BP网络在股市预测方面的应用

介绍了用ＢＰ网络进行预测的一般原理和方法，并以长春华联股票为例阐明了ＢＰ网络在股市预测方面的应用。     

徐州市轨道交通1号线客流预测研究

为了预测徐州市轨道交通1号线开通当年的客流,本文以规划线路沿线车站800 m半径内的18个交通小区为研究对象,进行公交调查和交通小区调查,同时利用四阶段法建立预测模型,对该线路开通当年工作日全日客流进行预测分析,根据改进后的重力模型及调查统计所得的数据得出预测结果并进行分析。     

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。     

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...     

基于优化BP神经网络的高准确度软件缺陷预测应用研究

针对软件缺陷测试任务中的准确度问题,提出一种基于优化BP神经网路的软件缺陷预测方法 .该方法首先采用4层BP神经网络构建多层感知模型,并结合模糊控制原理实现任意复杂非线性关系逼近.然后通过灰狼优化算法克服BP神经网络的局部搜索陷入,从而解决其参数设置依赖性问题.实验结果表明,相比于PSO-BP算法和SA-BP算法,该算法的仿真拟合效果最优,表现出了更高的软件缺陷预测准确度.     

BP神经网络预测技术在脱硫系统pH值中的应用

在热电厂脱硫过程中,pH值的稳定性对脱硫效率影响重大,在实际生产中因受到各种环境因素及主观因素的影响,pH测量仪器在现场操作中易受到破坏或腐蚀,给生产造成很大损失,为了降低这种损失,提出了基于BP神经网络的预测技术。运用此预测算法对系统参数进行数学建模,设计了三层网络预测模型,同时用Matlab工具箱对pH数据进行仿真,使系统实现在线控制和实时控制。结果表明,BP神经网络对脱硫系统中pH值的预测精度很高,产生误差也很小,取得了满意的预测效果。因此,用BP神经网络预测技术对烟气脱硫系统中的pH值进行预测,能提前预知脱硫过程中pH值的变化情况,有助于改善脱硫装置的效率。     

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....     

优化的BP神经网络在预测电动汽车SOC上的应用

为了提高BP神经网络预测模型对电动汽车电池SOC值预测的准确性,采用遗传算法GA和粒子群算法PSO两种优化算法分别对BP神经网络进行优化,即优化BP神经网络的权值和阈值,然后训练BP神经网络预测模型以求得最优解。将该方法应用到预测电动汽车电池的SOC值中并与实际测量的SOC值进行验证比较。仿真实验表明,经过粒子群算法优化后的BP神经网络预测电动汽车SOC值的误差在1.0%~4.4%之间,明显优于采用遗传算法优化的误差范围1.6%~10%和传统的BP神经网络误差范围2.0%~72%。     

基于PSO的BP神经网络纱线条干CV值预测研究

本文简要介绍了BP神经网络所用的BP算法,针对BP算法的不足之处,采用粒子群优化算法作为BP网络的学习训练函数,优化BP网络的训练速度和精度,建立了基于PSO的BP网络模型。同时,将这种优化后的BP网络模型应用于纱线条干CV值预测技术中,验证了该网络模型的性能。     

BP神经网络在极限承载力预测中的应用

<正>预应力高强混凝土简支T梁极限承载力的计算通常采用有限元的数值分析方法,考虑材料非线性影响,对T梁进行全过程分析,得出T梁的承载力。影响预应力高强混凝土简支T梁极限承载力的因素很多(如混凝土强度、钢筋强度、梁的跨径、截面尺寸等),且具有复杂的非线性特性。实际工程中,传统方法建模比较复杂,而且计算工作量大,花费大量的人力和     

一种用于地应力分析的改进型BP神经网络方法

地应力测量及分析研究,对地应力活动方式、构造体系的研究以及岩土工程与结构的设计和稳定性,都具有重大的理论意义和实用价值.BP神经网络算法比较成熟,已被广泛应用,但一般BP神经网络算法存在训练学习速度较慢、样本泛化能力差的问题,通过引入动态学习因子和惯性因子以及模拟辅助样本,对神经网络进行了改进.通过调节动态学习因子和惯性因子以及对样本集数据处理等手段,对样本的学习、训练进行优化处理,通过实例验证,将优化好的网络样本训练结果与一般结果进行比较,结果表明对三层BP神经网络进行的优化,在提高计算精度的同时也提高了网络的收敛速率,证明改进的算法能够很好用于地应力分析.     

一种基于神经网络辨识的预测方法

针对时变的非线性系统,将传统的预测控制与神经网络逼近任意非线性函数的能力相结合,提出一种基于神经网络辨识的预测方法.同时选用含有调整参数的双曲正切函数作为节点的激活函数,弥补由于未考虑激活函数的输出值域、影响神经网络辨识精度和速度不足的问题.仿真结果表明,它适用于无滞后和有滞后的时变非线性系统,辨识收敛速度快、精度高,并具有较强的自适应性和鲁棒性.     

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.     

改进BP神经网络的武警装甲车保障能力评估

影响武警装甲车战时平时保障能力的因素很多.针对当前武警装甲车保障能力评估方法的模糊性和不确定性,建立了以武警装甲车保障能力为目标的评估指标体系.采用萤火虫算法优化BP神经网络,确定其初始权值和阈值,并在此基础上提出一种评估武警装甲车保障能力的方法.根据建立的模型进行计算并分析,表明萤火虫神经网络具有更快的收敛速度和更高的准确性,可适用于武警轮式装甲防暴车保障能力的评估.     

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网络改进算法的模拟电路故障诊断

将BP神经网络的改进算法应用到模拟电路故障诊断中,并在MATLAB7．0中运用神经网络工具箱中的函数加以实现,对实验结果进行比较研究．     

基于粒子群优化的BP神经网络预测方法及其应用研究

本文提出了一种基于粒子群优化的BP神经网络预测方法.该方法利用粒子群优化算法全局搜索BP神经网络的权值和阈值,并利用优化后的BP网络建立预测模型对经济指标进行预测.仿真实验结果表明,该方法克服了传统BP神经网络本身所存在的局部最小值和训练速度慢等不足,能够较好应用于定量经济指标预测,有效提高了预测的精度.     

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。     

交会图和BP神经网络技术在碎屑岩识别中的应用

饶阳凹陷新近系馆陶组岩性以碎屑岩为主,岩性复杂多样,单纯利用测井曲线难以对岩性进行较好地识别,对后续测井解释的结果造成了不利的影响。针对该问题,以测井资料为基础,提出了一种首先利用交会图技术将各类岩性进行归纳总结,然后应用BP神经网络技术对归纳后的岩性进行快速识别的方法。从此种方法在留西地区的应用效果来看,该方法对样本数据库中各类岩性的识别精度达到了90%以上,其中泥岩和粉砂岩的识别精度更是达到了100%,大大提高了单纯利用测井曲线对岩性进行分类识别的精度,在油气勘探开发过程中能够发挥较为重要的作用。