基于BP神经网络的公路风吹雪雪深预测模型

公路风吹雪雪深预测作为国际雪冰学领域的研究热点和难点问题一直未能很好解决.以白茫雪山防雪走廊段安装的自动气象站和当地气象局提供的气象资料为基础,提取了对公路风吹雪雪深有影响的4种因素(降雪量、大气温度、风速和湿度)的指标值,建立了基于BP(back propagation)神经网络的公路风吹雪雪深预测模型.对研究区5次降雪过程中所记录的199组数据进行训练学习,用20组数据来验证建立的模型,验证结果表明20h累计雪深预测值的误差在10%以内,85%的雪深预测值误差在20%以内,因此所建立的模型具有很强的泛化能力和较高的精度.并对降雪量、大气温度、风速和湿度这4个因素进行了敏感性分析,表明雪深与降雪量成正比,与其他3个因素成反比,其中降雪量对雪深的影响最大,风速次之,湿度最小.     

基于遗传神经网络的科研项目经费预算方法

针对科研经费预算准确性与实用性无法兼顾的难题,提出基于遗传神经网络的科研项目经费预算方法.分析了科研项目经费构成及影响预算的关键因素,建立了影响因素的量化表达式,将量化结果作为输入,项目经费预算结果作为输出,利用遗传算法优化BP(Back Propagation)神经网络的权值和阈值,通过训练遗传神经网络预测模型建立输入与输出之间的非线性关系.运用预算实例对预测方法进行了有效性验证.仿真结果表明该方法有较高的预测准确性.     

Software Maintainability Prediction with UML Class Diagram

Software system can be classified into many function modules from the perspective of user. Unified modeling language( UML) class diagram of each function module was extracted,and design characteristic metrics which influenced software maintainability were selected based on UML class diagram.Choosing metrics of UML class diagram as predictors,and mean maintenance time of function module was regarded as software maintainability parameter. Software maintainability models were built by using back propagation( BP) neural network and radial basis function( RBF) neural network, respectively and were simulated by MATLAB. In order to evaluate the performance of models,the training results were analyzed and compared with leaveone-out cross-validation and model performance evaluation criterion. The result indicated that RBF arithmetic was superior to BP arithmetic in predicting software maintainability.     

应用BP神经网络的二次反应清洁汽油辛烷值预测

借鉴复杂反应动力学研究中的集总方法,将汽油辛烷值看成汽油链烷烃集总、环烷烃集总、芳烃集总、烯烃集总的函数.采用多元线性回归和BP神经网络算法,分别建立了二次反应清洁汽油的研究法辛烷值预测模型,并进行了实例计算验证和对比分析.结果表明,BP神经网络模型的整体性能优于多元线性回归模型,其强大的非线性映射能力能够更好地反映汽油研究法辛烷值与各集总组分之间的复杂关系,且具有更好的预测性能,模型预测值与实验测得的汽油辛烷值的平均相对误差为0.39%,与文献报道的汽油辛烷值的平均相对误差为0.92%.     

基于多元线性回归和BP神经网络的单井能力预测

为提高单井能力预测的精度和可靠性,提出利用地震属性数据,结合多元线性回归方法和BP神经网络方法进行预测。首先提取了研究区目的层的地震属性,然后利用多元线性回归方法和BP神经网络方法建立了单井能力与地质、地震属性之间的函数关系,得出了半定量-定量化的单井产量设计模型,并且验证了模型的预测结果。结果显示:单井能力预测精度总体在80%以上,其中BP神经网络模型预测精度更高,吻合度更好,证明了利用多种地震属性联合预测单井产能是一种卓有成效的方法。     

基于BP神经网络的油气钻井成本预测

油气钻井成本是反映油田企业经济效益的重要指标.对钻井成本进行准确预测,有利于企业管理者和投资者进行科学的决策与评估.在对油气钻井成本影响因素进行分析的基础上,运用BP神经网络算法,建立了考虑成本因素之间相互关系的油气钻井成本神经网络预测模型,并结合中国石油某公司各区块钻井作业成本数据,将线性回归方法与神经网络方法进行对比,结果表明该模型具有较高的预测精度.     

BP神经网络预测河湾最大冲刷深度

影响河湾凹岸最大冲刷深度的因素众多，而且这些因素的关系是非线性的．实现河湾最大冲刷深度预测的实质是建立一个非线性映射．实现这种映射的传统途径是在室内试验的基础上，采用量纲分析和多元回归的方式建立经验公式．根据BP（前馈）神经网络模型能逼近任何闭区间的连续函数的性质，在室内试验的基础上，尝试采用人工神经网络模型对河湾冲刷深度进行预测，并与经验公式的计算结果进行了比较．结果显示，BP神经网络能够更为准确地对河湾最大冲刷深度做出预测。     

考虑多种损坏构成特征的沥青路面预防性养护决策方法

由于沥青路面损坏构成的多样性,相同的路面状况指数(pavement condition index,PCI)可能代表不同的损坏组合.当多种损坏并存且损坏程度接近时,用PCI和主导损坏(最严重、扣分最多的路面损坏)难以得到具有针对性的养护对策.因此,通过对PCI的深入分析,明确了主导损坏代表性不足的路段,以现行预防性养护决策方法为基础,补充了一种考虑损坏构成特征、更具针对性的决策方法.以上海城市道路近5年的检测、养护数据为分析基础,首先利用有序聚类算法将路段按PCI水平分组,分析了不同阶段路面损坏构成和差异水平;然后,针对多种损坏并存且损坏差异不显著的路段,根据预防性养护的实施效果筛选了能够反映正确预防性养护经验的有效养护路段;最后,基于有效养护路段建立并对比分析了2个基于BP (back propagation)神经网络的养护决策模型.结果表明:当PCI水平介于优良(84.4～93.0分)时,不同损坏程度接近,主导损坏代表性不足;考虑多种损坏构成特征的BP神经网络模型表现出更高的决策精度,测试集决策正确率达86.20%,优于仅考虑主导损坏的模型(58.50%).BP神经网络与传统决策树...     

考虑多种损坏构成特征的沥青路面预防性养护决策方法

由于沥青路面损坏构成的多样性, 相同的路面状况指数(pavement condition index, PCI)可能代表不同的损坏组合. 当多种损坏并存且损坏程度接近时, 用PCI和主导损坏(最严重、扣分最多的路面损坏)难以得到具有针对性的养护对策. 因此, 通过对PCI的深入分析, 明确了主导损坏代表性不足的路段, 以现行预防性养护决策方法为基础, 补充了一种考虑损坏构成特征、更具针对性的决策方法. 以上海城市道路近5年的检测、养护数据为分析基础, 首先利用有序聚类算法将路段按PCI水平分组, 分析了不同阶段路面损坏构成和差异水平; 然后, 针对多种损坏并存且损坏差异不显著的路段, 根据预防性养护的实施效果筛选了能够反映正确预防性养护经验的有效养护路段; 最后, 基于有效养护路段建立并对比分析了2个基于BP(back propagation)神经网络的养护决策模型. 结果表明: 当PCI水平介于优良(84.4~93.0分)时, 不同损坏程度接近, 主导损坏代表性不足; 考虑多种损坏构成特征的BP神经网络模型表现出更高的决策精度, 测试集决策正确率达86.20%, 优于仅考虑主导损坏的模型(58.50%). BP神经网络与传统决策树法结合能够优化沥青路面决策过程, 提高养护对策选取的针对性.     

改进BP神经网络在郑州市需水量预测中的应用

水资源供需矛盾日益突出,需水量预测已成为广泛关注的焦点．需水量预测可以为“三条红线”的实施提供依据,以强化水资源管理和节水监督管理,缓解水资源供需矛盾．基于BP神经网络模型,采用自适应调整的算法,改进了BP神经网络模型中学习率的求解方法,并将其应用到郑州市经济社会需水量预测中,预测了2012年和2015年经济社会需水量,分别为14．41亿m3和14．84亿m3;通过与BP神经网络模型、主成分回归分析结果对比,发现改进后的BP神经网络模型根据迭代误差自动调整学习率,求解速度和计算结果精度明显提高,适用于郑州市需水量预测．     

断层推断的改进BP神经网络方法

断层可破坏煤层的完整性和连续性 ,对采煤工作面的生产具有重要的影响 ,在矿井投产前 ,必须准确地查明采区内的断层情况。文章运用动量法和自适应调整学习率的改进 BP神经网络 ,选取 5个地震特征参数进行了断层推断。结果表明 ,改进 BP神经网络是一种有效的断层推断方法     

BP神经网络在液相传质系数中的应用

根据BP(Back-Propagation)神经网络原理,以气、液表观流率为输入变量,液相传质系数为输出变量,建立神经网络模型,并利用改进的LM(Levenberg-Marquardt)算法对网络进行了训练和优化。结果表明,BP神经网络能够较好地预测滴流状态下H2O吸收CO2液相传质系数。     

基于BP神经网络的虹膜图像质量分类方法

摘要：针对虹膜图像采集过程中受光照条件不足、眼镜反光和眼皮遮挡等因素的影响而造成的图像质量不理想的问题,本文提出了一种基于BP神经网络的虹膜图像质量的分类方法。利用小波变换对每一幅虹膜图像进行特征提取,进而将提取的归一化虹膜图像数据作为BP神经网络的输入,以此对BP神经网络进行训练,实现了将3种被不同的影响因素影响的虹膜图像与未被影响图像进行区分的目的。仿真结果表明,该方法具有较高的虹膜分类精度以及较低的误差率。     

基于BP神经网络的皮肤病诊断方法

自动诊断系统是当前人工智能研究中的一个重要课题,有着十分广泛的应用前景。本文提出了基于BP神经网络的皮肤病诊断方法,讨论了网络隐含层神经元数选取问题、网络输入矢量的标准化处理问题以及网络连接权值的初值选取问题。对366名皮肤病患者的数据做了自动诊断识别实验,实验结果表明,文中所设计的神经网络诊断方法比常用的最近邻方法更有效地降低了诊断错误率。     

基于BP人工神经网络的大气颗粒物PM10质量浓度预测

根据2008年长沙市火车站监测点全年大气PM10及气象参数的小时平均数据,建立BP人工神经网络预测模型,预测PM10小时平均浓度。为证明人工神经网络模型用于预测PM10质量浓度的准确性,研究中考虑2种预测模型:多元线性回归模型与人工神经网络模型。研究结果表明:与传统的多元线性回归模型相比,人工神经网络模型能够捕捉污染物浓度与气象因素间的非线性影响规律,能更好地预测PM10质量浓度,拟合优度R2有较大提高;所选取气象参数及污染源强变量能较准确地描述大气PM10质量浓度的实时变化,用于PM10质量浓度的预测准确度较高,整体R2可达0.62;人工神经网络预测模型不仅适用于一般污染浓度情况,对于高污染时期PM10质量浓度的预测也较为准确。     

基于BP神经网络电子评标方法的研究和应用

为了解决招投标中评标环节专家评审法随意性大的问题,针对建设工程的不同特点,对评标内容进行分类剖析.利用人工神经网络的智能识别功能,建立基于神经网络的电子评标方法.结合人工神经网络的自适应功能、良好的容错能力以及非线性数据处理特点,科学地评价多因素建设工程投标方案,使招标商从众多的投标商中选出最佳的中标单位.     

基于动量BP神经网络的英文字符识别

英文字符识别已经广泛地应用于很多重要领域.已有的英文字符识别算法很多,一种典型的算法是BP神经网络算法.但是,BP神经网络算法有时不收敛,或陷入震荡.这就导致识别率下降.为此,本文研究了一种改进的称为动量BP神经网络算法用于英文字符识别.这种算法在BP神经网络算法的网络参数控制中添加一个动量系数和一个动量项.这样可以避免迭代的震荡,加快收敛速度.提高识别率.利用动量BP神经网络算法,对52个英文大小写字符进行了识别试验.实验结果表明,这种算法能获得满意的识别率.     

基于改进BP神经网络的公路旅游客流量预测

针对如何精确预测公路旅游客流量这一问题,论述了公路旅游客流量研究背景,对包括神经网络模型在内的几类模型进行了分析,说明神经网络预测模型运用在公路旅游客流量预测中的优势.以实证分析为背景,论述了改进BP神经网络在公路旅游客流量预测中的应用,并深入研究了实际运用中输入/输出向量的选择、数据预处理方法、隐层神经元数目选择、训练函数选择等实际问题,对预测结果和实际值进行了比较和分析论述,得到一个适合的BP网络.最后对几种预测方法的预测结果进行比较,说明了BP神经网络在公路旅游客流量预测的合理性与可行性.     

BP神经网络的改进及其应用

在分析BP神经网络建模步骤的基础上,针对BP神经网络某些不足,提出了几点改进措施。首先对原始数据进行了非线性规格化;其次,提出了记忆式初始权值和阀值;最后以确定性系数最大为依据进行参数优选,并将改进后的BP神经网络应用于需水量预测。结果表明,改进后的BP神经网络不仅提高了BP神经网络预测的精度,而且加快了BP网络运行时的收敛速度。