 V+ i4 b* f  

( m# K, l# ?2 C* m( J& E6 c  

. P4 S) T/ n/ P  B  G9 \8 q5 ~