基于熵权-BP神经网络的涉农类上市企业融资风险预警研究

针对涉农类上市企业的融资风险预警问题,首先从企业的资金流融入以及融出两个层面构建了含有15个指标的融资风险预警指标体系;然后收集了24家涉农类上市企业2017年的相关指标数据,并利用熵权法确定各指标层的权重值,结合指标数据计算得到24家上市企业的融资风险预警指数RWI值,即为BP神经网络的输出层;最后通过BP神经网络工具箱建立涉农类上市企业的融资风险预警模型,并进行了神经网络训练以及仿真预测。结果发现,所建立的BP神经网络融资风险预警模型对涉农类上市企业的融资风险预警具有较好的适用性,对企业的融资风险预测与控制具有实践意义。     

基于BP神经网络的高校实验技术人员绩效评价模型

针对高校实验技术人员绩效评价具有多目标、多层次和多因素等特点,提出基于BP神经网络的高校实验技术人员绩效评价模型,并进仿真实验。该模型将实验技术人员的评价指标量化后作为输入层,以实际评价结果为输出目标,通过样本训练BP神经网络,运用训练好的BP神经网络对实验技术员的绩效进行综合评价。该模型输出值与实际目标值及真实评价值都相当接近,得到较为满意的评价结果。     

基于乘客感知的公交车线路服务质量评价模型

针对传统公交车服务质量评价方法的局限性,提出基于乘客感知的普适性因素权值分析方法.首先以相关乘客作为专家并分组,建立基于乘客感知视角的专家权重确定方法,得到专家权重及指标综合权重.然后以上述多组数据作为先验样本进行 BP 神经网络的训练、测试与验证,从而获得可供推广的城市公交线路服务质量评价AHP-BP神经网络模型.最后以沈阳市某条公交线路为例展开实证研究,结果表明该模型在充分反映乘客感知服务质量因素的同时,降低了主观评价的随意性,给出了特定公交线路服务质量改进方向.     

基于RBF-BP复合神经网络的企业创新能力评价模型

为更加精准地测量企业创新能力,利用熵值法和相关性分析,从创新投入、创新产出、创新支撑3个维度建立企业创新能力评价指标体系,构建企业创新能力评价的RBF BP复合神经网络模型。该模型由1个输入层、1个RBF隐含层、1个BP隐含层以及1个输出层组成,其特点是将RBF隐含层的输出作为BP隐含层的输入。十折交叉验证与随机二次抽样2种方法检验表明,与单一RBF神经网络、单一BP神经网络相比,RBF BP复合神经网络模型的平均均方误差与平均绝对误差分别下降2821%、1519%和1251%、1255%,表明RBF BP复合神经网络模型具有最优的数据拟合能力,更适合于企业创新能力评价。     

基于面料力学性能的半紧身裙造型特征预测

文章在对面料力学性能分析的基础上,建立了半紧身裙造型特征预测的BP神经网络模型.提出了半紧身裙造型特征为形式感、体量感、平衡感、运动感、悬垂感、节奏感、稳重感、均匀感、贴体感、平服感等.FAST系统测量的面料力学性能指标作为神经网络模型的输入层,18位专家组成的评判组对41种不同面料构成的半紧身裙造型特征作出的评价值作为BP神经网络的输出层.通过对任选8只样本的预测值和实测值的线性回归分析发现,该模型有较好的预测精度,其中贴体感、均匀感、运动感的预测精度最好;形式感、体量感、悬垂感、平服感的预测精度次之;平衡感、节奏感、稳重感的预测精度较低.     

基于BP神经网络的田间杂草识别技术研究

设计了一种以田间除草指标体系作为神经网络的输入,以田间除草等级作为输出的田间除草综合评价模型;以田间除草指标的各级评价标准作为模型的训练样本和检验样本,设计了一种神经网络算法,利用Matlab软件对BP神经网络进行训练和检验.结果表明:BP神经网络对检验样本的模拟输出和期望输出是一致的;BP神经网络人工智能技术应用到田间除草,具有运算速度快、精度高,过程方便简捷的优点.     

基于小样本数据的BP神经网络建模

针对小样本条件下BP神经网络存在预测精度不高的问题,将专家知识融入BP神经网络训练过程中解决此问题。首先BP神经网络通过遗传算法获得最优初始权值和阈值;其次对专家知识进行数学表达;最后通过增广拉格朗日乘子法将专家知识融入BP神经网络训练过程中。利用实际中的结晶动力学问题对所提方法进行验证。仿真结果表明,与现有的解决小样本问题的方法相比,融合专家知识的BP神经网络在小样本条件下可以有效提高预测精度。     

基于GABP算法的油墨配色研究

为了提高印刷油墨配色精度,本文提出了使用遗传算法(GA)优化的BP神经网络模型GABP。首先采集了颜色样本的光谱数据和CMYK四色网点面积率分别作为输入值和输出值,然后通过遗传算法优化了BP神经网络的结构和参数,并进行了训练,最后将模型的预测精度做对比分析,使用未经遗传算法优化的BP神经网络模型的平均误差为8.6%,使用GABP模型的平均误差为4.5%。结果表明,经遗传算法(GA)优化的油墨配色模型预测精度有了大幅度提高,对印刷企业油墨配色有很好的应用价值。     

基于神经网络的沥青混合料抗剪强度预估方法

通过采用神经网络工具,探讨沥青混合料的抗剪强度预估方法．通过对比,采用不同输入参数,选定沥青类型、集料类型、空隙率、级配类型、公称粒径、油石比等六个影响因素作为输入参数．引入了误差分级迭代法进行网络学习训练,通过对比常规BP算法和误差分级迭代法,发现后者能有效减轻初始权值和阈值对训练和样本预测的影响,也能较好控制样本预测的误差．因此,建议采用基于误差分级迭代法的BP神经网络方法,预测沥青混合料的抗剪强度．     

基于FOA优化BP神经网络的电子商务网站评价研究

为避免传统BP神经网络进行电子商务网站评价存在泛化能力弱、局部最优问题和对评价样本量需求量大的缺点,利用果蝇优化算法的全局寻优能力,提出运用FOA优化BP神经网络的权值和阈值进行电子商务网站评价。结合电子商务网站的特性和各种指标属性,将电子商务评价的20个二级指标作为BP神经网络的输入,在专家评分法的基础上,将专家评分值作为BP神经网络的输出,构建出基于FOA优化BP神经网络的电子商务网站竞争力指数评价的数学模型。选择淘宝网、京东商城、苏宁易购、唯品会等100个电子商务网站在2015年3月~2005年6月的电子商务网站流通数据为研究对象。实验结果表明,在评价效果和评价误差上,FOA-BP算法评价效果明显优于BP神经网络算法,具有评价精度高和误差低的优点,从而验证了FOA-BP进行电子商务网站竞争力指数评价的有效性和可靠性。     

互联网金融企业风险预警模型构建研究

结合互联网金融企业自身特点,建立互联网金融风险指标体系,采用主成分分析和BP神经网络结合的方法,构建互联网金融风险预警模型,将筛选后得到的主成分分析结果输入到训练后的BP神经网络风险预警模型中,进行实证分析.结果显示,训练后模型准确率可以达到96.35%,对于样本预测精准度具有较强作用,从而可以为互联网金融企业提供一种科学有效的风险预警方法,为政府决策部门提供智力支撑.     

神经网络在黄土边坡稳定性分析中的应用

应用神经网络理论估算黄土边坡稳定性的安全系数,用黄土边坡实例作为输入样本,建立神经网络BP模型,以安全系数作为输出值,进行实验。试验结果表明,该方法计算所得安全系数较为可靠,可用于边坡稳定性分析。     

基于MIVM神经网络模型对合金组元活度的预测

为了使用分子相互作用体积模型(molecular interaction volume model,MIVM)准确便捷预测出合金溶液中组元的活度,建立了活度预测的BP(back propagation)神经网络模型和算法,模型的输入层为合金溶液中组元的实验活度系数,输出层为分子对位能相互作用参数,隐含层设定为一层。采用遗传算法优化BP神经网络模型各结构参数,在遗传算法中使用合金溶液中组元的无限稀活度系数的实验值和理论值的偏差作为适应度函数,以偏差最小为目标进行优化以保证BP神经网络的有效性。最后以Pb-Bi,Sn-Bi,Sn-Pb,Fe-Cu二元合金溶液中组元活度预测为例对BP神经网络模型和算法进行验证。结果表明:组元活度预测值与实验值之间的平均相对误差均小于4%,绝对偏差小于0.78,能满足工程计算要求。     

基于神经网络的简支梁桥预应力衰减评估模型

以后张法室内模型梁受弯全过程试验采集的数据为样本,研究了预应力混凝土桥梁有效预应力与各主要影响因素之间复杂的非线性关系,应用改进BP神经网络建立了混凝土桥梁服役期内预应力衰减的神经网络评估模型。该模型以受弯梁全过程P-Δ理论曲线为依据,构造了基频衰减率(IFDETR)、变形指标(IDISP)、混凝土应变变化率(ICSV)、钢筋应变变化率(IRSV)4种归一化指标作为网络输入值,以计入时变效应的预应力衰减率指标(IEPDR)作为网络输出值。测试样本的评估结果表明,误差小于1%的测试样本数在样本集中所占的比例大于85%,且误差均小于单因素回归方法。     

基于BP人工神经网络的电力变压器故障诊断研究

通过改良三比值法处理一组电力变压器油中溶解气体的特征值,并将数据作为输入训练神经网络,调整权值和阀值,通过相互比较确定各项网络参数,将误差控制要求范围内.最后使用得到的概率神经网络对样本进行了成功的预测,验证了将BP神经网络算法运用于变压器故障诊断具有十分理想的效果.     

基于主成分分析与BP神经网络相结合的机床主轴热漂移误差建模

为提高数控机床热误差模型的预测精度,提出了将主成分分析与BP神经网络相结合的主轴热漂移误差的建模和预测方法.使用主成分分析法对多个温度变量进行降维处理或重新组合,将处理后所得较少的主成分变量作为样本输入BP神经网络进行训练而得到主轴热漂移误差模型,并与经过测点优化后以关键点温度作为输入的BP神经网络模型进行对比分析.结果表明：基于主成分分析与BP神经网络相结合的主轴热漂移误差模型的拟合精度较高,残差较小;由于BP神经网络的输入变量较少而使所提出的模型训练速度快、迭代次数少.     

基于BP神经网络的工程估价模型及其应用

基于BP神经网络的工程估价模型具有高度的容错性和较强的泛化能力,通过对数据并行处理的方式能快速准确地估算出工程造价.本文根据BP神经网络原理,选取福建泉州地区的21组工程实例来建立模型,其中19组为训练样本,2组为检测样本,确定了13个主要造价影响因素作为网络的输入变量,工程造价作为网络的输出变量,经检验其精度符合工程投资估算和设计概算的要求.因此,用BP神经网络估算工程造价是行之有效的.     

城市建筑安装涂料VOCs排放量模拟预测研究

通过建立灰色离散分数阶预测模型GM(1,1)、BP和RBF神经网络预测模型,以西安市建筑安装涂料产生的VOCs为例,将用于建筑安装的涂料量以及其驱动因子数据作为模型的输入值,用收集整理的2004—2011年16组西安建筑安装涂料消耗量数据进行BP和RBF神经网络训练模拟,2011—2014年5组年数据进行检验预测,采用曲线拟合度和相对误差2个评价指标对3种预测模型结果进行比较分析。结果表明,灰色预测、BP和RBF神经网络预测模型的样本训练及预测的平均误差为:-16.53%,、7.05%,和4.73%,,结合真实值与预测值的曲线拟合和误差下降曲线来看,RBF神经网络的预测结果优于BP神经网络预测结果,采用RBF神经网络预测模型对城市建筑安装VOCs的排放量进行预测具有模拟效果好和预测精度高的优势,对城市VOCs的治理有一定的参考价值。     

胰岛素评价模型与算法设计

为了建立胰岛素评价模型,提出了一种基于BP(back propagation)神经网络的方法研究了胰岛素评价模型。首先使用含有2型糖尿病患者样本以及正常糖耐量的样本共100例作为研究数据,其次搭建BP神经网络模型,将样本的生理参数输入该网络进行训练,从而获得胰岛素β细胞功能指数与胰岛素抵抗指数,最后对胰岛素β细胞功能指数与胰岛素抵抗指数进行预测。实验结果表明,基于BP神经网络的人体胰岛素评价模型得到胰岛素评价指标的预测值与真值有较好的相关性,其中胰岛β细胞功能指数相关性达到近90%,可见该模型能很好地评价胰岛素分泌情况。     

运用神经网络估算黄土边坡的安全系数

应用人工神经网络BP模型的非线性动力学、自学习和实时处理等特性,以黄土边坡实例作为输入样本,建立神经网络BP模型,并以安全系数作为输出值,估算黄土边坡稳定性的安全系数.通过试验数据对比,所得安全系数误差在6%以内,表明该计算方法可用于边坡稳定性分析.