利用BP神经网络预测原油粘度

神经网络是一种抽象的数学模型,研究BP神经网络的特性并利用该网络预测原油粘度,建立了一个BP神经网络模型,最后利用MATLAB环境下的神经网络工具箱开发相应的程序。并最终将其用于原油粘度的预测。     

浅谈利用BP神经网络进行系统预测的方法

BP神经网络体现了人工神经网络最精华的部分,利用BP神经网络可以实现系统预测功能,本文就工程实际中利用BP神经网络进行预测的问题进行阐述.为BP网络的实际应用做了铺垫.     

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神经网络的我国碳排放情景预测

碳排放预测有助于碳减排目标和碳减排路径的科学制定。借鉴STIRPAT模型的影响因素,选取人口、城镇化率、人均GDP、第三产业GDP比例、能源消耗强度、煤炭消费比例等6项因素为自变量,以1980-2009年的指标数据为训练样本,运用BP神经网络方法构建了我国碳排放预测模型,并对2010-2015年我国碳排放进行预测,结果表明我国“十二五”期间应适当降低GDP增速,促使碳排放目标的有效实现。     

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.     

基于BP神经网络的组合预测及在电力负荷的应用

分析了电力负荷预测的意义及预测原理,并以传统方法证明了组合预测的优越性．在经典预测方法线性回归和现代预测方法灰色模型的基础上,通过BP神经网络进行组合预测,分别应用单一模型和以计算机为工具的组合模型对上海市年电荷用量进行预测．通过分析和比较验证了该组合算法的有效性,     

基于Landsat-8 OLI的鄱阳湖叶绿素a浓度定量反演

Landsat-8 OLI数据的应用越来广泛、成熟,但尚未见诸在水质监测,尤其是叶绿素a浓度监测方面的应用。以叶绿素a作为参数,结合准同步的实测数据,通过在鄱阳湖的应用案例,研究、探讨利用Landsat-8 OLI卫星数据对湖泊叶绿素a遥感反演的可行性和相关潜力。根据研究,鄱阳湖与实测叶绿素a相关性最高的是波段B4(红波段),Pearson相关系数为0.916,并由此而选择B4作为构建模型的波段组合,建立线性回归、对数、指数、乘幂、二次多项式等五种回归模型,通过R2系数对比,显示二次多项式回归模型为最佳模型。经实测点验证,该模型能较好地反演出鄱阳湖的叶绿素a浓度。     

基于BP神经网络的高炉熔渣黏度预测

建立一种BP神经网络模型来预测多元组分CaO-SiO2-Al2O3-MgO系高炉熔渣的黏度,并对其测量值进行实验验证。结果表明,采用BP神经网络模型对高炉渣黏度预测的总平均误差为2.36%,较好地解决了预测结果与实验结果之间的非线性关系,且预测结果与实验结果相吻合。     

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神经网络的泉州市山美水库降雨径流模拟研究

考虑到降雨-径流的非线性关系的复杂性,同时保证较高的计算时间效率,本研究采用率定—验证同步进行的BP神经网络模型,以降水量、时间、气温、风速、辐射量等5个因子作为输入层变量,以实测流量为训练数据,对泉州市山美水库来水量进行月时间尺度的模拟.并与SWAT分布式水文模型的模拟结果进行比较,以此评价BP神经网络模型模拟降雨径流过程的精确度与可行性.研究结果表明,BP模型模拟结果的误差均在允许范围内且精确度较高,适用于山美水库来水量预测研究.     

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．     

基于BP神经网络的充填钻孔使用寿命预测

针对充填钻孔的使用寿命受很多因素的影响,并且影响因素与钻孔使用寿命之间不存在显著线性关系的特点,采用人工神经网络方法来研究钻孔使用寿命预测的问题。通过对金川公司充填钻孔进行调查分析,找出影响钻孔使用寿命的主要控制因素,建立结构为3—9—1的三层BP神经网络模型来预测金川矿区充填钻孔的使用寿命。结果表明,预测值与实际值拟合得较好,最大误差为13．58％,验证了用BP神经网络预测钻孔使用寿命的可行性。     

基于BP神经网络的股票价格预测

影响股票价格变动的因素有很多,且股票数据具有高度的非线性和时变性等特征,因而采用经典线性时间序列模型可能无法完全提取非线性部分的信息.针对这一问题,建立了BP神经网络模型、PCA-BP神经网络模型、GA-BP神经网络模型和ARIMA(6,1,6)模型对上证综合指数的收盘价格进行预测.计算各预测模型下的统计指标RMSE和MAE,并对4个模型进行对比分析.结果表明,GA-BP神经网络预测模型与其它三种模型相比具有更小的误差,也就是说GA-BP神经网络预测模型对上证综合指数的收盘价格预测效果更好.     

滩涂沉积物中叶绿素a浓度与沉积特性的关系

2005年4，5，10和12月在崇明东滩中潮带光泥滩(藻类盐渍带)内靠近海三棱藨草( Scripus mariqueter )带选择一区域，沿高程方向选取3个断面，每个断面选取了3个样点，进行了表层沉积物叶绿素a的浓度和粒径组成的观测研究.结果表明，研究区域表层沉积物中叶绿素a的浓度4，5月份较高，分别为(5.997±0.803) μg·g^-1和(2.356±0.298) μg·g^-1，12月份最低，为(0.571±0.091) μg·g^-1；表层沉积物中细颗粒物质(＜50 μm)含量从4月到12月也有减少的趋势，春季4月份最高，为(91.0±5.44)%，冬季12月份最低，为(59.8±11.95)%.对4个月份样品的叶绿素a浓度与细颗粒物质含量进行相关关系分析，研究结果显示它们之间存在线性正相关( r=0.693，P=0.012 )，表明细颗粒物质的含量与叶绿素a浓度之间存在着一定的相互促进作用.此外，由于光的限制，沉积物中叶绿素a的浓度主要分布在表层1 cm内，且海三棱藨草与光滩过渡带中光滩表层沉积物中叶绿素a的浓度远大于同高程的海三棱藨草内.     

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。     

利用遥感数据反演渤海海域叶绿素的浓度

依据神经网络算法和叶绿素荧光算法的基本理论,处理海洋遥感数据,反演渤海海域叶绿素浓度,并将反演结果同实测海洋叶绿素浓度进行比较.神经网络算法无法精确地从云层覆盖区获得叶绿素浓度,而荧光算法则可以突破云层的干扰获得接近实际值的叶绿素浓度.     

比较BP神经网络和RBF神经网络在基金净值预测中的应用

基金市场的活跃程度直接影响基金净值的变动,市场内部的影响因素具有较强的非线性特征,神经网络模型强大的非线性处理功能能够更为精准地预测基金净值的走势.本文采用BP神经网络和RBF神经网络对华夏成长基金进行实证分析,比较2种方法的预测精度.实证结果表明:RBF神经网络的仿真结果与真实值匹配程度较好,具有更高的预测精度.     

基于BP神经网络的交通流量预测设计

在研究交通流量特性的基础上,以交通流量控制为最终目标,建立了基于BP(Back Propagation)神经网络的交通流量预测模型.以某市某三叉口路段为例进行仿真模拟,结果表明预测系统能较准确地预测出交通流量状况.     

基于BP神经网络的水质预测技术

针对城市污水处理厂在生化处理污水过程中测量重要过程变量困难、无法及时检测的问题,提出了基于BP神经网络的预测技术.利用某化工污水处理厂的实际运行数据对提出的BP神经网络结构进行了训练和仿真.结果表明:通过合理选择辅助输入变量,可以实现对过程变量的在线预测.