基于滚动极值处理的BP神经网络方法的WRF模式预报风速订正

为解决风速预报准确性问题,提高风能利用率,应用滚动的BP神经网络方法结合对极值的处理,对我国某风电场2007年4—11月的WRF模式预报风速结果进行了滚动订正研究。结果表明,经过1 h、12 h、24 h时间步长的滚动极值BP神经网络方法订正后,风电机组轮毂高度70 m处订正风速的相对均方根误差平均值分别减少16.59%、12.11%和11.61%,相对平均绝对误差平均值分别减少13.81%、11.09%和10.37%;且以时间步长为1h的滚动极值处理的BP神经网络订正效果最好,预报风速更趋近于实测风速,预报精度明显提高。     

基于神经网络的旋翼无人机空中原位风速反演

旋翼无人机空气动力学模型能够克服无人机旋翼下洗气流的影响,相比携带传感器直接测风具有一定优势。空气动力学模型利用无人机自身的姿态数据可以直接计算得到风向,但是风速的计算还需要开展大量的风洞实验以及复杂的实体建模获取相关参数。为简化流程、规避参数获取过程中存在的误差,采用BP(back propagation)神经网络替代风洞实验和实体建模,研究无人机姿态同自然风速的关系。通过确定风速影响因子,分别建立以两个欧拉角为输入和以两个欧拉角计算得到的倾角为输入的旋翼无人机空中原位风速反演模型EUL-BP(euler back propagation)和INC-BP(incline back propagation)。以无人机悬停等高度风塔上超声风速仪观测自然风速为真值,比较反演模型EUL-BP和INC-BP发现,INC-BP增强了BP神经网络寻优过程的约束,反演效果较EUL-BP更优,其均方根误差大致为0.65 m/s,相关系数为0.86左右;比较反演模型结果与无人机机载自动气象站观测结果发现,当风力条件为三级及以下时,反演风速远优于携带传感器观测的风速。     

基于BP神经网络模型的水质评价方法探讨

运用人工神经网络理论和方法,建立了水质评价的BP神经网络模型,并对长治市10眼水井的地下水水质进行了评价,并与综合指数法、模糊综合评判法的评价结果进行了比较。结果表明,用BP神经网络模型评价水资源水质是可行的,为水资源水质评价提供了一个新的方法。     

基于BP神经网络模型的高等教育学费研究

高等教育学费是当前的一个热点问题。以部分高校的相关数据作为样本,建立基于BP算法的神经网络模型。首先对样本数据进归一化处理,然后利用matlab进行模型的运算与分析,确定了高等教育学费的四个主要影响因素对学费影响程度的大小,从而得到了一个较为精确的高等教育收费数学模型。     

基于BP神经网络方法的财务预警模型研究

本文通过BP神经网络方法来建立我国上市公司财务失败的预警模型,该模型对检验样本的预测正确率为85%,实证研究表明,该模型具有较好的预测效果。     

基于时间序列模型与BP神经网络的深圳近岸海域富营养化预测

本文根据2013—2017年夏季(8月)深圳近岸海域水质监测数据资料,采用营养质量指数法对深圳近岸海域富营养化状况及其变化趋势进行评价,并建立时间序列预测模型与BP人工神经网络模型分别对该海域2018年无机氮、活性磷酸盐、化学需氧量和叶绿素a含量进行预测,并根据预测结果利用营养质量指数法对2018年深圳海域富营养化水平进行预测,同时根据预测结果对深圳海域营养盐结构进行分析,识别东西部海域的富营养化限制因子,据此提出富营养化水平的改善建议。研究结果表明：2013—2017年深圳近岸海域富营养化水平一致表现为西部海域偏高,东部海域偏低的特征,其中珠江口海域在5年间的平均富营养化水平最高,其余依次为深圳湾＞大鹏湾＞大亚湾。2018年富营养化水体基本出现在西部海域,东部海域整体富营养化水平较低,已贫营养水平为主。富营养化高风险区主要分布在西部海域,其中茅洲河口与深圳湾海域富营养化风险尤为高,建议在上述区域进行富营养主要因子无机氮和活性磷酸盐的管控,以期降低富营养化发生概率。针对东部海域沙头角湾和坝光海域表现为中营养水平的情况,建议对上述海域进行无机氮和活性磷酸盐的防治,以达到保持海域营养水平现状的目的。     

基于卡尔曼滤波的迟滞神经网络风速序列预测

通过将迟滞特性引入神经元激励函数的方式,构造了一种前向型迟滞神经网络模型.结合卡尔曼滤波方法,将其应用于风速时间序列的预测分析中.在原始风速时间序列的基础上,构造出风速变化率序列.采用迟滞神经网络分别对两种序列进行预测分析,并将预测结果利用卡尔曼滤波方法进行融合,从而得到最优预测估计结果.仿真实验结果表明,迟滞神经网络具有更加灵活的网络结构,能够有效改善网络的泛化能力,预测性能优于传统神经网络.采用卡尔曼滤波方法对预测结果进行融合后能够进一步提高预测精度,降低预测误差.     

基于灰色模型和BP神经网络的交通量预测研究

在分析公路交通量影响因素的基础上,通过灰色模型对各影响因素进行预测.以湖北省为例,以各影响因素为输入层,将交通需求量作为输出层,构建BP神经网络交通量预测模型,在对模型有效性进行检验后,得到未来年湖北省公路交通量预测值.     

基于BP神经网络的电网工程估价模型研究

本文提出了一种基于BP神经网络的电网工程估价模型。文章首先阐述了BP神经网络的基本原理,然后结合电网工程项目的特点,构建了BP神经网络模型,并给出了可行的评价程序。该模型的建立,为预测电网工程的造价水平开辟了新的方法。     

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.     

BP神经网络的模型优化研究及应用

随着神经网络在数据分析、预测及生产控制中的应用,神经网络的优化学习成为研究的一个重要课题。通过探讨BP神经网络模型的建立过程,针对BP神经网络的模型优化问题进行了详细研究。并通过对银行客户分类的仿真实验证明,优化模型能够有效地提高BP神经网络的收敛速度及预测精度。     

基于BP神经网络的教学评价模型构建

通过对BP神经网络模型的构建和算法进行详细阐述,系统地介绍了BP神经网络理论在教学评价中的应用现状,并给出基于BP神经网络的教学评价模型的构建方法。     

基于卡尔曼滤波法的福建沿海风电场风速订正

为进一步提高福建沿海风电场短时风速预报的准确性,运用卡尔曼滤波递推方程组对2017年9月至2018年4月福建中部沿海某测风塔不同预报时效和不同高度层下的风速进行订正,并通过误差分析来探究卡尔曼滤波法对福建沿海风电场短时(0～9h)预报风速的订正效果,以2017年10月和2018年3月作为典型月作进一步分析.结果表明,订...     

基于BP神经网络的人口预测

利用BP神经网络建立三层神经网络结构模型,以全国人口的出生率,死亡率,老年抚养率等5个指标作为输入样本,对全国总体人口进行预测.隐含层采用多种方法使人为因素降到最低,同时文中采用自适应学习速率和附加动量法相结合的方法,对网络进行训练和学习.将BP预测人口和其他数学方法做比较,预测结果显示该方法是可行的.     

基于BP神经网络的水质评价

将人工神经网络的理论和方法运用于各类水环境的评价,建立水质评价的BP神经网络模型.运用MATLAB丰富的神经网络工具箱函数设计仿真程序,并对多个水质样本进行等级评价,为防治水污染提供了科学依据.     

基于BP神经网络的玻璃瓶裂纹检测模型

阐述了BP神经网络的基本原理，介绍了一种直接估算最佳隐含层节点数的方法。针对普通的玻璃瓶裂纹检测算法存在的问题，提出了一种基于BP神经网络的玻璃瓶裂纹检测模型。实验表明，该模型的检测效果与普通算法相比有了明显的提高。     

基于BP神经网络模型的城市生活垃圾产生量预测研究

提出一种基于BP神经网络Levenberg—Marquardt算法建立城市生活垃圾产生量的网络预测模型。该方法优于传统的灰色理论预测模型和根据人口数预测垃圾产生量，预测结果客观、合理、精确，实用性强。该研究方法对我国城市生活垃圾管理和环境规划具有一定的指导意义。     

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。     

基于BP神经网络的野战给水装备性能评估模型

为了评估野战给水装备的性能,方便部队选购最佳的净水器材,在前人研究的基础上,结合战场需求和当前水质净化技术研究的成果,提出了野战给水装备的指标体系,并利用BP(back-propagation)神经网络对野战给水装备的性能进行了建模,给出了一种新的算法。算例通过对5种野战给水装备的评价结果与专家们的评价结果相比较的方法,验证了模型的可靠性和可行性。得出了该模型能够作为“计算机评价专家”来代替人的评价的结论。可以将此模型应用到部队选购给水装备的实际工作中,方便采购人员对野战给水装备的性能进行横向比较,选出综合性能最高的装备。     

一种基于BP神经网络的个体定税模型

阐述了BP神经网络的基本原理,通过分析影响定税的一些主要因素,提出了基于BP神经网络的个体定税预测模型,并以株洲市地方税务局的系数定税数据为样本,对该模型进行分析评估,进而表明BP神经网络在核定纳税户的应纳税额方面具有较好的实用性.