基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
在深入剖析遗传算法GA和BP神经网络优势的基础上,提出了改进的遗传优化BP神经网络模型(简称GABP模型).该原理是利用遗传算法(GA)对BP神经网络的结构和连接权进行全局优化学习,从而获取最佳的网络模型.经前人大量研究表明:遗传算法的适应性好,对搜索空间没有任何特殊要求,且全局优化能力强,可以有效地在整个解空间寻优,但遗传算法存在局部调节能力较弱、容错性较差的不足.而神经网络的容错性较强,具有自组织、自适应和分布式储存的特点,它可以通过学习乖训练,进行模型结构的自组织,适应不同信息或信息模糊,以及推理规则不明确问题的处理,但神经网络方法又有搜索能力较差,容易陷入局部解之中的缺点.从上述二种方法的优缺点出发,按照取其所长,克己所短的原则,将二种方法有机地结合起来,构建了GABP模型及其算法.通过对新场气田开发方案优选的决策应用,表明该模型的评价结果准确合理,可为类似研究借鉴参考.
推荐文章
遗传算法优化的BP神经网络税收模型
遗传算法
神经网络
税收模型
基于神经网络遗传算法高炉热风炉空燃比寻优
热风炉
空燃比
神经网络
遗传算法
极值寻优
基于神经网络和混合遗传算法的优化控制研究
神经网络
混合遗传算法
优化控制
基于神经网络的齿轮传动遗传算法优化
齿轮机构
优化设计
遗传算法工具箱
神经网络
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 新场气田开发方案寻优的遗传优化神经网络模型
来源期刊 物探化探计算技术 学科 工学
关键词 新场气田 开发方案 优选 GABP模型 遗传优化 神经网络
年,卷(期) 2008,(4) 所属期刊栏目 油储地球物理
研究方向 页码范围 288-291
页数 4页 分类号 TE323
字数 3386字 语种 中文
DOI 10.3969/j.issn.1001-1749.2008.04.006
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 匡建超 成都理工大学信息管理学院 94 581 13.0 18.0
2 陈小花 成都理工大学信息管理学院 8 83 4.0 8.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (32)
共引文献  (71)
参考文献  (12)
节点文献
引证文献  (5)
同被引文献  (28)
二级引证文献  (11)
1982(2)
  • 参考文献(1)
  • 二级参考文献(1)
1986(1)
  • 参考文献(0)
  • 二级参考文献(1)
1990(1)
  • 参考文献(1)
  • 二级参考文献(0)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
1996(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(3)
  • 参考文献(0)
  • 二级参考文献(3)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(2)
  • 参考文献(0)
  • 二级参考文献(2)
2000(6)
  • 参考文献(0)
  • 二级参考文献(6)
2001(3)
  • 参考文献(0)
  • 二级参考文献(3)
2002(3)
  • 参考文献(1)
  • 二级参考文献(2)
2003(6)
  • 参考文献(1)
  • 二级参考文献(5)
2004(4)
  • 参考文献(2)
  • 二级参考文献(2)
2005(6)
  • 参考文献(2)
  • 二级参考文献(4)
2006(4)
  • 参考文献(4)
  • 二级参考文献(0)
2008(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2009(2)
  • 引证文献(2)
  • 二级引证文献(0)
2010(4)
  • 引证文献(0)
  • 二级引证文献(4)
2012(2)
  • 引证文献(0)
  • 二级引证文献(2)
2013(1)
  • 引证文献(1)
  • 二级引证文献(0)
2017(4)
  • 引证文献(1)
  • 二级引证文献(3)
2018(1)
  • 引证文献(0)
  • 二级引证文献(1)
2019(1)
  • 引证文献(1)
  • 二级引证文献(0)
2020(1)
  • 引证文献(0)
  • 二级引证文献(1)
研究主题发展历程
节点文献
新场气田
开发方案
优选
GABP模型
遗传优化
神经网络
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
物探化探计算技术
双月刊
1001-1749
51-1242/P
大16开
成都理工大学内
62-35
1979
chi
出版文献量(篇)
2450
总下载数(次)
3
总被引数(次)
15054
论文1v1指导