基于主成分分析的BP神经网络在电力系统负荷预测中的应用

BP神经网络应用于电力系统负荷预测时,如果输入空间严重自相关及网络维数较高时,BP神经网络的预测精度会下降。针对这一问题,本文提出一种改进新方法,具体是利用主成分分析（PCA）方法对原输入空间进行重构,并根据各主成分的贡献率来确定网络的结构,从而有效解决了BP网络预测精度下降的问题,最后通过实际的算例验证了该方法的有效性。     

基于主成分分析的BP神经网络及其在需水预测中的应用

以甘肃省瓜州县为例,利用1988~2007年的总需水量数据,采用主成分分析法对影响水资源需求量的7个因子进行主要影响因子分析,根据确定的主要影响因子构造BP神经网络的输入样本,从而进行不同水平的年总需水量预测。结果表明:国内生产总值、工业总产值、农业总产值和大牲口数4个因子为影响研究区需水量的主要因子,将此作为主要因子构造BP神经网络的输入样本,确定网络输入节点数,建立瓜州县总需水量预测模型。模拟计算结果表明,基于主成分分析的BP神经网络模型取,预测结果的绝对误差小于±0.05×109m3。     

基于主成分分析的BP神经网络对房价的预测研究

为了提高房价预测精度,采用基于主成分分析的BP神经网络预测模型.首先运用主成分分析对影响房价指标重新组合生成新的综合指标,然后采用非线性预测能力非常强的BP神经网络对其进行建模,并对房价进行预测.仿真结果表明,基于主成分分析的BP神经网络的房价仿真值与历史值的系统总误差只有0.52%,可作为房价预测的一种行之有效的方法.     

基于主成分分析与BP神经网络的冲击地压预测

冲击地压的发生会对矿山造成巨大的经济损失,预测预报是防治冲击地压的重要组成部分。文章将主成分分析方法与反向传播人工神经网络(即BP神经网络)方法相结合,用于对冲击地压的预测。首先,利用主成分分析法对冲击地压的影响因素进行分析,降低数据的维数。然后,将所得的数据作为BP神经网络的输入数据进行训练,用训练好的神经网络对冲击地压进行预测。预测结果与实际结果的对比表明,利用主成分分析—BP神经网络方法对冲击地压预测是可行的。     

基于主成分和BP神经网络方法的湖南省汽车保有量预测

汽车保有量预测对城市交通的发展方向、城市交通的控制管理、城市道路的建设情况等都有直接的参考意义。本文通过分析影响城市汽车保有量的因素,通过参考部分参考文献,城区人口总数人均GDP、公路客运量等8个指标,首先采用主成分分析法将8个因素进行分析,然后建立BP神经网络模型对湖南省2006到2008年汽车保有量进行预测,预测结果分别为98．93万辆、122．18万辆、137．03万辆,与汽车保有量实际值94．64万辆、121．72万辆、142．67万辆很接近,预测精度比较高。这表明BP神经网络具有很强的学习与泛化能力,用于汽车保有量预测的可行性与有效性。     

主成分分析方法在BP学习中的应用

用主成分分析的思想解决BP算法中的两个问题．一是隐层中神经元的个数,另一个是训练的初始参数．为了便于比较,采用来自武汉同济医院的58个样本作为学习对象．通过实验比较得知,改进后的算法不仅节省了训练时间,而且能够得到更好的学习效果．     

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.     

矿井涌水水源的主成分分析和BP神经网络判别

为准确判别矿井涌水水源,针对矿井各主要含水层的水化学特征数据样本,利用主成分分析法消除变量中的重复信息,采用BP算法对网络进行训练,实现对随机挑选样本的判别,并与Bayes判别结果进行比较.结果表明：主成分分析与BP神经网络相结合的方法判别涌水水源的正确率为82.35％,优于Bayes判别法.该研究为有效开展矿井防治水工作提供了参考.     

改进的BP神经网络及其在销量预测中的应用

针对影响产品销量的因素众多,并且影响因素之间相互作用等特点,将人工神经网络理论引入产品销量预测领域.同时,为了克服BP网络的局限性,提出将主成分分析方法、BP神经网络以及粒子群优化算法相结合,分别从样本质量和初始权值两个方面对BP神经网络进行改进.最后,对某品牌服装产品的月销售量进行了实例研究.结果表明,所提出的模型简...     

主成分神经网络模型在疾病预测中的应用

针对在医学卫生领域,疾病受到许多因素的影响,很难用结构式的因果模型加以解释的问题,根据神经网络来预测是一种行之有效的方法。径向基函数(RBF)神经网络应用于疾病的月发病人数预测时,由于影响它的气象因素:月平均气压,月平均气温,月平均相对湿度,月平均风速,月平均降水量本身具有很大的相关性,且维数较高,RBF神经网络的预测精度会下降,针对这一问题,文中提出了利用主成分分析(PCA)方法对原输入空间进行重构,并根据各主成分的贡献率来确定网络结构,从而有效的解决了预测精度下降的问题。最后以2001年8月至2006年9月张家川支气管肺炎月发病人数的资料验证该方法的有效性。至此,应该充分考虑人在各时间段的发病特征,以便更有重点地进行健康防治工作,有效地降低支气管肺炎对人类的危害,保障人类的生活品质。     

一种优化 BP 神经网络训练样本的方法

BP神经网络训练样本的选取对网络的泛化能力有较大的影响,特别,怎样从高维大样本数据中选取合适训练样本是一个难点。本文运用因子分析法对大样本数据进行预处理,再利用分析所得的公因子进行聚类分析,这样既可以降低指标的维数,也可以减少样本的数量。实验证明,该方法简化了网络结构、加快了网络的收敛速度,对提高网络的泛化能力有一定的帮助。     

基于BP神经网络的政府投资工程委托代建风险分析与评价

代建制是目前各地正在探索的一种新型建设管理模式，它能有效地实现投资、建设、管理、使用职能四者分离的目标．本文对政府投资工程实施代建制的风险来源进行了分析，建立了三层前馈神经网络模型，根据BP算法调整其权值和阀值，进行系统训练并结合输入数据，最终得到风险估计系数，以输出值作为决策依据，为政府投资工程的风险分析提供了一种结合现代算法的新思路．     

主成分分析与BP网络组合的大坝变形预报

将主成分分析与BP神经网络相结合应用到大坝变形影响因子的优化中,建立大坝变形预测模型.可以有效地降低输入因子的维数,减小因子之间相关性的影响,简化网络结构,降低网络训练难度,提高预测的稳定性及精度,提升BP网络训练的效率,解决由影响因子内部相关性而需引入大量因子的问题.通过实验结果对比表明,主成分分析与BP网络相结合的...     

绝对主因子法解析长春市大气中可吸入颗粒物来源

采用长春市2011—2012年期间非采暖期和采暖期8个监测点位的40个样本数据,应用主因子分析/绝对主因子分析法进行源解析研究,得到以下结论:通过主因子分析法识别长春市PM10的三个主要来源,分别是城市综合扬尘/其他未知尘源、道路尘/燃煤尘以及土壤风沙尘/机动车尾气。应用绝对主因子法计算出各污染源对PM10中各化学组分的贡献量和贡献率,并且通过绝对主因子分析法得到的解析值与监测值之间的拟合程度较好。基本解释了监测值;城市综合扬尘/其他未知尘源占51%,道路尘/燃煤尘占41%,土壤风沙尘/机动车尾气尘占8%。     

主成分分析在人脸识别研究中的应用

PCA(Principal Component Analysis),主成分分析方法,是一种得到广泛应用的人脸识别方法。PCA算法提供了一个高维和低维空间的线性变换矩阵,就是利用低维特征向量来表示原始样本信息,利用变换矩阵可以得到一个特征子空间,即特征脸。进行识别时,把待识别的人脸向其投影,采用最近邻法得到最近的点,最终识别该人的身份。     

BP神经网络在水轮机综合特性曲线中的应用

介绍了利用BP人工神经网络进行水轮机综合特性曲线数据处理的方法。这种方法无须建立具体的函数关系表达式,即可将已知离散数据进行拟合,从而提高了水轮机综合特性曲线数据处理的工作效率。     

BP神经网络在字符识别中的设计改进

BP网络模型是最早被提出来的人工神经网络模型之一,它是一种简单而且非常有效的算法.在数字字符识别系统中,为了克服BP神经网络的易陷入局部极小、收敛速度慢等缺点,本文对传统的BP算法进行了多方面的改进,使得算法更加有效.     

基于BP神经网络的课堂教学质量评价系统

课堂教学质量在很大程度上决定了学校的教育质量,其评价体系的构建成为教学督导工作的重要环节。本文将BP神经网络用于课堂教学质量评价中,以重庆工商大学的教学督导专家评教情况为例,构建了课堂教学质量评价模型。通过MATLAB仿真,结果表明该评价模型可以克服人为的主观因素,并且得到满意的评价结果。为学校构建科学合理的内部质量保障体系提供了一种新方法。     

基于PCA的聚类分析在汶川地震灾情分类中的应用

利用主成分分析(PCA)运用SPSS软件对汶川地震36个严重受灾县市的8个灾情指标进行了综合分析,得到了累积贡献率为83.403％的3个主成分及其得分;然后,基于3个主成分的得分采用聚类分析对汶川地震36个严重受灾县市进行了分类;得到了全面、合理和科学的分类结果.     

基于BP神经网络的股线力学性能数值预报

基于股线的参数，建立了S形函数连接的BP神经网络模型。采用Levenberg-Marquardt优化算法，用MATLAB6．1进行仿真，对股线的拉伸力学性能进行了预报。预报结果与实验结果吻合良好。