10.3969/j.issn.1672-9722.2016.07.009
基于双隐含层BP神经网络的绞吸挖泥船产量预测
挖泥船的产量直接决定了工程效益,因此,产量的预测具有重要的意义.疏浚作业时绞吸挖泥船疏浚工况是非恒定的且产量计算极其复杂,故提出基于Levenberg Marquardt算法的双隐含层BP神经网络模型预测绞吸挖泥船产量.相对单隐含层而言,双隐含层BP神经网络则能改善网络的性能,从而提高模型预测精度.分别以绞刀电机电流、流速、吸入真空、横移速度作为输入因素,以泥浆浓度作为输出因素,建立产量预测模型.实验结果表明,双隐含层BP神经网络的预测结果更为精确,可为预测挖泥船产量提供有效的方法.
绞吸挖泥船、产量预测、BP神经网络、双隐含层、Levenberg-Marquardt算法
45
TH122
2016-08-19(万方平台首次上网日期,不代表论文的发表时间)
共4页
1234-1237