基于双隐含层BP神经网络的绞吸挖泥船产量预测

• 作者: 倪福生 杨金宝 郑庆云 魏长赟
• 来源期刊: 计算机与数字工程
• 学科: 工学
• 关键词: 绞吸挖泥船 产量预测 BP神经网络 双隐含层 Levenberg-Marquardt算法
• 年，卷（期）: 2016,（7）
• 所属期刊栏目: 算法与分析
• 页码范围: 1234-1237
• 页数: 4页
• 分类号: TH122
• 字数: 3318字
• 语种: 中文
• DOI: 10.3969/j.issn.1672-9722.2016.07.009

摘要

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	倪福生	河海大学机电工程学院	95	453	10.0	17.0
3	郑庆云	河海大学机电工程学院	4	6	1.0	2.0
5	魏长赟	河海大学机电工程学院	10	14	2.0	3.0
7	杨金宝	河海大学机电工程学院	3	6	1.0	2.0