一种改进BP网络用于电磁兼容预测
一种改进型BP网络算法在凝汽器故障诊断中的应用
作者简介 ： 石永恒（ ９ １）男 ， 士研 究生 ， １８ 一 ， 硕 东南大学热能工程系毕业 ， 主要从 事电站汽 轮机及 火电机组 热力 系统 状态 监测 和
停 机时 间 ， 高机 组 的可 用 率 具 有 重 要 的 意义 。人 提
工 神经 网络 具 有 并 行 处 理 学 习记 忆 和 非 线 性 等 特
点， 已成 为凝 汽器 故障 诊断 中最 有前 途 的方法 之一 ，
其中 Ｂ Ｐ网络是 应用 最广 的一 种 。但 是 ， 规 Ｐ 常 ， Ｐ网 络 实 际应 用 中存在 如 下 问题 ： 网络 学 习收 敛 速 度 慢 及 容易 陷入 局部最 小 点等 。本 文 就 Ｂ Ｐ网络 存 在 的
一
种改进 型 Ｂ Ｐ网络算法在凝汽器 故障诊 断 中的应用
石 永 恒 ，陈 荣 生 ，杨 亚 平
（ １东 南 大 学 热 能 工 程 研 究所 ， 苏 南 京 ２ ０ ９ ； 江 １ ０ ６ ２福建 泉 州 电 力 学 校 ， 建 泉 州 ３ ２ ０ ） 福 ６ ００ 摘 要 ： 对 Ｂ 针 Ｐ网络 学 ．收 敛速 度慢 和 易陷入 局 部 最 小 点 的 不 足 ， 出 了 一 种 自适 应 学 习速 率 动 量 梯 鹿 下 降 反 － － ｊ 提
却 管泄 露 、 却管振 动 等 ， 中最 常见 的故 障是低 真 冷 其
空 。如 果凝 汽器真 空 过 低 将 引 起有 效 焓 降 减小 ， 循
环 热效 率下 降 。 必然 会导致 汽 轮机排 汽 温度升 高 ， 还
引起排 汽缸变 形 和振动 。因此凝 汽设 备 的工作性 能 直接影 响到整 个 汽轮 机 组 的热 经 济性 和安 全 性 ， 开
Ａｐ ｉ ａ ｉ ｎ ｏ ｍ ｐｒ ｖ ｄ ＢＰ Ｎｅ ｌ ｕｌ ｔｏ ｏ ｐｌｃ ｔｏ ｆ Ａｎ Ｉ ｏ ｅ ｔ Ｃａ ｃ ａ ｉ ｎ ｔ
用于电磁兼容预测的自适应泛化回归神经网络
１ 引言
电磁兼容 （ＥＭｃ）…是从 “电磁干扰”发展起来的 ，研究可上 溯到 １９世纪 。到 １９２０年 代 ，各工业 国家都 日益重视 ＥＭＣ的 研究 。 １９４０年 代为 了解 决 飞机通信 系统受 到 电磁干扰 的 问 题 ，开始较为系统地 研究 ＥＭＣ技 术 。美国 自 １９４５年开始 ，颁 布了一 系列 ＥＭＣ的军用标准 和设计规 范 ，并不断 充实完善 ， 使得 ＥＭＣ进入新 的阶段 。近年 来信 息高速公路和高速计算 机 成为人类社 会生产和 日常 生活的 主导 技术 ，同时也 由于航 空 工业 、航 天工 业 、造 船工 业 以及 其他 国防 工业 的需 要 ，使 ＥＭＣ空前发展 。
２ ＥＭＣ预测 模 型
目前 ，国内外对 ＥＭＣ理论进行 了深入研究 ，建立 了各种分 析预测模型 ，如 ：源模型ｎ 、敏感期模型 、耦合模型 以及系统间／内 分析模型一 等。提 出了许多求解模型 的数值方法 ，如 ：矩量法 、 有限元法 、时域有限差分法等。但是 ，ＥＭＣ预测面临三个缺陷 ： （１）至今 尚 未提 出 一种 适 用于 普遍 ＥＭＣ预测 的 数学 模型 ； （２）大多数预测模 型只是理 想条件 下的一种近 似 ；（３）复杂 系 统的预测模型求解十分复杂。因此 ，求解结果存在较大的误差。
Ｃｏｍｐｕｔｅｒ Ｅｎｇｉｎｅｅｒｉｎｇ ｄ＂ ４ ，ｆｃ口砌 ｎ 计算 机 工程 与应 用
用于 电磁 兼 容预 测 的 自适 应 泛化 回 归神 经 网络
张煜东 ，吴 乐南 ，陈书 文
ＺＨ ＡＮ Ｇ Ｙｕｄｏｎｇ‘，Ｗ Ｕ Ｌｅｎａｎ‘，ＣＨＥＮ Ｓｈｕｗｅｎ。。
１．东南大学 信息科学与工程学院 ，南京 ２１００９６ ２．江苏 省辐射环境保护咨询 中心 ，南京 ２１００９６ １．Ｓｃｈｏｏｌ ｏｆ Ｉｎｆｏｒｍａｔｉｏｎ Ｓｃｉｅｎｃｅ＆ Ｅｎｇｉｎｅｅｒｉｎｇ，Ｓｏｕｔｈｅａｓｔ Ｕｎｉｖｅｒｓｉｔｙ，Ｎａｎｊｉｎｇ ２１００９６，Ｃｈｉｎａ ２．Ｒａｄｉａｔｉｏｎ Ｅｎｖｉｒｏｎｍｅｎｔａｌ Ｐｒｏｔｅｃｔｉｏｎ Ｃｏｎｓｕｌｔａｔｉｏｎ Ｃｅｎｔｅｒ ｏｆ Ｊｉａｎｇｓｕ Ｐｒｏｖｉｎｃｅ，Ｎａｎｊｉｎｇ ２１００９６，Ｃｈｉｎａ
基于GA优化BP神经网络的电磁兼容预测
ｎｅｔｉｃ ｃｏｍｐａｔｉｂｉｌｉｔｙ）预 测仍 存 在 一 些 问题 ，比如 ：
ＥＭＣ预测 的普适性 ，复杂系统模型的计算复杂性以 ２ 算 例
及在理想条件下近似计算误差较大等。近年来 ，神 经 网络 以其具 有 的 自适 应 、 自组织 、 自学 习的能 力 得 到 了广 泛 应 用 。李 永 明等 人 提 出 了应 用 ＢＰ网络 的电磁兼容快速预测模型。 陈书文等人采用共轭 梯 度 一ＬＭ算 法 优 化 ＢＰ网络 预 测 ＥＭＣ问题 。ｉｓ］张 煜 东 嘲等 人提 出 了一种 自适 应泛 化 回归神 经 网 络用 于 电磁兼容预测 。ＡＮＵＲＡＤＨＡｔ７Ｊ等利用神经 网络一粒
导线作为各类电气电子设备间连接的纽带 ，导 线 间 的 串扰 对设 备 间 的 电磁 兼 容影 响 较大 。吲以双 平行导线 间的串扰为例 ，如图 １所示 。导线 １为干 扰 源 ，干扰 电压 Ｖ ，导线 ｌ和 导线 ２距 离 为 ｄ，导 线 １，２半 径分 别 为 ｒ，，ｒ ，导 线 长度 分别 为 １。、１：，距 离金 属 平 板 的高 度 分 别 为 ｈ。，ｈ：，两端 接 地 电 阻分
２０１８年 ０４月 第 ３８卷 第 ２期
天 水 师 范学 院学 报
Ｊｏｕｒｎａｌ ｏｆ Ｔｉａｎｓｈｕｉ Ｎｏｒｍａｌ Ｕｎｉｖｅｒｓｉ
Ａｐｒ ｉｌ，２０１８ Ｖｏ１．３８ Ｎｏ．２
基 于 ＧＡ优化 ＢＰ神经 网络 的电磁兼容预测
赵 宇 ，缑文博 ，宋小锋
（天水 师范学院 电子信息与电气工程学院 ，甘肃 天水 ７４１００１）
３．２ ＧＡ—ＢＰ神 经 网络 遗传 算 法是 模拟 生 物进化 过 程 的全局 随机 优化 算 法 ，在 求 解 过 程 中 将 问 题 的编 码 表 示 成 染 色 体 （个体），随机初始化种群 ，以种群中的个体的适应 度为依据 ，对个 体进行选择、交叉 、变异等操作 ， 使群体中的个体不断进化 ，逼近问题的最优解。 遗 传 算 法优 化 ＢＰ神 经 网络 的基 本 思 想是 利 用 遗传算法优化 ＢＰ神经网络的初始权值和阈值 。［１３－１５］ 编码 时个体为神经网络的权值和阈值 ，将 ＢＰ神经 网络 的训练误差作为个体的适应度值 ，通过选择 、 交叉 、变异操作寻找最优 的ＢＰ神经 网络初始权值 和阈值。ＧＡ优化 ＢＰ神经网络具体流程如下 ： （１） ＢＰ神 经 网络 初 始 化 。确 定 网络 的输 入 输 出结构 ，初始连接权值和阈值。
基于改进BP小波网络的网络流量预测研究
ｉ ｃ ｎ ｅ ｔ ｆ ｒｌ ｓ ｅｗ ｒ ｐ ｉ ｏ ｔ ｏ ｌｍ．Ｃｏ ｓｄ ｒ ｇ ｔ ａ ｒｄ ｔ ｎ ｌ ａ ｋ ｐ ｏ ａ ａｉｎ ｗａ ｅ ｅ ｅ — ｔ ｏ ｇ ｓｉｎ ｏ ｉｅｅ ｓｎ ｔ ｏ ｋ ｏ ｔ ｌｃ ｎ ｒ ｌ ｒ ｂ ｅ ｃ ｏ ｗ ｍａ ｏｐ ｎ ｉ ｅ ｎ ｈ ｔ ａ ｉ ｏ ａ ｃ ｒ ｐ ｇ ｔ ｖ ｌ ｔ ｕ ｉ ｔ ｉ ｂ ｏ ｎ ｒ ｌ ｅｗ ｒ ｓｅ ｓ ｋ ｃ ｌ ｏ ｖ ｒ ｅ ｃ ｎ ａ ｌ ｗ ｙ ｌ ａｎ ｎ ｏ ｖ ｒｅ ｔ ｅｏ ｉ ａ ｔ ｏ ｋ ｉ ａ ｙ ｔ ｔ ｅｌ ａ ｎ ｅ ｇ ｎ ｅａ ｄ ｈ ｓｓｏ ｌ ｒ ｉｇ ｃ ｎ ｅ ｇ ｎ ｌｃｔ ｎ ｏａ ｏ ｃ ｅ ｖ ｙ，ａｍｅｈ ｄ ｂ ｓ ｄ ｏ ｄ ｐ ｉｅ ｔｏ ａ ｅ ｎ ａ ａ ｔ ｖ
ｍ ｎ ｍ ａｄｔｅｌ ｇｒｅ ｏ，ａ ｐｏｅ ａｋｐｏａａｏ ａｅｅ ｎｕａ ｎｔｏｋ（Ｂ ＷＮ ｉｉ ｎ ｒｅ ｒ ｒ ｎｉ ｒｖｄｂｃ ｒ ｇｔ ｎｗ ｖｌｔ ｅ ｒｌ ｅ ｒ ＩＰ Ｎ）ａｊｓ ｅｔ ｌ ｒ－ ｍｕ ｈ ａ ｒ ｍ ｐ ｉ ｗ ｄ ｔ ｎｓｅ ｎ ｕ ｍ ａ
ｗｔ ａ ｏ ｂｃ ｒ ａａｉ ｅｒｌ ｅ ｏｋ Ｂ Ｎ ｉ ｔ ｔ ｆ ａｋｐｏ ｇｔ ｎｎｕａ ｎｔ ｒ（ Ｐ Ｎ）ｏ ｅｃｓ ｆ ｅ ｏｋｔ ｆｃｐｅ ｉｉｎＴ ｅｒｔ ａ ａａ ｓ ｈｈ ｐ ｏ ｗ ｆｎｔ ａｅｏ ｎｔ ｒ ａ ｒ ｃ ｏ． ｈ ｏ ｉ ｌ ｎｌ ｉ ｉ ｈ ｗ ｒｆ ｉ ｄｔ ｅｃ ｙ ｓ
．
Ｂａ ｋ Ｐｒ ｐａ ａ ｉ ｎ Ｗ ａ ｅ ｅ ｕｒ ｌＮｅ ｗｏ ｋ ｃ ｏ ｇ ｔｏ ｖ ｌ ｔＮｅ ａ ｔ ｒ
Ｚ Ｕ Ｙ ｅ， Ｈ Ｎ Ｑ —ｙ Ｏ ｕ Ｃ Ｅ ｉ ｕ
改进BP网络及其在预测问题中的应用研究的开题报告
改进BP网络及其在预测问题中的应用研究的开题报告题目：改进BP网络及其在预测问题中的应用研究一、研究背景和意义BP神经网络是一种无监督机器学习方法，已广泛应用于多领域，包括预测问题中。
然而，传统的BP神经网络有着训练速度慢、易过拟合、误差处理不够准确等缺陷。
因此，对BP神经网络的改进已经成为当前神经网络领域的研究热点之一。
本研究旨在进一步改进BP神经网络，提高其在预测问题中的准确性和效率，以更好地解决实际应用中的问题。
二、研究内容和方案本研究将从以下几个方面进行研究：1. 改进BP神经网络的激活函数。
传统的BP神经网络采用sigmoid函数作为激活函数，但该函数容易产生梯度消失或爆炸，降低了网络的学习效率。
因此，研究将探索其他类型的激活函数，如ReLU、LeakyReLU等。
2. 运用优化算法调节网络参数。
利用传统的梯度下降算法可能会陷入局部极小值，进而影响模型性能。
因此，本研究将探索其他优化算法，如Adam、RMSprop等，以提高网络的收敛速度和准确性。
3. 针对BP神经网络易发生的过拟合问题，通过增加dropout层，来减少神经网络中神经元节点之间的依赖性限制，从而提高模型的泛化能力。
4. 将改进后的BP神经网络应用于预测问题的实际案例中，包括时间序列预测、股票价格预测等。
三、预期研究结果1. 通过改进激活函数、优化算法、增加dropout层等手段，可提升BP神经网络在预测问题中的准确性和效率。
2. 根据实际预测案例来验证改进后的BP神经网络的应用效果。
3. 提出一种更加通用、可行的BP神经网络改进方法，为预测问题的求解提供更多选择。
四、研究进度安排1. 文献综述：1周；2. 模型改进和优化算法研究：2周；3. dropout层的实现和效果验证：1周；4. 应用案例数据分析和处理：2周；5. BP神经网络在实际案例中的应用效果验证：3周；6. 论文撰写：2周。
五、研究参考文献1. Rumelhart, D. E., Hinton, G. E., & Williams, R. J. (1986). Learning representations by back-propagating errors. Nature, 323(6088), 533–536.2. Ma, X., Liu, J., & Wang, C. (2019). A Novel BP Neural Network with Improved Sigmoid Activation for Solar Radiation Prediction. International Journal of Photoenergy, 2019.3. Kingma, D., & Ba, J. (2014). Adam: A method for stochastic optimization. arXiv preprint arXiv:1412.6980.4. Li, J., & Yu, H. (2017). A Review on Optimizing Deep Learning: Approaches and Challenges. IEEE Access, 5, 2429-2452.5. Banafsheh, M., & Hamedi, M. (2020). Improving Deep Learning Performance by Introducing Delayed Updating in Weighted Adam. IEEE Access, 8, 88591-88602.。
基于L-M算法改进BP网络的信息对抗能力评估
难 以解决 的复 杂的 不确定 问题 ， Ｐ神经 网络 最能 体 Ｂ
Ｌ Ｍ 算 法 改进 Ｂ — Ｐ网络 学 习算 法 由正 向传 播 和
反 向传 播组 成 。 向传 播 时输 入信 号 是从输 入 层 、 正 隐
现人 工 神经 网络 的精华 ， 用最 为广泛 。标 准 的 Ｂ 应 Ｐ 网络算法 是一 种基 于求非 线性 函数无 约束极 值 时的
优化 算法 一最 速下 降迭代 法 ， 它收敛 速度慢 ， 在学 习 过 程 容易 出 现发 散振 荡 ， 且在 求 解 复杂 非 线性 函数
含 层传 向输 出层 ， 若输 出层得 到 了期 望 的输 出 ， 学 则 习算 法 结束 ； 则 ， 至 反 向传 播 ， 否 转 网络 流 程 图 如 图 ２ 示 。下 面对学 习算 法进 行 简要 说 明 。 所
中 圈分 类号 ： Ｎ９ Ｔ ７ 文献标识码 ｔ Ａ
Ｅｖ ｌ ａ ｉ ｎ ｏ ｎｆ ｒ ａ ｉ ｎ Ｏｐｅ ａ ｉ ｎ ｍ ｐ ｏ ｅ ａ ｕ ｔｏ ｆ Ｉ ｏ ｍ ｔ ｏ ｒ ｔｏ ｓ Ｉ ｒ ｖ ｄ ＢＰ ｅ ｗｏ ｋｓ Ｎ ｔ ｒ Ｂａ ｅ ｎ Ｌ－ ｌ ｏ ｉ ｈ ｓ ｄ ｏ Ｍ Ａ ｇ ｒｔ ｍ
ＶｏＩ ３ ＮＯ． ． ７。 ５
Ｍａ ２ １ ｙ， ０ ２
火 力 与 指 挥 控 制
Ｆ ｒ ｏ ｔｏ ＆ Ｃ ｍｍａ ｄ Ｃ ｎ ｒ ｌ ｉ Ｃ ｎｒｌ ｅ ｏ ｎ ｏ ｔｏ
一种基于遗传算法-BP神经网络快速预测复合介质微波电磁性能的方法
(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号 (43)申请公布日 (21)申请号 202110018119.1(22)申请日 2021.01.07(71)申请人 哈尔滨工业大学地址 150001 黑龙江省哈尔滨市南岗区西大直街92号(72)发明人 姜建堂 李枘 宫元勋 甄良 邵文柱 (74)专利代理机构 哈尔滨市阳光惠远知识产权代理有限公司 23211代理人 孙莉莉(51)Int.Cl.G16C 20/30(2019.01)G06N 3/12(2006.01)G06N 3/08(2006.01)(54)发明名称一种基于遗传算法-BP神经网络快速预测复合介质微波电磁性能的方法(57)摘要本发明提出一种基于遗传算法‑BP神经网络快速预测复合介质微波电磁性能的方法，所述方法包括步骤一、样品基础参数的获取；步骤二、遗传算法‑BP神经网络模型体系构建；所述体系构建包括BP神经网络的设计和遗传算法‑BP神经网络的设计；步骤三、遗传算法‑BP神经网络的训练；步骤四、基于遗传算法‑BP神经网络的性能预测：载入原始数据形成涵盖任意填充率的电磁性能预测，并自动输出。
本发明中通过遗传算法的引入大幅度提高了预测的精度、避免了传统BP神经网络局部优化和过拟合问题，大大提高了预测效率、降低了预测偏差所带来的技术风险，对比与传统BP预测方法有显著优势。
权利要求书2页 说明书9页 附图14页CN 112687351 A 2021.04.20C N 112687351A1.一种基于遗传算法‑BP神经网络快速预测复合介质微波电磁性能的方法，其特征在于：所述电磁性能的预测包含两种情况：(1)单一吸收剂：吸收剂既定、填充率任意的系列材料；(2)多元混合吸收剂：含有既定的多种吸收剂，各吸收剂的相对含量，即填充率，任意的系列材料；所述方法包括以下步骤：步骤一、样品基础参数的获取；对于单一吸收剂的材料而言，选定的填充率应该涵盖低、中、高三个典型区间，考虑到粉末填充的实际情况，从而在5‑10vol.％、20‑25vol.％、40‑50vol.％三个范围内各取一值作为低、中、高含量的典型代表；对于多元混合吸收剂的材料而言，首先保证各吸收剂总体填充率之和符合前述低、中、高填充率各有取值的要求；其次，在总体填充率既定的基础上，各吸收剂的相对含量也应该涵盖低、中、高的选择；步骤二、遗传算法‑BP神经网络模型体系构建；所述体系构建包括BP神经网络的设计和遗传算法‑BP神经网络的设计；步骤三、遗传算法‑BP神经网络的训练；步骤四、基于遗传算法‑BP神经网络的性能预测：载入原始数据形成涵盖任意填充率的电磁性能预测，并自动输出。
改进BP神经网络预测Ni
2017年第36卷第7期 CHEMICAL INDUSTRY AND ENGINEERING PROGRESS·2393·化 工 进展改进BP 神经网络预测Ni/Al 2O 3催化CH 4-CO 2重整反应付柯，谢良才，闫雨瑗，李波，贺改，徐龙，马晓迅（陕北能源先进化工利用技术教育部工程研究中心，陕西省洁净煤转化工程技术研究中心，西安市能源高效清洁化工利用工程实验室，西北大学化工学院，陕西 西安 710069）摘要：CH 4-CO 2重整制合成气的反应可以实现CO 2的减排和C 1资源的高效利用。
这一反应受反应温度、原料气比例、催化剂种类等诸多因素影响，如果考察每种因素影响，势必大大增加实验的工作量。
人工神经网络以其超强容错性、并行处理、可学习和自适应等优点，在非线性预测方面具有明显的优势。
本文基于Ni/Al 2O 3催化CH 4-CO 2重整反应过程，采用改进的BP 神经网络建立了关于CH 4转化率、CO 2转化率和H 2/CO 比的预测模型，结果表明，采用改进BP 神经网络在此研究中具有更快的收敛速度和更好的网络稳定性，其收敛次数仅为BP 神经网络的58.86%；改进BP 神经网络模型的敏感度分析表明，输入因素对反应结果影响的顺序为：反应温度>Ni 负载量>平均孔径≈比表面积≈孔体积。
关键词：CH 4-CO 2催化重整；BP 神经网络；模拟；优化；预测中图分类号：TE646 文献标志码：A 文章编号：1000–6613（2017）07–2393–07 DOI ：10.16085/j.issn.1000-6613.2016-2126Predicting model of CH 4-CO 2 reforming on Ni/Al 2O 3 catalyst by improvedback propagation （BP ）neural networkFU Ke ，XIE Liangcai ，YAN Yuyuan ，LI Bo ，HE Gai ，XU Long ，MA Xiaoxun（Chemical Engineering Research Center of the Ministry of Education for Advanced Use Technology of Shanbei Energy ，Shaanxi Research Center of Engineering Technology for Clean Coal Conversion ，Xi’an Engineering Laboratory for Energy Efficient and Clean Chemical Utilization ，College of Chemical Engineering ，Northwest University ，Xi’an710069，Shaanxi ，China ）Abstract ：CH 4-CO 2 reforming reaction can produce synthesis gas ，which is an ideal way both for the reduction of CO 2 emission and the efficient utilization of C 1 resources. This reaction is affected by many factors ，such as reaction temperature ，ratio of raw material gas ，catalyst type and so on. If each of factors were investigated ，it would greatly increase the workload of the experiment. Artificial neural network （ANN ） has obvious advantages in nonlinear prediction because of its superior fault tolerance ，parallel processing and adaptive learning. The prediction model about CH 4-CO 2 reforming reaction catalyzed by Ni/Al 2O 3 was built based on artificial neural network. This model was trained by back propagation (BP) algorithm and improved BP algorithm ，respectively. It was found that the improved BP model was much better than the BP model in view of the stability and convergence speed. Compared with the BP algorithm ，the improved BP algorithm reduced the number of convergence times greatly ，which was only 58.86% of that in BP model. By sensitivity analysis of the models ，it第一作者：付柯（1991—），男，硕士研究生，研究方向为甲烷重整。
一种改进BP网络用于电磁兼容预测
第9卷 第19期 2009年10月167121819(2009)1925672204 科 学 技 术 与 工 程Science Technol ogy and Engineering Vol 19 No 119 Oct .2009Ζ 2009 Sci 1Tech 1Engng 1一种改进BP 网络用于电磁兼容预测陈书文 张煜东1 张 斌2 王水花1(江苏省辐射环境保护咨询中心,南京210096;东南大学信息科学与工程学院1,南京210096;江苏省辐射监测站2,南京210096)摘 要 为了更好地对电磁兼容进行预测,提出采用人工神经网络的方法。
为了改善BP 神经网络的性能,提出如下两步改进:采用剪枝法计算最佳隐层神经元数目,同时采用共轭梯度2L M 算法计算网络权值。
以平行线间电磁耦合干扰为具体算例,证明本文算法的预测结果的均方误差仅有10-11数量级。
说明,本文算法有效。
关键词 电磁兼容 预测 神经网络中图法分类号 T N91117; 文献标志码 A2009年6月16日收到国家自然科学基金(60872075)资助第一作者简介:陈书文(1983—),男,硕士,江苏省辐射环境保护咨询中心工程师。
研究方向:计算电磁学、天线理论与技术、电磁兼容。
E 2mail:chenshuwen@ 。
电磁兼容(E MC )[1]是从“电磁干扰”发展起来的,研究可上溯到19世纪。
到20世纪20年代,各工业国家都日益重视电磁干扰的研究。
20世纪40年代为了解决飞机通信系统受到电磁干扰的问题,开始较为系统地研究E MC 技术。
美国自1945年开始,颁布了一系列E MC 的军用标准和设计规范,并不断加以充实完善,使得E MC 进入新的阶段[2]。
近年来信息高速公路和高速计算机技术成为人类社会生产和生活水平的主导技术,同时也由于航空工业、航天工业、造船工业以及其他国防工业的需要,使得E MC 获得空前的发展。
目前,国内外对E MC 理论进行了深入研究,建立了各种分析预测模型,如:源模型[3]、敏感期模型、耦合模型以及系统间/内分析模型[4]等。
基于改进BP算法的软件缺陷预测模型研究
（School of Information Engineering，Changchun University of Science and Technology，Changchun 130600，China）
Abstract：Since the cost of traditional software testing is high，and the test process relies on the set of software use case，a
难以避免的问题，如何通过机器快速、准确地进行软件缺
时 BP 神经网络处于当前最优解的情况，也就是 BP 神经
陷预测也就成为研究的一个热点[2]。所以，如何建立合理
的软件缺陷预测模型成为近年来的研究重点。本文以通
过一系列的实验，研究验证了将 BP 算法运用于软件缺
陷 预 测 模 型 的 可 行 性 ，分 析 其 存 在 的 缺 陷 ，提 出 基 于
利用多线程、数据分组的方式加快 BP 算法效果。软件
JCUDA 算 法 对 软 件 缺 陷 预 测 的 运 行 时 间 进 行 优 化 、模
拟 。 CPU 承 担 误 差 求 解 与 验 证 的 任 务 ，同 时 实 现 GPU
运行监测的工作。
基于 JCUDA_BP 算法对软件缺陷信息学习的学习
过程如下：
经网络进行进一步的修正以获得新的求解结果。多次反
工程人员的重视。伴随着 IT 行业人工成本的不断上涨，
复，直至前向神经网络计算的误差值能够被用户接受，这
速、优质地进行软件测试或发现软件缺陷已经成为一个
网络完成了反馈操作。该算法流程图如图 1 所示。
软 件 测 试 的 成 本 更 是 水 涨 船 高 [1]。 因 此 ，如 何 便 捷 、快
一种用于预测的BP算法的改进
一种用于预测的BP 算法的改进旷昀[摘 要] 数据挖掘技术能从海量数据中找出有价值的信息，神经网络中的BP 算法虽然有较广泛的应用，但存在容易陷入局部极小点及网络的瘫痪等问题。
而Cauchy 训练的最大长处是，它有可能使网络逃离局部极小点。
用通过结合Cauchy 训练来改进BP 算法，在收敛速度，局部极小点、网络瘫痪等问题上有所改善。
[关 键 词] 数据挖掘；BP 算法；Cauchy 训练[作者简介] 旷昀，女，柳州运输职业技术学院信息工程系讲师。
广西柳州，545007一、数据挖掘数据挖掘是从大型数据库或数据仓库中发现并提取隐藏在其中的信息的一种新技术，目的是帮助决策者寻找数据间潜在的关联，发现被忽略的要素[1]。
数据挖掘技术涉及数据库、人工智能、机器学习和统计分析等多种技术。
数据挖掘技术能从大型数据库或数据仓库中自动分析数据，进行归纳性推理，从中发掘出潜在的模式；或者产生联想，建立新的业务模型，帮助决策者调整策略，做出正确的决策。
数据挖掘技术中的常用算法有： 人工神经网络、 遗传算法、决策树、公式发现、统计分析方法等。
这些方法各有千秋，总的来说，应该根据不同的问题环境和应用层面来选择合适的方法，并且灵活应用来解决数据挖掘中遇到的难题，BP 算法是一种适用于预测的神经网络算法。
二、BP 算法BP 算法是一种数据挖掘的方法。
BP 网络的神经元同一般的人工神经网络一样，但BP 算法要求使用的激活函数必须是处处可导的。
一般多数设计者都使用S 形函数。
实际上，也可以用其他函数作为BP 神经网络的激活函数，只要该函数是处处可导的。
BP 网络是非循环多级网络，但是实验表明，增加隐藏层的层数和隐藏层的神经元的个数不一定能够提高网络的精度和表达能力，在大多数情况下，BP 网络一般都选用二级网络[2]。
（一）BP 算法的训练过程人工神经网络的训练过程是根据样本集对神经元之间的联接权进行调整的过BP 网络也不例外，而且BP 网络执行的是有导师训练。
用于电磁兼容预测的函数链神经网络
用于电磁兼容预测的函数链神经网络沈文;邓辉;吕少影【摘要】为了解决传统BP神经网络的电磁兼容性预测方法存在易于局部收敛的问题,提出了一种基于模糊测度的函数链神经网络.该网络通过函数链将初始权重扩展到更高维度上,在实现传统BP网络多层感知的功能同时,计算过程仅为单层运算,因以收敛速度比多层的BP神经网络更快,解决了网络在解决非线性问题时,收敛于局部最小的问题.实验结果表明,提出的基于模糊测度的函数链神经网络在预测电磁兼容性方面更加精确.%Traditional prediction methods for electromagnetic compatibility of BP neural networks suffer from the local convergence. Therefore, a fuzzy measure based functional link neural network is proposed in this paper. This network extend the initial weight to a higher dimension. While achieving the multi-layer perception function of traditional BP network, the compute process is a single layer operation only. The proposed network can get faster convergence rate and avoid the convergence to a local minimum. The experiment result shows that the functional link neural network based on fuzzy measure can predict the electromagnetic compatibility more accurately.【期刊名称】《现代电子技术》【年(卷),期】2012(035)022【总页数】3页(P177-179)【关键词】模糊测度;函数链神经网络;局部收敛;电磁兼容预测【作者】沈文;邓辉;吕少影【作者单位】中国电力科学研究院,江苏南京 211106;中国电力科学研究院,江苏南京 211106;国网电力科学研究院,江苏南京 211106【正文语种】中文【中图分类】TN911-340 引言随着高速电路板上器件的工作频率及封装密度不断提高，电路中的工作电压持续下降，这样就导致电路对电磁噪声的容忍度越来越低，电磁兼容性就成为影响高速电路性能的重要问题。
一种改进BP网络用于电磁兼容预测
一种改进BP网络用于电磁兼容预测
陈书文;张煜东;张斌;王水花
【期刊名称】《科学技术与工程》
【年(卷),期】2009(009)019
【摘要】为了更好地对电磁兼容进行预测,提出采用人工神经网络的方法.为了改善BP神经网络的性能,提出如下两步改进:采用剪枝法计算最佳隐层神经元数目,同时采用共轭梯度-LM算法计算网络权值.以平行线间电磁耦合干扰为具体算例,证明本文算法的预测结果的均方误差仅有10-11数量级.说明,本文算法有效.
【总页数】4页(P5672-5675)
【作者】陈书文;张煜东;张斌;王水花
【作者单位】江苏省辐射环境保护咨询中心,南京,210096;东南大学信息科学与工程学院,南京,210096;江苏省辐射监测站,南京,210096;东南大学信息科学与工程学院,南京,210096
【正文语种】中文
【中图分类】TN911.7
【相关文献】
1.一种用于车牌定位的改进BP神经网络方法 [J], 赵涛;杨晓莉;王绪本;张娜
2.BP神经网络用于藻类生长预测的改进 [J], 杨吟冬;周永权;刘永彬
3.一种用于地应力分析的改进型BP神经网络方法 [J], 陈志敏;赵德安
4.用于故障预测的BP网络模型及改进 [J], 李勇;孙艳萍
5.基于改进BP人工神经网络用于电渗析脱盐的预测 [J], 李东方;张维宁;李俊杰
因版权原因，仅展示原文概要，查看原文内容请购买。
一种基于遗传算法的BP网络改进方法
一种基于遗传算法的BP网络改进方法
蒋蓉蓉
【期刊名称】《微计算机信息》
【年(卷),期】2007(023)031
【摘要】为克服和改进传统的BP算法的不足,发挥神经网络和遗传算法各自的优势,提出一种新的基于遗传算法的改进的BP网络训练方法.在美国手写体数字标准数据集MNIST库的实验结果表明,该方法提高了识别率,增加了网络的泛化能力,并且极大地节省了存储空间,缩短了学习时间.
【总页数】3页(P234-236)
【作者】蒋蓉蓉
【作者单位】100083,北京,北京科技大学信息工程学院计算机系
【正文语种】中文
【中图分类】TP391.43
【相关文献】
1.一种基于遗传算法优化BP神经网络的陶瓷原料分类方法 [J], 杨怡涵;柳炳祥
2.基于BP神经网络股价预测的一种改进方法 [J], 张吉刚
3.一种基于遗传算法优化BP神经网络的电网故障诊断方法 [J], 章熙; 郭翔; 余云昊; 陈佳捷; 王金贺; 彭伯庄
4.一种基于自适应遗传算法优化BP神经网络的漏磁缺陷量化框架 [J], 刘思娇;郑莉;焦晓亮;呼婧
5.一种基于BP神经网络的建筑防火检测改进方法 [J], 赵凯;陈雪峰
因版权原因，仅展示原文概要，查看原文内容请购买。
基于改进BP神经网络理论的算法研究
基于改进BP神经网络理论的算法研究李桃迎;陈燕【期刊名称】《科学技术与工程》【年(卷),期】2006(006)014【摘要】Methods of improving the standard BP network are researched in the dissertation, and especially methods of quickening the convergence speed of standard BP network are researched.Aiming at the slow convergence speed of standard BP network,three methods are used respectively to modify the learning rate of network. Models improved by the methods are established, and then applied in practice. Compared with standard BP network, all of improved models have advantages faster convergence speed and higher efficiency.%研究了改进标准BP神经网络的方法,特别是研究加快标准BP神经网络收敛速度的方法.针对标准BP神经网络的收敛速度慢,分别采用3种方法修改网络的学习速率,然后建立了相应的改进BP网络模型,并把模型应用到实际生活中.和标准BP网络相比,提出的3种改进模型都具有收敛速度快、精度高的优点.【总页数】4页(P2061-2064)【作者】李桃迎;陈燕【作者单位】大连海事大学经济与管理学院,大连,116026;大连海事大学经济与管理学院,大连,116026【正文语种】中文【中图分类】TP273.22【相关文献】1.基于改进BP神经网络的夜间车牌识别算法研究 [J], 张培玲;毕东生;资丽2.一种基于改进BP神经网络的重载列车驾驶曲线算法研究 [J], 谭力天;黄友能;李玲玉3.基于粗糙集的改进BP神经网络算法研究 [J], 张利;吴华玉;卢秀颖4.基于改进BP神经网络的个性化推荐算法研究 [J], 罗频捷;温荷5.基于改进BP神经网络的井下无线定位算法研究 [J], 莫树培;徐广允因版权原因，仅展示原文概要，查看原文内容请购买。
改进BP算法在入侵检测系统中的应用
改进BP算法在入侵检测系统中的应用
许朋飞;沈磊
【期刊名称】《计算机工程》
【年(卷),期】2008(034)006
【摘要】提出一种改进的BP算法,该算法中学习速率α不是凭经验给出的固定值,而是在学习过程中计算出的最优值αk.实验结果表明,与传统的BP算法相比,该算法可以减少学习时间,提高学习速度和网络入侵检测系统(NIDS)的检测率,可以解决当前NIDS普遍存在的虚警率过高问题.
【总页数】2页(P151-152)
【作者】许朋飞;沈磊
【作者单位】山东大学计算机学院,济南,250061;山东大学计算机学院,济
南,250061
【正文语种】中文
【中图分类】TP393.08
【相关文献】
1.基于蚁群改进BP算法的组合预测模型在军械器材需求预测中的应用 [J],
2.应用主元分析方法改进BP算法及其在故障诊断中的应用 [J], 张捷;李伯全
3.改进BP算法在微悬臂梁力学特性研究中的应用 [J], 薛海棠;白艳萍
4.改进BP算法在热流传感器温度补偿中的应用 [J], 康国炼;杨遂军;叶树亮
5.改进BP算法在混合气体定量检测中的应用 [J], 赵彦如;黄晓杰;邵启鹏
因版权原因，仅展示原文概要，查看原文内容请购买。
BP网络的改进研究
BP网络的改进研究
远祯;罗波
【期刊名称】《信息技术》
【年(卷),期】2006(30)2
【摘要】针对标准BP神经网络收敛速度慢,学习精度不高的缺点,在标准BP神经网络算法中附加动量项,并以附加动量项的BP网络算法为基础,提出动量-自适应速率法,动量-可调激活函数法以及动量-自适应速率-激活函数法四种改进算法.以太阳黑子预测为实例分析四种改进算法在BP神经网络迭代次数减少,精度提高两方面的实际效果.事实证明,动量-可调激活函数算法对BP网络结构优化,提高收敛速度有明显效果.
【总页数】4页(P88-91)
【作者】远祯;罗波
【作者单位】武汉工业学院,武汉,430023;武汉工业学院,武汉,430023
【正文语种】中文
【中图分类】TP183
【相关文献】
1.基于改进贝叶斯正则化BP神经网络模型的网络安全态势预测方法研究 [J], 李晓阳
2.基于改进BP小波网络的网络流量预测研究 [J], 邹月;陈启愉
3.基于改进BP神经网络的网络故障诊断研究 [J], 杨金宝;张昌宏;陈平
4.基于改进BP神经网络的网络入侵检测研究 [J], 曾文献;张淑青;孟庆林;李子坤
5.改进BP神经网络算法对煤矿水源的分类研究 [J], 闫鹏程;尚松行;张超银;张孝飞因版权原因，仅展示原文概要，查看原文内容请购买。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
第9卷 第19期 2009年10月167121819(2009)1925672204 科 学 技 术 与 工 程Science Technol ogy and Engineering Vol 19 No 119 Oct .2009Ζ 2009 Sci 1Tech 1Engng 1一种改进BP 网络用于电磁兼容预测陈书文 张煜东1 张 斌2 王水花1(江苏省辐射环境保护咨询中心,南京210096;东南大学信息科学与工程学院1,南京210096;江苏省辐射监测站2,南京210096)摘 要 为了更好地对电磁兼容进行预测,提出采用人工神经网络的方法。
为了改善BP 神经网络的性能,提出如下两步改进:采用剪枝法计算最佳隐层神经元数目,同时采用共轭梯度2L M 算法计算网络权值。
以平行线间电磁耦合干扰为具体算例,证明本文算法的预测结果的均方误差仅有10-11数量级。
说明,本文算法有效。
关键词 电磁兼容 预测 神经网络中图法分类号 T N91117; 文献标志码 A2009年6月16日收到国家自然科学基金(60872075)资助第一作者简介:陈书文(1983—),男,硕士,江苏省辐射环境保护咨询中心工程师。
研究方向:计算电磁学、天线理论与技术、电磁兼容。
E 2mail:chenshuwen@ 。
电磁兼容(E MC )[1]是从“电磁干扰”发展起来的,研究可上溯到19世纪。
到20世纪20年代,各工业国家都日益重视电磁干扰的研究。
20世纪40年代为了解决飞机通信系统受到电磁干扰的问题,开始较为系统地研究E MC 技术。
美国自1945年开始,颁布了一系列E MC 的军用标准和设计规范,并不断加以充实完善,使得E MC 进入新的阶段[2]。
近年来信息高速公路和高速计算机技术成为人类社会生产和生活水平的主导技术,同时也由于航空工业、航天工业、造船工业以及其他国防工业的需要,使得E MC 获得空前的发展。
目前,国内外对E MC 理论进行了深入研究,建立了各种分析预测模型,如:源模型[3]、敏感期模型、耦合模型以及系统间/内分析模型[4]等。
并提出了许多求解模型的数值方法,如:矩量法、有限元法[5]、时域有限差分法[6]等。
但是,目前E MC 预测面临3个缺陷[7]:1)至今尚未提出一种适用于普遍E MC 预测的数学模型;2)大多数预测模型只是在理想条件下的一种近似;3)复杂系统的预测模型求解十分复杂。
因此,求解得到的结果存在较大的误差。
考虑到神经网络(NN )是一门新兴的学科,它不涉及到原有问题的复杂模型[8],而实现输入输出数据对的映射[9]。
因此,现尝试采用BP 神经网络(BP NN )来预测E MC 问题。
考虑到BP 容易收敛到局部最优点,提出一种改进的训练方法如下:一方面采用剪枝法确定隐层神经元数目;另一方面提出一种共轭梯度-LM 算法来快速求得网络权值,实验证实了该方法的有效性。
1 E M C 预测模型假设P T 表示干扰源输出的干扰功率,L P 表示干扰信号的传输损耗,P I 表示干扰源在敏感设备上产生的有效干扰功率,则E MC 的数学模型可以表示为:P I =P T -L P(1)可将干扰源P T 与传输损耗L P 作为NN 的输入,将干扰结果P I 作为网络的输出,利用已知的实际测量结果作为训练样本,从而实现“干扰环境”到“干扰响应”的映射。
1.1 具体算例由于导线既是高效的电磁干扰接受天线,又是高效的电磁干扰辐射天线,因此它是妨碍E MC 的主要原因[10],吸引了大量学者的研究。
为了验证本文算法,以经典的“双平行导线串扰”问题为例,如图1所示。
图1 双平行导线串扰问题图1中导线A 与B 距离为d,半径分别为r A 、r B ,长度分别为L A 、L B ,距离金属平板的高度分别为h A 、h B ,两端的接地电阻分别为Z A 1,Z A 2,Z B 1,Z B 2。
导线A 作为干扰源,干扰电压为V S ,预测导线B 上的最大干扰电压。
为了简化起见,取L A =L B =L,r A =r B =r,h A =h B =h,Z A 1=Z A 2=Z B 1=Z B 2=50Ω。
此时输入变量降为一个6维向量。
1.2 获取数据用多样本传输线方法计算获得共地平行导线间电磁耦合干扰的原始数据36组,结果示于表1。
2 改进BPNN由于问题属于“函数逼近”问题,因此可采用简单的双层BP 网络求解[11]。
记网络的输入神经元个数为m =6,隐层神经元个数为n ,输出层神经元个数为q =1,则网络结构可如图2所示。
图2 E MC 预测的BP 模型表1 36组共地平行线间电磁耦合干扰数据[7]序号LrhdV SfV1500.1221200.04032500.1231200.02553500.12 3.51200.02084500.12 4.51200.01465150.1221200.01446450.1221200.03757600.1221200.04508900.1221200.05289500.10.521200.005710500.1 2.521200.048911500.1 3.521200.062212500.1 5.521200.079613500.05221200.038014500.25221200.041415500.35221200.042316500.55221200.044217500.122 1.1200.044318500.122 1.3200.052419500.122 1.4200.056420500.122 1.6200.064521900.122130.013022900.122190.034723900.1221120.042324900.1221180.051225500.12 2.51200.031726500.1241200.017327300.1221200.027328750.1221200.049929500.1 1.521200.030030500.1 4.521200.072031500.15221200.040732500.45221200.043233500.122 1.2200.048434500.122 1.5200.060535900.122160.024936900.1221150.0477376519期陈书文,等:一种改进BP 网络用于电磁兼容预测2.1 确定隐层数目如何确定隐层数目n ,目前没有一个详细定论。
实际操作中,均采用经验公式来计算。
然而,经验公式得到的结果与理想隐层数目存在不小的偏差[12]。
因此,采用剪枝法(Pruning )来计算网络的最佳隐层节点。
算法流程如图3所示。
图3 剪枝法流程图2.2 权值训练为了兼顾网络权值收敛的快速性与精确性,提出一种CG -L M 算法如下:共轭梯度(CG )方法能够保证网络收敛到全局最优,然而收敛速度不够快。
Levenberg 2Marquardt (L M )方法虽然收敛速度快,但是容易陷入局部最优[13]。
将两者结合起来,首先采用L M 算法更新权值,在10代之后,转而采用CG 算法更新,总的迭代次数限制在20代。
实验发现,该算法效果很好。
3 实验实验采用Matlab2009a,在主频为3GHz 内存2G 的I B M P4机上运行。
3.1 数据预处理由于原始数据不同维数之间的取值范围相差较大,例如L 取值范围较大,r 取值范围较小,因此规定预先将其统一映射到区间[-1,1]中,然后送入神经网络训练[14]。
输出的结果再实施一个反变换,映射到原来的区间。
3.2 最佳隐层神经元数设置n 的初始值为30,图4显示了采用剪枝法得到的MSE 与隐层节点关系图。
显然,最佳隐层数目为22,对应的MSE 为1.424×10-11。
图4 M SE 与隐层节点n 的关系3.3 网络权值的收敛将隐层神经元数目设为22,采用本文算法训练网络权值,得到结果如图5所示。
可见,本文提出的CG 2L M 算法收敛非常快,只需20代已经近似收敛到0。
图5 网络权值的收敛过程3.4 回归分析将36个数据重新送入网络,计算网络输出,然后对实际输出值与期望输出值进行回归分析,结果示于图6。
理想情况下,网络的输出值应等于期望输出值,此时回归线是一条“y =x ”的直线。
从图6可见,本文预测模型的回归线与y =x 几乎重合,这也说明了神经网络拟合非常好。
4 结论提出一种改进的BP NN ,并将之应用与E MC 预测。
以共地平行线间电磁耦合干扰为具体算例,证实了本文模型的预测能力。
未来进一步的研究方向在于,如何将其推广到更广泛的E MC 模型中去。
4765科 学 技 术 与 工 程9卷图6 回归分析参 考 文 献1 Leman S,De moulin B,Maurice O ,et al .U se of the circuit app r oacht o s olve large E MC p r oble m s .Comp tes Rendus Physique,2009;10(1):70—822 Awan F G,Sheikh N M.Model for radiati on e m issi on E MC measure 2ment at OATS:issues and app r oaches .Measurement,2009;42(7):1045—10523 S m irnov A P,Kor olev D N.The s pecial features of certifying opentest sites f or tests on technical equi pment f or electr omagnetic compati 2bility .Measure ment Techniques,2006;49:706—7104 Gerasi m ov A I,Gorkunov V S,Skri pka G M.Pr ovisi on of electr o 2magnetic compatibility during creati on of electr ophysical facilities .I n 2struments and Experi m ental Techniques,2005;16(11):539—5485 Ducha mp G,Castagnet D,Meresse A.Near 2field E MC study t o i m 2p r ove electr onic component reliability .M icr oelectr onics Reliability,2007;47(9):1668—16726 李 旭,俞集辉,李永明,等.电磁场对导线贯通屏蔽箱体内电路的干扰的建模及仿真.系统仿真学报,2007;19(17):3891—38937 李永明,祝言菊,李 旭,等.电磁兼容的人工神经网络预测技术分析.重庆大学学报,2008;31(11):1313—13228 Zhang Y D,W u L N.Pattern recogniti on method via PCNN and Tsal 2lis entr opy .Sens ors,2008;8(11):7518—75299 Zhang Y D,W u L N.I m p r oved i m age filter based on SPCNN.Sci 2ence in China E editi on:I nf or mati on Science,2008;51(12):2115—212510 Zedda m A,Avril G,Tlich M.Electr omagnetic envir onment and tel 2ecommunicati ons:t owards a cognitive electr omagnetic compatibility .Comp tes Rendus Physique,2009;10(1):4—1211 张煜东,吴乐南.基于二维Tsallis 熵的改进PCNN 图像分割.东南大学学报:(自然科学版),2008;38(4):579—58412 张煜东,吴乐南,吴含前.工程优化问题中神经网络与进化算法的比较.计算机工程与应用,2009;45(3):1—613 Zhang Y D,W u L N.W eights op ti m izati on of neural net w ork viai m p r oved BCO app r oach .P I ER,2008;83:185—19814 张煜东,吴乐南,韦 耿.智能算法求解TSP 问题的比较.计算机工程与应用,2009;45(11):11—15An I m proved BP Neura l Network Used for Pred i cti on of E M CCHE N Shu 2wen,ZHANG Yu 2dong 1,ZHANG B in 2,WANG Shui 2hua1(Radiati on Envir onmental Pr otecti on Consultati on Center of Jiangsu Pr ovince,Nanjing 210096,P 1R 1China;School of I nfor mati on Science &Engineering 1,Southeast University,Nanjing 210096,P 1R 1ChinaRadiai on M init oriang Stati on of J iangsu Pr ovince 2,Nanjing 210096,P 1R 1China;)[Abstract] I n order t o p redict the electr omagnetic compatibility more effectively,an i m p r oved method based on artificial neural net w ork was p r oposed .T wo i m p r ove ments were advanced for the goal of i m p r oving the perfor mance of neural net w ork:on one hand the p runing method was used t o get the op ti m al nu mber of neur ons in hidden layer,on the other hand a novel training method based on the combinati on of conjugate gradient and Levenberg 2Marquardt was p resented t o calculate the weights of neural net w orks .The s pecific exa mp le on electr omagnetic coup ling inter 2ference bet w een t w o parallel wires de monstrates the median square err or of the p redicti on is more or less only 10-11order of magnitude .Thus,this p r oposed algorithm is effective .[Key words] electr o magnetic compatibility p redicti on neural net w ork576519期陈书文,等:一种改进BP 网络用于电磁兼容预测 。