基于Matlab的BP神经网络在太阳耀斑级别预测中的应用

太阳耀斑爆发与多种因素存在着非线性的关系,其中规律难以把握.选择时间变化长短,工作频率,路径大圆距离,VLF传播相位变化偏移量4个与太阳耀斑级别预测密切相关的重要因素,构建了BP神经网络模型;然后利用Matlab工具箱对网络模型进行系统仿真与多次训练,使网络的预测输出不断逼近期望输出,实现对太阳耀斑级别的预测,通过结果误差分析,表明这种方法具有有效性与可行性.     

台阶压碴爆破效果遗传神经网络预测

应用遗传神经网络模型对台阶压碴爆破效果进行了预测,增强了预测结果的可靠性。遗传神经网络是人脑的模型,从爆破实例中获取经验知识,并应用专家知识对爆破效果进行预测,取得了符合实际的预测结果,从而为选择爆破控制参数和取得良好的爆破效果提供了依据.     

基于MATLAB7.2神经网络工具箱的混凝土抗压强度预测

为最大限度地利用回弹法和超声波法混凝土抗压强度非破损检测试验数据,应用通用数学软件Mat-lab7.2神经网络工具箱中的BP人工神经网络(BP-ANN)算法,通过优化网络结构和隐层节点数量建立了拓扑结构为2-10-1的BP-ANN模型;将其充分训练后,用于混凝土抗压强度预测。分析结果表明,混凝土抗压强度预测值与实测值的误差小于5.0%,能够满足工程需要;BP-ANN预测能力较强,具有一定的工程应用价值。     

基于MATLAB的改进BP神经网络在城市日用水量预测中的应用

利用MATLAB神经网络工具箱对城市短期用水量进行模拟,比较各种改进BP神经网络对城市短期用水预测方面的效果,得出用BP神经网络预测城市日需用水量是可行的,其中尤以traincgp方法预测效果最好的结论.     

基于BP神经网络入侵检测系统

本文是采用改进BP神经网络的拟牛顿算法,并利用matlab提供的神经网络工具箱构建BP神经网络入侵检测系统。此算法的优越性在于收敛速度比较快,特别对于较高维数的问题。测试后证明所构建的系统是可行的,能够检测到新的入侵行为。     

基于神经网络的爆破块度预测

选择以对爆破效果影响最为明显的爆破参数作为神经网络输入层参数,建立神经网络预测模型,对爆破效果参数进行预测。将块度指标作为神经网络计算的输出层神经元,分析神经网络计算得出的块度指标是否满足设计精度。选择合理的样本数目进行训练学习,将模型计算结果与实测现场数据进行比较,输出结果的误差精度可以满足现场生产需要,能够达到指导实践中矿山调整爆破参数、改善爆破效果,节约成本的目的。     

爆破振动特征参量的BP小波预测

以福建泉州南惠高速公路NH5标段路基爆破开挖工程为实例,运用人工神经网络原理,以孔径、孔深、孔距、排距、最大单孔药量、单段最大药量、总药量和爆源距离作为影响爆破振动的主要因素,建立BP小波神经网络模型.对质点的水平径向、水平切向、垂直方向等3个方向分别预测其爆破振动速度峰值及频率,并将预测结果与BP神经网络、支持向量机的预测结果进行对比.实验结果表明:BP小波神经网络的爆破振动速度峰值-频率模型预测收敛快、精度高,优于标准BP网络和支持向量机模型,其结果更加符合国家标准GB 6722-2003《爆破安全规程》的评价要求.     

基于BP神经网络的凿岩爆破参数优选

为了得到合理的凿岩爆破参数,使用BP神经网络进行优选.经过简化,以炮孔间距和排距作为输入因子,以总炸药单耗作为综合输出因子;通过有限次的爆破正交试验,建立网络学习、训练样本,优选出最佳的网络模型;增加各输入因子水平,组合成预测、优选样本,从而搜索出最优的凿岩爆破参数.以新桥硫铁矿为例,优选出炮孔间距为1.30 m,排距为1.10 m;预测总炸药单耗为0.459 7 kg/t,比原炸药单耗(0.828 8 kg/t)降低44.53%.     

基于BP神经网络的环境质量评估

利用人工神经网络对地区综合环境质量进行了评价,提出了基于BP人工神经网络、以Matlab为平台的算法程序的人工神经网络环境质量分类模型．并以某地区环境监测数据值为样本,进行了环境质量评价分析．研究结果表明,BP神经网络应用于环境质量评价无需构建复杂的参数方程,且具有基于知识学习的特性,结构简单实用,具有客观性和通用性．     

用Matlab的ANN工具箱实现电力负荷的预测

人工神经网络法预测技术可以模仿人脑做智能化处理,对大量非结构性、非确定性规律具有自适应功能。ANN应用于短期电力负荷预测。利用Matlab的神经网络工具箱可以加快预测速度、降低预测难度,同时提高效率。     

基于BP神经网络的改进算法研究

文章介绍了传统的BP算法,分析了它的不足之处,详细研究了BP算法的各种改进方法和措施,并通过实例,运用Matlab语言对部分改进算法进行了比较研究。实验结果表明,Levenberg-Marquardt自适应调整算法性能优于其它结合算法,可为其它工程提供参考。     

基于BP神经网络的建筑施工事故非线性组合预测

以建筑行业百万元产值死亡率为预测对象,建立了非线性回归模型、三次指数平滑模型、灰色模型、线性组合预测模型和基于BP神经网络的非线性组合预测模型.结果表明,该非线性组合预测模型的拟合及预测精度均较其它模型有明显提高,能够有效地综合利用各单项预测模型所提供的信息,证明了该模型适用于对建筑施工事故的宏观预测,为非线性组合预测模型的构建提供新的思路.应用该模型对2014-2016年全国建筑施工百万元死亡率进行预测,计算结果表明,未来几年建筑业安全生产将会保持在一个较稳定的水平.     

基于BP神经网络的供应商选择研究

供应商的选择在整个物流系统中占有非常重要的地位.本文建立了基于BP神经网络的供应商评价指标体系,给出了BP神经网络的评价模型,并结合算例进行分析.实例证明,该方法是可行的.     

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.     

基于神经网络集成的经济预测模型

针对单个BP神经网络用于经济预测存在的不足,提出了一种新的更有效的经济预测模型--神经网络集成.神经网络集成通过训练多个神经网络并将各网络输出进行合成,能够显著提高网络的泛化能力.以广东省江门市的经济数据为例,采用Bagging算法训练了五个BP神经网络,构建了一个神经网络集成的GDP预测模型,并运用MATLAB 7.0语言程序实现.预测结果令人满意,优于单个神经网络预测方法.实证表明,神经网络集成用于经济预测是有效可行的,同时在一定程度上克服了单个神经网络的缺陷.     

基于改进的BP网络数字字符识别

提出了一种基于改进的BP网络方法来实现数字字符识别.通过对BP网络的神经元的研究与学习,设计了一种结构合理,收敛速率快的BP网络.试验测试结果表明,改进的BP网络方法对印刷体数字的识别率达到了100%,对手写数字的识别率达到了98%以上.     

基于BP神经网络的湿地遥感分类

遥感图像分类的实质是通过计算机对图像像元进行数值处理，达到自动识别地物的目的．在对国内外湿地遥感分类研究的基础上，用BP神经网络方法对湿地遥感分类进行了研究，并与最大极然法进行精度比较分析．结果表明：BP神经网络分类法是一种有效的湿地分类技术，能够提高分类精度．     

BP神经网络初始化方法研究

提出一种等比例系数型BP神经网络权值和阈值的初始化方法,该方法可将S型传递函数的自变量转化到区间[0,1）上,从而提高网络的收敛性能.从理论上证明了该方法的可行,并通过非线性函数y=x12＋x22的拟合实验,证明了该方法是有效的.     

改进的BP神经网络煤炭需求预测模型

针对煤炭需求预测模型的预测结果精确度较低的问题,应用通过附加动量法改进的BP神经网络模型,综合考虑工业用煤(电力、冶金、建材、化工等)的趋势、国内生产总值的年增长率,价格指数、煤在能源消费中的比重等因素的影响,可使此模型对煤炭需求的预测特别是近期预测结果达到较高的可信度.