湘江长沙段浮游植物区系组成及水质评价初步研究

运用指示生物方法,通过调查湘江长沙段浮游植物区系组成,并结合总氮(TN)、总磷(TP)等理化指标分析,对湘江长沙段水质评价进行了初步研究.主要结果如下:湘江长沙段3个样点的水体中共鉴定出浮游植物6门43属61种.浮游植物在区系组成上以硅藻(Bacillariophyta)、绿藻(Chlorophyta)和裸藻(Euglenophyta)3个门为主,优势种类主要有硅藻门的直链藻(Melosira)、菱形藻(Nitzschia)和小环藻(Cyclotella),绿藻门的衣藻(Chamydo-monas),裸藻门的绿色裸藻(Euglena)等.所有采样点的总氮、总磷质量浓度均超过富营养化指标.指示生物评价方面,藻商评价结果显示湘江整体上属富营养型;污染程度分带评价显示湘江长沙段整体达到α-中污和β-中污水平.此外在湘江各样点鉴定出多种耐有机污染和耐重金属污染藻类,显示江水受到有机物,很可能也受到重金属镉、锌和铜等的污染.研究结果表明运用指示生物方法来评价湘江水质具有一定的实际应用价值.     

基于BP神经网络的水产健康养殖专家系统设计与实现

针对传统专家系统的知识获取困难、推理能力弱、智能水平低和实用性差等缺点,阐述了BP神经网络运用于水产健康养殖专家系统的设计思想,对水产养殖中的饲养、水环境调控、疾病诊断的模糊描述进行量化,从系统模型和实现流程上说明本专家系统的特点,并以水质评价子系统为例,对平台功能和性能进行测试.实验数据表明,误差小于1%.该平台克服了完全依靠专家经验的主观性,诊断效率高,具有较高的实用性、通用性和灵活性.     

基于BP神经网络的干热风灾害预测

干热风是我国新疆,西北等地农业气象灾害之一,其形成因素呈现复杂的非线性关系.利用传统方法很难建立起一个精确完善的预测模型.人工神经网络具有强大的非线性映射能力,尤其是BP神经网络在预测领域中被广泛应用.本文利用BP神经网络对干热风灾害进行了预测.结果表明,基于BP神经网络的干热风预测模型误差小,能达到满意的效果.     

基于BP神经网络的集中监测系统故障诊断

铁路信号集中监测系统通过采集信号设备开关量、模拟量并记录分析,实现了设备工作状态监测、故障报警等功能。为了进一步实现集中监测系统对设备故障原因的分析,讨论基于BP神经网络的集中监测故障诊断流程,对信号设备故障机理的分析确定特征参量,再利用集中监测系统功能获取故障数据,将故障数据作为训练样本对神经网络进行训练,从而获取其中的映射关系。集中监测系统实时监测特征参量的异常变化,将测试的信号设备特征参量作为待诊断样本输入神经网络。结果表明,网络将会输出最匹配的诊断结果,实现集中监测系统的故障诊断功能。     

基于MATLAB的BP神经网络进行教师评估

根据影响教师评估成绩的指标构建了BP神经网络模型,应用MATLAB工具直接根据教师的表现来估算教师的评估成绩,对神经网络在教师评估中的应用作了新的尝试．     

基于BP神经网络的项目投资风险评价

为了科学准确地对风险投资项目进行评价，利用BP神经网络的原理建立了用于项目投资风险评价的BP神经网络模型，通过对福建省14个高技术项目投资风险的评价，表明由该模型获得的结果是可靠的。     

基于BP神经网络的手写数字识别研究

将BP神经网络应用于手写数字识别,通过实验证实,该方法具有较高的识别率和可靠性．     

基于BP神经网络的酒泉市霜冻天气预测研究

本文利用2019年12月和2020年1月至11月气象观测资料、ECMWF再分析资料和FY-4陆表温度资料,基于BP神经网络对甘肃省酒泉市一次霜冻天气进行预报分析研究.研究表明:此次霜冻天气前期受到贝加尔湖西部冷槽影响使气温下降,后期乌拉尔山高压脊东移使天气转晴,冷平流及强辐射的共同影响是此次霜冻天气的主要原因;霜冻...     

基于主成分分析的BP神经网络和RBF神经网络月平均气温预测模型

应用基于主成分分析的BP神经网络和RBF神经网络建立了气温预测模型.通过比较模型的均方误差(MSE)和平均绝对误差(MAE)值可知,采用主成分分析的BP神经网络得到的预测模型的误差小于主成分分析的RBF神经网络预测模型.结果表明,模型采用主成分分析提取了影响因变量的重要因子,去掉了网络输入样本的自变量之间的重叠因子,同时也提高了预测能力.     

基于优化BP神经网络的网络营销绩效评价模型的构建

网络营销尽管发展历史较短,但却在企业经营中发挥着日益重要的作用,为了使网络营销发挥良好的效果就需要对其投入和产出进行科学评价。本文在现有研究基础上结合网络营销的最新发展构建了完善的评价指标体系,进而选择优化的BP神经网络模型进行建模检验,对帮助企业调整网络营销策略及方法、提高网络营销效果产生了积极作用。     

基于BP神经网络的障碍物位置视觉检测的研究

针对障碍物位置的自动检测,提出了基于单摄像头视觉的检测方法。首先利用BP神经网络进行标定建立图像坐标系与地面坐标系的对应关系,然后以图像中障碍物两个位置点为输入,障碍物实际位置点为输出,建立神经网络。以18个点进行实验,实验结果表明横坐标x的平均误差为3.12%,纵坐标y的平均误差为0.83%。这说明利用此方法能够较为准确地求出障碍物的位置。     

基于BP神经网络的村镇银行信用风险预警模型的构建

随着农村金融政策的调整,大量的村镇银行成立。在我国由于农村经济薄弱、贷款客户复杂、金融服务不佳,存在的信用风险相当严重。为了降低村镇银行信贷风险,提升农村金融水平,有必要对信用风险进行研究。通过建立信贷风险预警模型,可以改善贷款决策质量,为贷款决策提供参考依据和技术支持。本文建立了基于BP神经网络的村镇银行信用风险预警模型,为村镇银行信用贷款的决策提供了可靠的科学依据。     

基于主成分分析的BP神经网络长期预报模型

MATLAB是进行神经网络系统设计及多元统计分析的有力工具．利用MATLAB6.5对月平均降水量的前期预报因子进行主成分分析,实现样本的最优压缩,从而降低样本的维数,建立起基于主成分分析的神经网络广西北部地区5月平均降水预测模型．计算结果表明,基于主成分分析的神经网络模型在预测中与多元回归模型相比有较好效果．     

基于BP神经网络的避洪安置区选址研究

为了解决洪水灾害应急管理中避洪安置区的选址问题,在总结前人研究成果的基础上,从自然环境、可行性、生活条件、社会环境、实用性等5个方面出发,通过17个具体指标,构建了避洪安置区选址评价体系;在安置区的选址分析中引入BP神经网络,构建了基于BP神经网络的安置区选址模型,根据选址评价体系及相关经验确定网络模型各层次的神经元节点数量,并采用样本对模型进行训练分析,建立了稳定的网络结构,最终实例验证了该模型在避洪安置区选址问题中的有效性及可行性。     

利用MATLAB实现BP神经网络的设计

BP网络，即多层前馈神经网络，因其采用误差反向传播算法（Error Back Propagation，即BP算法）而得名，是目前应用最为广泛的神经网络之一。主要应用于模式识别、函数逼近、数据压缩及预测等领域。美国的Mathwork公司推出的MATLAB软件包既是一种非常实用有效的科研编程软件环境，又是一种进行科学和工程计算的交互式程序。MATLAB本身带有神经网络工具箱，可以大大方便权值训练，减少训练程序工作量，有效的提高工作效率。     

基于BP神经网络对空气质量数据的真实性判别

针对珠江三角洲各城市空气质量数据真实性的判别,分别构建熵权法模糊综合评价和BP神经网络等模型,使用MATLAB和EXCEL等软件编程求解,研究得到广州和深圳等城市存在空气质量数据造假的嫌疑,并将数据不真实的原因分为主观性统计错误和非主观性统计错误.为政府和环境部门制定预防空气质量数据造假的对策提供较为科学的建议.     

砂土液化判别最优BP神经网络模型

利用BP网络模型在解决砂土液化评价这类非线性问题方面的优势,选取不同的参数组合,建立不同的砂土液化判别BP神经网络模型,并根据现场实测资料进行比较分析.结果表明,以地震烈度、标准贯入点深度、地下水位深度、标贯击数、不均匀系数及地震剪应力比作为输入节点的砂土液化判别BP神经网络模型最为合理.     

基于BP神经网络的海洋温度预测及鱼群迁移方向研究

全球海洋温度在不断上升,海水水温的变化使得鱼群向更高纬度进行迁移,导致原先苏格兰的小型渔业公司业务受到影响.主要讨论了50年后由于海洋温度变化导致苏格兰海域的鲱鱼和鲭鱼鱼群迁移以及最有可能出现的区域.文中,首先根据不同深度水温和表层水温的关系,得到鲱鱼和鲭鱼所处海洋的温度分布范围并通过热力图直观显示温度范围和分布位置....     

基于粒子滤波与BP神经网络的短时交通流预测

为了有效缓解当前交通拥堵问题,结合时下流行的智能交通系统,本文将粒子滤波算法引入短时交通流预测过程中,提出一种基于粒子滤波与神经网络的预测算法。该系统通过BP神经网络的非线性映射功能,分裂选择适当的权值,在多次训练之后能够提高算法中粒子的多样性,改善算法滤波的性能,最终达到提高预测精度的目的。另外,本文以河南省新乡市交通局公交和出租车数据作为数据来源,通过与传统的粒子滤波算法和BP算法的预测结果进行对比,发现本文所提出的方法对短时交通流预测具有更好的预测精度。