BP人工神经网络法研究PBDE_S类化合物的RRT

运用BP人工神经网络方法对PBDEs的相对保留时间(RRT)进行了QSPR研究.所建的BP人工神经网对PBDEs的RRT预测准确度非常高,网络训练误差几乎为0,网络回判MSE误差为0.003 9,明显低于逐步回归分析结果,独立检测集MSE误差为0.000 4,也很低,说明BP人工神经网具有较好的泛化能力.此方法得到的模型预测能力要优于逐步回归模型.     

人工神经网络对结构动力响应的预测

本文应用人工神经网络对结构在地震波作用下的动力响应进行了预测，结果证明用改进的BP网络训练神经网络能达到很好的收敛效果，预测的结果相当精确，为结构的智能控制提供了很好的前提条件．     

神经网络BP模型在室内轰燃预测中的应用

总结了目前常用的室内轰燃预测方法，评述了人工神经网络和BP网络模型的特点以及神经网络在轰燃预测中的工作原理和网络构建方法，提出了预测轰燃的神经网络预测法，进行了有效的验证。由于室内火灾受建筑材料热惯性、开口通风因子、燃料热释放速率和房间内部尺寸等多种因素影响，传统轰燃预测方法存在多方面的局限性，而BP神经网络预测方法是合理、可行的方法。     

人工神经网络在海运量预测中的应用

人工神经网络是一种模仿动物神经网络行为特征,进行分布式并行信息处理的数学模型,广泛应用于自动控制、模式识别等领域.本文首先简单的介绍了人工神经网络的相关理论,接着重点分析了BP神经网络预测应用的基本原理,并通过某货物海运量的实例建立BP神经网络时序模型预测未来运量,最后对预测结果和BP网络结构性能进行分析.     

基于人工神经网络的大海则煤矿单井矿井水定量预测

生产矿井未采矿体涌水量预测是保障矿井安全生产的基础工作。本文在充分分析大海则矿井涌水量影响因素基础上,利用人工神经网络理论,建立矿井涌水量的BP网络模型。人工神经网络模型具有增强专家系统的容错能力,当神经网络中少量的神经元发生失效或错误时,不会对系统整体功能带来严重的影响。通过该模型的网络预测,经大海则矿井现场验证：利用BP神经网络预测矿井涌水量其结果真实程度较高,是比较理想的预测方法和手段。     

人工神经网络在深基坑变形预测中的应用

以BP人工神经网络为基础，利用其强大的非线性映射能力，建立深基坑支护结构最大侧向位移的预测模型，在利用实测数据进行网络训练的基础上，对悬臂支护结构最大侧向位移进行预测，结果表明预测值与实测值吻合较好，显示了该方法进行深基坑变形预测的有效性。     

深圳港基于BP神经网络的集装箱预测模型

运用BP人工神经网络建立了深圳港集装箱吞量的预测模型，得出深圳港2001－2005年的集装箱吞吐量，研究结果表明，该预测方法具有很强的学习与泛化能力，预测结果对深圳港的发展有较强的借鉴作用，可以提高深圳港处理运量的能力。     

基于小波神经网络的风速预测及置信区间估计

小波神经网络是在小波变换理论和人工神经网络的基础上建立的一种新型网络模型,综合了两者的优点,克服了BP神经网络易陷入局部极小点和训练速度慢的缺点.本文建立了小波神经网络模型,采用最陡梯度下降法训练网络,将该网络用于对风电场小时风速的预测,并对预测置信区间进行计算.预测结果表明小波神经网络在训练速度和预测精度方面均优于BP神经网络.     

基于BP神经网络的干热风灾害预测

干热风是我国新疆，西北等地农业气象灾害之一，其形成因素呈现复杂的非线性关系．利用传统方法很难建立起一个精确完善的预测模型．人工神经网络具有强大的非线性映射能力，尤其是BP神经网络在预测领域中被广泛应用．本文利用BP神经网络对干热风灾害进行了预测．结果表明，基于BP神经网络的干热风预测模型误差小，能达到满意的效果．     

BP网络应用于黄河水质的预测研究

利用黄河兰州段水质指标浓度时间序列作为学习样本，选取了DO、COD、氨氮、重金属离子等l0项指标作为输出参数，运用人工神经网络BP模型中的Levenberg—Marguardt优化算法对学习样本优化建模，将优化好的网络的预测结果与实测结果进行了比较，表明BP网络可以很好地用于黄河水质指标值及水质类别的预测。     

多变量模糊推理系统的神经网络实现

以双缸连通液面Ｆｕｚｚｙ控制系统为模型，研究了多变量Ｆｕｚｚｙ推理系统的神经元网络实现问题。这里主要考虑如下二个问题：（１）ＢＰ网络在语言环境下实现多变量Ｆｕｚｚｙ推理系统的有效性；（２）神经网络结构（隐层节点个数及输出层激发函数）对推理结果的影响。仿真结果表明，在语言环境下ＢＰ网络具有很强的近似推理能力，基于ＩＦ－ＴＨＥＮ的多变量Ｆｕｚｚｙ推理系统可由一个ＢＰ网络训练学习而加以实现，从而为有效的实现多变量复杂系统的Ｆｕｚｚｙ控制奠定了基础。     

DNA优化的BP神经网络在故障诊断中的应用

针对BP神经网络收敛速度慢和容易陷入局部极小值问题,将DNA算法和神经网络有机结合,利用DNA算法的全局搜索能力,优化网络的初始权值和阈值,解决其本身固有的两个缺陷,进而提高了BP神经网络诊断故障时的准确性和快速性。以道岔控制电路的故障诊断为研究对象,建立了基于DNA优化的BP神经网络的故障诊断优化模型,使用MATLAB仿真软件对故障诊断模型进行了仿真分析。结果表明,DNA算法优化的BP神经网络的泛化能力、诊断精确性都要优于BP神经网络。     

基于IDNPSO-BP神经网络的股票市场指数预测

针对动态邻居粒子群算法的局限性,引入新的动态邻居拓扑结构,动态调整粒子群算法参数设置,提出改进的动态邻居粒子群算法(IDNPSO).为了提高BP神经网络模型的预测准确性,提出一种基于改进动态邻居粒子群算法的BP神经网络模型(IDNPSO-BP神经网络).利用IDNPSO-BP神经网络和GA-BP神经网络对上证指数、深证指数进行预测,结果表明IDNPSO-BP神经网络的预测误差优于GA-BP神经网络,具有股票市场指数预测能力.     

小生境遗传算法优化的BP神经网络模型

针对传统BP神经网络模型收敛速度慢、易陷入局部极小点、网络结构不稳定等缺陷,提出一个小生境遗传算法优化的BP神经网络模型.该模型充分利用小生境遗传算法的搜索能力和BP神经网络的非线性映射和学习联想能力,通过小生境遗传算法的选择、交叉、变异及小生境淘汰等操作,优化BP神经网络的初始权值和阈值,并采用BP算法对网络进行训练,有效解决网络初值不合理的问题,提高网络收敛速度、稳定性.实验证明:与传统方法相比,该模型具有很强的可行性和有效性.     

BP神经网络的改进及应用

合理的选择网络结构是BP神经网络研究中一个重要问题.对传统的BP网络结构进行了改进,在确定BP网络的隐层节点个数时给出了BP网络结构的自适应算法,使得隐层节点的选取动态实现,增强了BP神经网络的适应能力.并应用改进后的BP网对高校教学工作水平评估体系进行建模,为高校教学管理决策提供了科学依据.     

钢包精炼炉的电极系统智能建模及控制

针对钢包精炼炉电极控制系统具有非线性、时变、模型不确定、大滞后、多输入多输出耦合的特点,提出一种基于神经网络实时在线辩识的内模控制方案.控制器采用神经网络解耦,将混沌机制引入到BP算法中,用以加快学习的收敛速度.仿真结果证实了控制策略的有效性.     

神经网络解耦控制在多变量控制系统中的应用

应用神经网络解耦控制,实现多变量系统的最优控制.通过引入神经网络环节,对多变量系统进行解耦,解耦后的子系统变为单变量系统.因此将多变量控制变成单变量控制.解耦控制采用前馈补偿器解耦,解耦补偿器采用BP神经网络结构.仿真结果表明,该控制策略具有较好的动态跟踪特性,能满足复杂多变量控制系统的控制要求.     

采用NGA优化的新型BP神经网络模型及诊断应用

针对传统BP神经网络模型收敛速度慢、易陷入局部极小点、网络结构不稳定等缺陷,提出了一种小生境遗传算法优化的BP神经网络模型。该模型充分利用小生境遗传算法的搜索能力和BP神经网络的非线性映射和学习联想能力,通过小生境遗传算法的选择、交叉、变异及小生境淘汰等操作,优化BP神经网络的初始权值和阈值,并采用BP算法对网络进行训练。有效解决了网络初值不合理的问题,提高了网络收敛速度、稳定性。最后结合变压器故障诊断实例。在Matlab7.0平台上进行仿真实验。实验结果证明:与传统方法相比,该模型具有很强的可行性和有效性。     

基于混沌天牛群算法优化的神经网络分类模型

针对传统BP神经网络受初始权阈值影响大且易陷入局部极值,标准天牛须搜索算法局部搜索能力差、寻优精度低等问题,提出一种自适应步长因子的混沌天牛群算法用于优化BP神经网络分类模型。通过增加天牛种群,引入自适应步长更新策略优化天牛须搜索算法的局部搜索能力,使其跳出局部最优,提高算法的计算精度;利用Logisitic混沌映射产生新个体,替换性能较差的个体,增强全局搜索效果。为了改善BP神经网络对非均衡数据集中少数类的分类效果,采用SMOTE算法处理非均衡数据集。将改进的天牛须搜索算法用于优化BP神经网络中的初始权值和阈值,建立IBAS-BPNN（Improved Beetle Antennae Search and Back Propagation Neural Network）分类模型,提高BP神经网络分类模型的准确率。为验证分类模型的性能,将改进的BP神经网络分类模型与其他六种典型的分类算法进行比较,实验结果表明IBAS-BPNN分类模型的平均分类正确率高于其他算法。改进的混沌天牛群算法泛化能力强,鲁棒性好,具有一定的优越性。