📄 ml.htm
字号:
<!ArtChnTitle>
<!ArtChnAuthor>
<!ArtAuthorAddress>
<!ArtChnAbstract>
<!ArtChnKeyword>
<!ArtEngTitle>
<!ArtEngAuthor>
<!ArtEngAbstract>
<!ArtEngKeyword>
<html>
<head>
<meta http-equiv="Content-Type" content="text/html; charset=gb2312">
<meta name="GENERATOR" content="Microsoft FrontPage 5.0">
<title>学位论文－遗传算法与BP模型的改进及其在水资源工程中的应用</title>
<style>A:link {COLOR: #000000; FONT-FAMILY: 宋体; TEXT-DECORATION: none}
A:visited {COLOR: #000000; FONT-FAMILY: 宋体; TEXT-DECORATION: none}
A:active {FONT-FAMILY:宋体; TEXT-DECORATION: none}
A:hover {COLOR: #000000;TEXT-DECORATION:none}
BODY {FONT-FAMILY:宋体; FONT-SIZE: 9pt;TEXT-DECORATION:none}
TABLE {FONT-FAMILY: 宋体; FONT-SIZE: 9pt}
.H1 {FONT-SIZE: 9pt; COLOR: #0000cc}
.ourfont {FONT-SIZE: 9pt; LINE-HEIGHT: 14pt}
select {font-size:12px;}
.wx {BACKGROUND: #001863; BORDER-BOTTOM: white 1px solid; BORDER-LEFT: white 1px solid; BORDER-RIGHT: white 1px solid; BORDER-TOP: white 1px solid; COLOR: #ffffff; FONT-SIZE: 9pt; FONT-STYLE: normal; FONT-VARIANT: normal; FONT-WEIGHT: normal; HEIGHT: 18px; LINE-HEIGHT: normal}
.wx1 {border-top: #c0c0c0 1px;border-left: #c0c0c0 1px;border-right:#c0c0c0 1px;border-bottom:#c0c0c0 1px;border-style:inset;background-color:#ffffff;vertical-align:text-bottom}
</style>
</head>
<body bgcolor="#FFFFFF" link="#000000" background="../image/bg.gif">
<img src="../../images/xwlwk.jpg" width="750" height="94">
<table width="83%" border="0" cellspacing="0" cellpadding="0">
<tr>
<td width="19%"><p> </p>
<p></p></td>
<td width="81%"><p>馆藏号：Y633989<br>
<br>
论 文 题 目：<strong style="font-weight: 400">遗传算法与BP模型的改进及其在水资源工程中的应用</strong><br>
学位授予单位：东北农业大学<br>
作 者：邢贞相<br>
申请学位级别：硕士<br>
学 科 名 称：农业水土工程<br>
指 导 教 师：付强<br>
出 版 时 间：20040501<br>
摘 要：<br>
在水资源系统工程中,存在诸多非线性、多维组合优化问题.解决这些问题的传统方法多采用解析法和穷举法,但这些方法都存在不同程度的缺点.该论文的目的旨在寻求出能够解决这些问题的更有效,更方便的方法.遗传算法(Genetic Algorithm,abbreviated:GA)是一种全局优化方法,该论文在前人研究基础上,对遗传算法进行了改进,建立了基于实数编码的加速算法.并在天然河道水面线计算、溢流坝下游断面水深计算、频率曲线分析、分区给水系统等水利工程问题中得以应用,证明该算法是一种性能优越,使用方便的全局优化方法.另外,水利工程中涉及到许多预测、分类、评价等问题,恰好这类问题往往也存在多维、非线性的、实测数据信息不完整等特征,很难建立准确的数学模型来解决.人工神经网络模型(Artificial Neural Net,abbreviated:ANN)是一种具有自组织学习、联想记忆功能的信息处理系统.该文把模拟退火算法(Simulated Annealing algorithm,abbreviated:SA)融入到误差反向传播(Error back Propagation,abbreviated:BP)的人工神经网络模型中,对BP网络模型进行了改进,形成了一种基于模拟退火算法的BP神经网络模型((简记,SABP).并将其应用到实际工程当中,结果表明基于模拟退火算法的BP神经网络模型比传统改进的BP网络模型在计算精度、运行速度方面均有很大的提高.为了能进一步地提高BP网络的性能,该文尝试将基于实数编码的加速遗传算法与其耦合,形成了基于实数编码的加速遗传算法和模拟火算法的BP网络(简记,RAGASABP).经过在洪灾损失预报、作物-水模型、作物需水量的计算、地下水位动态变化预测和水质评价中实际应用,证明基于实数编码的加速遗传算法和模拟火算法的BP网络具有很强的非线性映射能力和分类、评价能力.最后,得出结论,认为RAGA(Real coded Accelerating Genetic Algorithm)和RAGASABP(Error back Propagation based on RAGA and SA)能够较好地解决很多水资源工程中的具体问题.<br>
分 类 号：S27;S126<br>
关 键 词：水资源工程;遗传算法;人工神经网络
<p align="center">
<table width="80" border="0" cellspacing="0" cellpadding="0">
<tr>
<td bgcolor="#cccccc">
<table width="100%" border="0" cellspacing="1" cellpadding="0">
<tr style="CURSOR: hand">
<td bgcolor="#CCCCCC" onMouseOver="this.bgColor='#999999';" onMouseOut="this.bgColor='#cccccc';" valign="bottom" height="18" NAME="NAME_BALL" STYLE="cursor:hand" child="FALL"><div align="center"><strong><font size="4"><a href="index.htm">PDF正文</a></font></strong></div></td>
</tr>
</table></td>
</tr>
</table>
</td>
</tr>
</table>
<div align="center"></div>
</body>
</html>
⌨️ 快捷键说明
复制代码
Ctrl + C
搜索代码
Ctrl + F
全屏模式
F11
切换主题
Ctrl + Shift + D
显示快捷键
?
增大字号
Ctrl + =
减小字号
Ctrl + -