星系的红移在天文研究中极其重要, 星系测光红移的预测对研究宇宙大尺度结构及演变有着重要的研究意义。 利用斯隆巡天项目发布的SDSS DR13的150 000个星系的测光及光谱数据进行分析, 首先根据颜色特征并基于聚类的方法对星系进行分类, 由分类结果可知早型星系的占比较大。 对比了三种不同的机器学习算法对早型星系进行测光红移回归预测实验, 并找出最优的方法。 实验中将星系样本中u, g, r, i, z五个波段的测光值以及两两做差得到的10个颜色特征作为输入数据, 首先构建BP网络, 使用BP算法对星系的测光红移进行回归预测; 然后利用遗传算法（GA）优化BP网络各层参数, 将优化后的GA-BP算法应用于早型星系的回归预测试验中。 考虑到GA算法的复杂操作会影响预测效率, 并且粒子群算法（PSO）不仅稳定性高且操作简单, 因此将粒子群算法应用到星系样本中早型星系的测光红移回归预测实验中, 进而采用粒子群算法优化BP网络（PSO-BP）。 实验中将光谱红移作为期望值, 采用均方差（MSE）作为误差分析指标来评判三种算法的精度, 将PSO-BP回归预测结果与BP网络模型、 GA-BP网络模型进行比较。 由实验结果可知, BP网络的MSE值为0001 92, GA-BP网络的MSE值0001 728, PSO-BP网络的MSE值为0001 708。 实验结果表明, 所用到的PSO-BP优化模型在精度上优于BP神经网络模型和GA-BP神经网络模型, 分别提高了111%和12%; 在效率上优于传统的K近邻（KNN）测光红移估计算法, 克服了KNN算法中遍历所有数据样本进行训练的缺点并且其泛化性能优于其它BP网络优化模型。

为了实现光纤位移传感器的光强补偿和减小测量误差, 提出了一种基于遗传算法(GA)优化BP神经网络的光强补偿及校正模型。首先通过对光纤位移传感器做标定实验, 获得传感器测量的原始数据, 然后采用GA-BP神经网络进行建模, 通过对遗传算法的适应度函数、编码方式和参数进行研究, 利用遗传算法的全局寻优能力对传统BP神经网络的权值、阈值进行优化, 改善了其容易陷入局部极值的问题。最后利用实测数据对GA-BP网络和传统BP网络进行训练, 实验结果表明, GA-BP网络比BP网络的预测误差小很多, 提高了补偿精度, 从而实现了光纤位移传感器的光强补偿。

由于地磁图适配区的选择是影响地磁导航定位精度的重要因素，因此提出一种基于主成分分析法（PCA）和GA-BP神经网络相结合的地磁背景场适配/非适配区自动识别和分类的方法。首先利用PCA对地磁特征参数进行分析，选择出独立的、并且包含主成分的特征参量，其次构建GA-BP神经网络模型，建立地磁特征参数和匹配性能的对应关系，从而实现适配/非适配区的划分。通过多次仿真试验，证明了采用该方法能够选择出较好的适配区域，提高地磁导航定位精度。

随着信息技术发展越来越迅速, 计算机智能化图像识别技术的发展也日益完善, 其发挥的作用也越来越重要。本文以神经网络方法为基础, 对计算机智能化图像识别技术进行了研究, 本文将遗传算法GA 与 BP 算法进行结合, 通过分析智能化图像识别原理、图像模式识别和BP 神经网络学习算法, 建立了GA-BP网络图像识别模型。采用四层神经网络, 输入节点设置为 256, 输出节点设置为5, 进行了GA-BP网络和BP 神经网络的对比实验, 结果表明, 在进行数字图像识别时, GA-BP网络正确识别率为 98.7%, BP 网络正确识别率为92.5%, GA-BP网络正确识别率比BP网络要高出6.2%, GA-BP网络克服了BP网络收敛速度慢和训练时间长的缺点。

对羟基苯甲酸甲酯钠是一种使用广泛的防腐剂, 食用过量将会危害身体健康, 因此各国对对羟基苯甲酸甲酯钠的用量有严格规定。 采用FS920荧光光谱仪分析了对羟基苯甲酸甲酯钠在水和橙汁溶液中的荧光光谱特性, 发现水溶液的荧光特征峰位于λex/λem=380/510 nm, 橙汁溶液两个荧光特征峰, 分别位于λex/λem=440/530 nm和470/530 nm, 最佳激发波长为440 nm。 从实验结果可以看出两者的特征峰发生了明显的变化。 经分析得出, 对羟基苯甲酸甲酯钠橙汁溶液与对羟基苯甲酸甲酯钠水溶液相比, 荧光特征峰发生变化是由橙汁的荧光特性干扰引起的。 为了准确测定鲜橙汁中对羟基苯甲酸甲酯钠含量, 根据对羟基苯甲酸甲酯钠橙汁溶液在激发波长λex=440 nm时的相对荧光强度和对羟基苯甲酸甲酯钠含量的关系, 基于GA-BP神经网络构建了橙汁中对羟基苯甲酸甲酯钠含量检测数学模型, 当网络训练过程中误差精度达到10-3时, 网络输出与期望的相关系数为0.996, 预测样本的平均回收率为99.52%, 平均相对标准偏差为0.86%, 预测结果较为理想。 结果证明, 当浓度范围为0.02~1.0 g·L-1时, 荧光光谱技术和GA-BP神经网络相结合的方法能够准确地测定鲜橙汁中对羟基苯甲酸甲酯钠的含量, 此方法具有新颖简便性, 同时有望应用于一般饮品中对羟基苯甲酸酯类钠盐含量的快速测定。

为了高效而准确地评价与控制车内噪声品质, 以B级车稳态工况下副驾位置的车内噪声为研究对象, 采用等级评分法对采集到的声音样本进行了主观评价试验, 同时计算了7个客观参数。以客观参量为输入, 声品质主观结果为输出, 引入基于遗传算法的BP神经网络建立了声品质预测模型。实验显示该模型输出结果与实际评分的相关系数达到0.928, 检验组的预测最大误差为±8%。以所建模型的连接权值, 分析了客观参数对主观评价结果的贡献度, 并以影响系数较大的参数为输入重新构建了预测模型。研究结果表明: 稳态工况下, 车内声品质主要受响度、粗糙度和尖锐度的影响, 其预测模型可由这3个参数来描述。