人工神经网络在新疆蘑菇湖水库水质评价中的应用

调查分析了蘑菇湖水库的污染源，选取蘑菇湖水库污染的6项水质监测数据作为评价指标，采用Matlab建立了蘑菇湖水库水质评价的三层BP网络模型，并以这6项指标为训练样本，对BP网络进行训练，将训练好的网络用于水质进行评价，得出的蘑菇湖水库水质评价结果是劣Ⅴ类，采用分级评分法对计算结果进行了比较分析，结果表明：BP神经网络方法收敛速度较快，预测精度很高，蘑菇湖水库已丧失养殖功能，并且已不能满足农业灌溉的标准。     

黄河水质综合评价的人工神经网络模型

为探讨水质综合评价的客观方法 ,以黄河兰州段新城桥段面水质资料为例 ,建立了地表水水质综合评价的BP网络模型 BP网络模型以单输出代替多输出可保证评价结果的惟一性 .将该模型用于实例分析表明 ,BP网络用于水质综合评价具有客观性和实用性 .     

可变结构神经网络在未来水质参数预测中的应用

介绍BP神经网络预测水质参数的基础上,结合变结构网络设计的思维方法,给出了可变结构BP神经网络在水质参数预测中的应用过程.并且,对两种预测算法作了比较,结果显示,变结构BP神经网络的预测精度更高.     

粒子群优化-BP神经网络对岩爆的预测

岩爆是典型高地应力区主要地质灾害之一,其预测理论和发生机制的研究目前并不成熟.本文通过选择合适的影响岩爆程度的主要因素,应用BP神经网络对岩爆样本进行训练并利用预测样本进行检验,由于BP神经网络的初始权值和阀值对网络学习效率和预测结果有影响,因此其对检验样本的预测结果往往不够理想.利用粒子群算法(PSO)对BP网络的初始权值和阀值进行优化,将改进后的BP神经网络算法应用于预测,预测的结果优于BP神经网络.表明利用PSO-BP神经网络算法对实际工程中的岩爆进行预测是可行的.     

BP模型在强度预测中的应用

在分析普通混凝土强度影响因素基础上，选取混凝土配料中7个因素作为输入值，混凝土28d强度作为输出值建立了混凝土强度预测的BP网络模型；讨论模型的学习样本、网络参数对预测精度的影响，从而选出最佳网络参数配置，并提高模型预测精度。     

基于BP神经网络的天津于桥水库CODMn预测研究

为了确保饮用水的安全,了解水源水质未来可能的变化趋势,为水质管理提供科学的依据,该文应用反向传播(BP)神经网络技术对天津于桥水库CODMn进行预测研究.在预测模型中采用LM算法提高网络的收敛速度,并采用提前停止法提高网络的推广能力.人工神经网络样本集数据来源于2003～2005年的于桥水库日检测水质数据.为了更加有效地评估预测模型的准确性,该文把于桥水库的预测期分为丰雨期、封冻期和其它月份来分别考察预测效果.通过研究表明:于桥水库丰雨期预测效果最差,封冻期最好,其它月份介于两者之间,整体预测效果较好,可用于指导实际的水质管理.     

基于BP神经网络的黄河水质预测研究

为了进一步研究高度非线性和非确定性水环境系统的变化规律,预测复杂、模糊、高度非线性河流水质。以黄河内蒙古河段为例,构建以上游断面监测数据预测下游水质变化的BP神经网络模型。模型选用L-M数值优化算法,采用3-6-1型网络结构,对黄河内蒙古河段2013—2014年各监测断面COD监测值进行训练。结果表明:BP神经网络具有很强的非线性映射能力和柔性的网络结构,可以很好地应用于黄河内蒙古河段COD预测,平均相对误差为5.66%,预测精度较高,为河段水环境治理、水质监测和控制污染提供借鉴意义。     

基于粒子群改进BP神经网络的组合预测模型及其应用

针对应用广泛的传统人工智能预测BP(Back propagation)神经网络自身局限以及其在处理中长期复杂预测问题中需要样本数量大、泛化能力弱等不足,提出利用粒子群算法优化BP神经网络的学习算法,在此基础上,利用灰色预测方法和自回归移动平均模型(ARIMA)时序预测对历史数据进行初步预测,对中长期预测中数据趋势项和随机项进行模拟;将初步预测的结果作为改进BP神经网络的输入,在此基础上进行训练和预测,构建基于改进BP网络的组合预测模型.以我国1978-2007年能源需求数据为样本,进行实例分析.结果表明:组合预测模型预测精度较BP神经网络、灰色预测方法和ARIMA预测方法分别提高4.8%,6.1%和5.3%,验证了组合预测方法在中长期预测问题处理中的有效性.     

基于优化算法的能量等值延性指标评价

设计多层前馈BP、径向基RBF和遗传优化GA-BP算法训练并预测能量等值法极限承载延性指标μΔe,采用5个控制参数及PEER库与拟静力试验作为训练和预测样本.编写BP及其隐含层节点数和学习率的优化算法,编写RBF及其节点数和中心宽度的优化算法,采用GA优化BP算法权值wij和阈值θj并抑制局部最优及逼近数据规律,并实现算法预测足尺框架柱延性指标μΔe值.研究表明GA-BP具有最佳适用性和计算优越性,提供结构损伤评价新方法.     

克隆选择粒子群优化BP神经网络电力需求预测

在普通BP算法基础上,引入克隆选择粒子群算法,建立电力需求预测模型.将当期国内生产总值、前期国内生产总值、人口、当期产业结构变化、前期产业结构变化等影响电力需求的因素作为网络输入,电力需求作为网络输出,同时选择合适的隐层节点数,确定模型的网络结构.利用克隆选择粒子群算法反复优化BP网络的权值组合,将优化后的权值作为BP神经网络的初始值,进行BP算法,直至网络达到训练指标.利用近几年相关输入输出变量年度数据,对建立的模型进行电力需求实证预测分析,并同普通BP神经网络预测结果进行对比.结果表明:基于克隆选择粒子群优化的BP神经网络不仅训练速度快,而且误差小,预测精度明显提高,说明该模型对于电力需求预测的有效性.     

甘蔗收获机剥叶性能评价中权重确定的BP网络方法

为了解决甘蔗收获机械剥叶性能评价中权重确定的关键问题，构建了三层前馈BP神经网络，并采用正交试验数据构造训练样本，以提高训练速度及精度．在此基础上通过运用经训练后的BP神经网络的各连接权值，确定了反映各目标因素对评价指标影响程度的权重值．运用BP神经网络方法可确保经确定的权重能如实地及映出各目标因素对评价指标的重要程度．     

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BP神经网络的建筑工程造价快速估算方法

在对建筑工程造价影响因素分析的基础上给出了样本的定性定量描述方法,建立了建筑工程造价资料快速估算的BP神经网络模型,用已建典型工程资料对BP神经网络进行训练,实现了工程造价资料的快速估算,实例证明该方法是可行的,估算结果是可靠的。     

基于BP神经网络对黄河源区降水的降尺度模拟研究

利用黄河源区实测的水文气象资料、NCEP再分析数据及HadCM3情景模式,通过研究气象因子与降雨之间的非线性关系,基于BP神经网络模型采用3种不同时段(即全年S1、枯水期和丰水期S2及四季S4)对黄河源区建立3种降雨的统计降尺度模式,分析评价不同模式对降雨指标的模拟能力.结果表明:3个模型的模拟效果的优劣随着研究的时间尺度变化,对多数降雨指标的变化趋势能成功捕捉,但对量的模拟效果会随着指标和季节而变化,对极端指标的模拟效果均较差.     

基于多BP神经网络与D-S融合的车型识别研究

为了提高BP神经网络对车型的识别率,克服单个BP神经网络所存在的网络结构和训练样本数量之间的矛盾,针对大量训练样本采取多个BP神经网络进行训练,进而采用训练好的多个网络进行车型识别. 利用D-S理论将各个BP网络的识别结果进行数据融合以改善最终的车型识别结果. 实验结果表明:随着训练样本数量的增加,多BP网络数据融合方法比单BP神经网络有更高的识别率.     

人工神经网络在黄河水环境质量评价中的应用

为准确和客观地评价地表水环境质量状况,建立了黄河水环境质量评价的BP神经网络模型.仿真结果表明:改进后的BP神经网络计算速度快、评价精度高、结果客观准确,说明用BP神经网络方法评价地表水环境质量是可行的.     

东坡井田矿井构造的人工神经网络定量评价

以东坡井田为例介绍了人工 神经网络方法在矿井构造定量评价中的应用。首先在分析了东坡井田矿井构造主要影响因素基础上，确定了12个指标作为指标；然后详细叙述了神经网络输入层、隐层及输出层神经元个数的确定以及利用有序的质量最优分割方法和插值法得到训练样本；最后经过学习对网络进行训练，利用此网络对划分出的东坡井田的评价单元进行评价取得了良好的效果。     

漂石河床扩大基础桥墩局部冲刷深度的人工神经网络解

以西南大漂石河床成桥后测试的桥墩局部冲刷深度结果为基础,以其中26个实测数据为样本,用BP人工神经网络对大漂石河床桥墩局部冲刷问题进行拟合.测试结果表明,用拓扑结构为3-30-1的BP网络,经学习40 000次后,随机测试样本局部冲刷深度其计算结果和测试结果的相对误差不超过2%;时于急流测深带来的不可避免的差错,采用先对所有样本同时作为学习样本和测试样本进行测试,再根据水文学原理剔除明显错误样本的方法,同时利用BP网络的容错功能,以确保结果的准确性.     

基于BP神经网络的沈阳房地产市场预警

结合沈阳房地产市场的特点,借助监测、评价、预警等环节的有机结合,设置预警指标体系;依托人工神经网络(BP模型),选取了11年(1998年～2008年)预警指标的数据,其中前9年的数据作为训练样本,后2年的数据作为检测样本.通过1 538次贝叶斯归一化网络训练,达到了目标误差的要求,其网络仿真效果有着较高的精度和可信度.模型分析与市场实践的对比反映出,2007和2008年的市场都比较活跃;该模型不仅可以用于市场预警,而且有利于促进房地产市场的健康与可持续发展.     

基于BP神经网络模型的临汾市县域经济发展水平差异的测定与分析

根据区域经济学的相关理论,选取了8个与临汾市县域经济发展水平关系密切的指标,在BP神经网络工具箱的支撑下,构建临汾市县域经济发展水平的BP神经网络评价模型,并通过对频数分布特征及反映区域差异的总体指标的分析,表明临汾市县域经济发展水平空间分异显著.