大气颗粒物源解析的BP网络权重分析模型

应用BP网络进行大气颗粒物源解析，将大气采集样本申的元素含量及其污染源成分谱构成训练样本集，用BP网络进行训练．由训练好的网络的权值分布可以计算出网络各输入节点的权重贡献率．根据输入节点的权重贡献率可以确定与其相联系的污染排放源的重要性，从而实现大气颗粒物的源解析．将BP网络权重分析法与其它源解析法应用于实例进行分析比较，结果表明：BP网络权重分析用于大气颗粒物源解析意义明确，方法简便可行。     

一种串—并行混合结构的神经网络模型

针对复杂的模式识别问题,提出了一种串—并行混合结构的多种神经网络模型,首先用ART网络对训练集中的样本进行粗分类,以减小训练集的样本规模,然后用多个BP网络对小训练集进行训练。     

一种串-并行混合结构的神经网络模型

针对复杂的模式识别问题,提出了一种串-并行混合结构的多种神经网络模型,首先用ART网络对训练集中的样本进行粗分类,以减小训练集的样本规模,然后用多个BP网络对小训练集进行训练.     

织物透湿性能测试与MATLAR应用研究

对各种织物透湿性能进行测试与分析．利用MATLAB6．5建立神经网络模型，选择最佳网络参数并对网络进行训练．通过应用实例提出了如何处理实验数据的方法，并通过建立大量的BP网络进行比较，筛选出最具应用价值的网络对透湿性能进行预测．     

开采地面沉陷预测的神经网络方法研究

应用神经网络理论,建立了开采地面沉陷预测的BP神经网络模型,采用开采地面沉陷实测数据对网络进行了训练,以此训练好的BP神经网络模型来描述开采地面沉陷与其影响因素之间的非线性映射关系,并采用测试样本对模型进行了测试,结果表明,网络的预测性能是令人满意的.     

基于BP神经网络的汽车外观设计评价方法

为了对汽车外观设计进行相对客观的评价,在分析人工神经网络原理的基础上提出了应用BP神经网络评价汽车外观设计的方法。根据BP神经网络具有自学习、自组织、自适应和非线性动态处理等优点,建立了汽车外观设计BP神经网络评价模型,选择20款汽车外观作为学习样本、8款汽车外观作为检验样本,利用MATLAB软件进行了BP网络的实例训练和验证。实验结果表明,BP神经网络模型可以较准确地对汽车外观设计进行评价。     

基于BP神经网络的空洞型采空区稳定性评价研究

通过分析空洞型采空区稳定性的影响因素,依照BP神经网络原理,构建出适合空洞型采空区稳定性评价的BP神经网络模型。再通过收集到的空洞型采空区稳定性样本对所构建的BP神经网络进行训练,得出空洞型采空区稳定性评价BP神经网络模型,并应用检测样本测试其准确性。并以陕北讨老乌素煤矿采空区为例,应用训练好的BP神经网络模型对其进行预测评价,最终得到了与实际情况吻合的结果。     

基于BP神经网络的黄河口海水入侵程度评价研究

基于BP神经网络,以Cl-、矿化度、电导率和地下水位为黄河口区域海水入侵评价指标,建立了具有8个隐含层节点、3层网络的海水入侵程度评价模型。应用海水入侵程度评价指标的各级评价标准作为模型的训练样本和检验样本,对BP神经网络进行训练和检验,并对黄河口区域的海水入侵程度进行评价。结果表明,BP神经网络对检验样本的模拟输出和期望输出一致,黄河口区域海水入侵程度比较严重。     

基于灰色理论与BP网络的负荷预测

针对用BP神经网络进行预测时权值难以确定的问题,提出了一种基于将灰色理论与BP神经网络相结合的预测算法。采用数量研究法,选取重庆市某供电局1999年到2006年的售电量作为样本,利用不同的灰色模型对样本进行预测,再选出预测的最优值对BP网络进行训练,最后用已训练好的BP网络对样本数据进行预测。经实例预测表明:灰色理论与BP网络相结合的预测精度与单一的预测模型相比有了明显的改进,该算法在理论和实践应用中都是可行的,并为电力部门的生产运行和规划提供了重要的参考。     

基于径向基函数神经网络的水轮发电机组效率曲线计算方法

提出用径向基函数(RBF)神经网络进行水轮发电机组效率曲线计算的方法，并建立了径向基函数神经网络模型，以有限水头下原型效率试验数据为样本进行训练，所得的网络可快速准确地计算任意水头下的效率特性曲线。与BP神经网络模型的对比结果表明，该方法避免了BP神经网络的局部极小及收敛速度慢等缺点，在精度、训练速度等方面优于BP神经网络。     

基于BP网络的水火弯板局部收缩量建模研究

以实船板水火加工成型的测试数据为样本，应用的ＢＰ网络，分别建立了帆型曲板的最大收缩长度、收缩面积的７参数和５参数的４个神经网络模型，介绍了网络的结构设计及其训练过程，进行了网络的误差分析；算例结果证明该模型具有实用意义。     

基于粗糙集神经网络PID的串级控制系统设计

提出一种基于粗糙集的神经网络PID控制器。该控制器利用粗糙集的数据约简方法，约简BP网络样本的冗余属性和属性值并保留重要数据得到最小样本，然后用这个最小样本训练BP网络。最后利用BP网络对动态过程中的PID控制参数进行实时在线调整。对串级过热气温控制系统的仿真结果表明，与传统的神经网络PID建模方法相比，该控制器网络训练时间少、抗扰性和鲁棒性强。     

遗传算法与神经网络在洪水预报中的应用

采用遗传学习算法对神经网络BP模型的初始权重进行优化,即先用遗传学习算法进行全局训练,再用BP算法进行精确训练,使网络收敛速度加快和避免局部极小。将该方法运用于洪水预报问题,并利用山西省文峪河水库的历史资料条件建立一个网络,以洪水预报的各种控制因素相关资料作为样本,对网络进行训练并用训练好的网络进行预报。网络的训练速度及预报结果表明,该算法收敛速度较快,预测精度很高,为洪水预报提供了一种新思路和新方法。     

基于BP算法的成绩预测模型

BP网络是一种典型的多层前向网络,由输入层、隐含层和输出层组成,通过学习样本训练模型后即可用于数据的预测,适用于实现网络教学系统的成绩预测功能。训练样本作为BP网络的学习数据集,对于BP网络模型的训练具有重要的作用。模型选取网络教学系统中能够影响学习成绩的相关因素作为输入数据,包括学生在线学习时间、学生学习能力、作业成绩和测试成绩,利用已有学生成绩作为训练BP网络的期望输出。将这些数据进行归一化处理即可用于训练BP网络模型。训练过程中,全局误差基本呈下降趋势,收敛效果较好。经过训练后的模型可预测出学生的成绩,并转化为相应的等级,对学生下一步学习进行指导,提出适合的教学策略。通过测试表明该模型可以用于教学系统中的学习成绩预测,获得了预期效果。     

基于神经网络的资源型城市可持续发展指标体系

以BP神经网络为模型，借助Matlab语言对某资源型城市的国民经济和可持续发展指标进行了分析预测，在数据采集和预处理的基础上，设计程序来对网络进行训练，用训练好的神经网络预测未来的指标数据，并利用预测数据对城市发展趋势进行分析，为资源型城市发展模式的选择提供依据．     

基于BP神经网络客运量的分析及预测

客运量分析预测是一个复杂的非线性系统，针对传统分析预测方法的不足，采用BP神经网络对客运量进行分析及预测，通过对1990—2002长江三角洲地区社会经济数据与客运量数据的处理，建立了客运量的神经网络预测分析模型，借助MATLAB7．0软件，进行网络学习与训练仿真实验，与线性回归模型分析预测结果进行对比，结果表明应用BP神经网络对客运量的分析预测精度更高、效果更好。     

化工过程动态监控中的RBF神经网络方法研究

通过分析测量数据预测过程发展趋势，进而对过程实行监控，早已成为国内外学者所关心的热点课题．根据 ＲＢＦ神经网络训练速度快的特点，提出将其用于化工过程的动态监控．第一级网络用于预测未来一时间段内的有关状态量，第二级网络根据预测结果判断是否将会发生事故．为了在有限样本条件下取得较可靠的监控效果，提出了改进ＲＢＦ神经网络插值性能的措施，并提出对第二级网络输出结果进行变换以准确确定事故可能性的方法，以上方法被用于蒸馏塔开工过程的动态监控，结果令人满意．     

基于正交实验的BP神经网络预测研究

用不同的L9(34)正交实验方案结果作为训练学习样本集，对BP神经网络预测应用过程的策略进行了探讨，结果表明：完备的正交实验样本集是基本训练学习单元，在完备的正交实验样本集上添加或减少样本数量，所预测的结果是不可靠的；在同一类型、同一实验的条件下，完备的信息量大的正交实验样本集，能以很高的精度预测完备的信息量小的正交实验样本集；提出了一条新的实验设计思路——通过实验得出一个完备的正交实验样本集，通过计算机用BP神经网络就可以把与已知样本集有相同影响因素和水平的所有样本的值以相当高的精度预测出来，从而大大节省时间和劳力。     

水电机组效率的神经网络算法

水电站优化运行要求具有连续水位和导叶开度下的效率特性曲线。对此提出用BP神经网络方法计算机组效率，并建立了BP神经网络模型，以现场效率试验数据作为样本进行训练，并用训练好的网络计算该机组的效率。网络的训练速度及计算结果表明，该算法收敛速度较快，精度高，为计算水电站任意水头及导叶开度下的机组效率提供了新思路和新方法，可用于指导水电机组的优化运行。     

基于BP神经网络的训练函数选取研究

首先介绍BP神经网络的特点,论述其在岩土工程中的实用性,以Matlab神经网络的作为工具,基于触探模型作为研究对象,对不同的训练函数进行了仿真比较,建立黄土旋转触探模型,以所采集的实验参数,进行BP神经网络的训练函数研究。结果表明采用不同的训练函数其存在明显的差异。综合考虑干密度误差,含水量误差,干密度误差（样本顺序）,含水量误差（样本顺序）以及迭代次数和性能误差等因素,选用trainlm作为训练函数,trainlm函数由于其训练速度较快且计算精度较高而显现出一定的优势。最后采用不同的训练函数对网络进行训练,进行总结其优缺点。