基于BP神经网络的人口预测

利用BP神经网络建立三层神经网络结构模型,以全国人口的出生率,死亡率,老年抚养率等5个指标作为输入样本,对全国总体人口进行预测.隐含层采用多种方法使人为因素降到最低,同时文中采用自适应学习速率和附加动量法相结合的方法,对网络进行训练和学习.将BP预测人口和其他数学方法做比较,预测结果显示该方法是可行的.     

基于BP神经网络的水质评价

将人工神经网络的理论和方法运用于各类水环境的评价,建立水质评价的BP神经网络模型.运用MATLAB丰富的神经网络工具箱函数设计仿真程序,并对多个水质样本进行等级评价,为防治水污染提供了科学依据.     

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BP神经网络的故障诊断

本文论述了BP神经网络的结构和学习算法以及应用到故障诊断中的原理和过程。详细地分析了拖拉机变速箱的工作原理,并讨论了利用BP神经网络的优点,应用到该工程的故障诊断中。通过试验证明,基于神经网络的故障诊断已经逐步走向成熟。     

BP神经网络在材料领域中的应用(综述)

成分一结构一性能之间的关系始终是材料科学研究的主题,传统的试错法等经验或半经验的材料研究方法造成了资源、人力和时间上的极大浪费,因此需要从理论上解决材料设计、评价、预报等方面问题．人工神经网络是具有在线学习、记忆和分析推理功能能力的数学方法,它能够获得输入与输出之间的相互关系．其中BP神经网络结构简单、理论研究比较成熟．在材料研究领域中,BP神经网络已用于材料性能的研究与预测,复合材料工艺参数优化和预报,以及对金属的腐蚀研究等方面．     

基于Simulink的BP神经网络实现研究

BP神经网络是人工神经网络中的一个典型代表,但利用BP神经网络解决实际问题时,经常涉及到大量的数值计算问题,而运用计算机高级语言编程对BP神经网络模型进行仿真和辅助设计是件十分麻烦的事情,为了解决这个矛盾,Matlab中的Simulink提供了大量的可用于实现BP网络的模块,本文通过应用Simulink中的模块构建了一个BP网络,并通过一实例验证了所构建的BP网络的可行性.从而使应用BP网络来解决许多领域的实际问题变得非常方便和有效.     

基于BP神经网络的卧虎山水库水质评价

在MATLAB环境下,建立适用于水库水质评价的BP人工神经网络模型,将模型应用于卧虎山水库2010年8月到2011年12月的水质评价。结果表明,2010年8月到2011年6月在丰水期时比枯水期时水质高,水质稳定为Ⅱ类水,2011年7月到12月在枯水期时比丰水期时水质高,水库水质为Ⅲ类水。将经过训练的模型应用于卧虎山水库水质评价的结果说明,该模型能够准确评价卧虎山水库水体的未知水质类别。     

基于BP神经网络指纹识别的算法

通过对多种指纹分类算法的研究和分析，提出了一种基于BP神经网络对指纹模板进行分类的新算法．首先在对指纹图象进行预处理后建立起指纹模板库，然后采用时间模拟退火函数进行学习因子修正的方法来减少BP算法迭代次数，以提高收敛速度及跳出局部最小．仿真证明：该算法与传统的指纹识别算法相比，分类速度明显高于传统的固定步长的BP算法．     

基于BP神经网络的股市预测模型

本文介绍了神经网络的基本概念,建立BP神经网络模型,以某个股实际收盘价为原始数据样本,对网络进行训练后,对股票价格进行了短期预测,并计算出预测值和实际值的误差。通过实验发现该模型收敛速度快,预测精度高。     

基于BP神经网络的艾滋病预测模型

利用神经网络的自学习、自适应及非线性逼近能力,建立了艾滋病预测模型,并利用Matlab的神经网络工具箱进行开发实现.经过实证研究,表明了该模型的有效性,为艾滋病预防提供了一种科学、可行的预测模型。     

表层沉积物和生物膜对双酚A的非线性吸附

以松花江表层沉积物和生物膜为例, 建立液相色谱法 快速检测水中双酚A（BPA), 并研究了BPA在表层沉积物(SSs)和生物膜(NSCSs)上的吸附规律. 结果表明, 采用液相色谱法, 配以紫外检测器, 对BPA的检测限（MDLs）为10 μg/L, 相对标准偏差（RSD）为2.6%~5.7%, 加标回收率为99.4%~117.8%（n=5）. 吸附实验结果表明, BPA在松花江表层沉积物和生物膜上的吸附过程主要为非线性吸附, Freundlich和Langmuir等温线均可描述BPA在表层沉积物和生物膜样品上的热力学吸附过程（p=0.001,n=8）. 与表层沉积物相比, 生物膜有机质含量较高, 具有较强的吸附能力.     

基于BP神经网络的电机转子故障诊断的研究

介绍了一种基于 BP算法的神经网络在电机转子常见故障诊断中的应用。首先利用测振传感器获得转子的振动信息 ,然后用 FFT分析 ,将振动信号的频谱分析作为神经网络的训练样本。通过选择足够的故障样本来训练神经网络 ,将代表故障的信息输入训练好的神经网络后 ,由输出结果就可以判断发生的故障种类。     

床面形态判别的人工神经网络方法

根据给定的水流及泥沙条件，预报床面可能出现的沙波形态，是一个重要的研究课题．在对影响床面形态的参数分析后，认为床面形态应由3个无量纲参数控制，因而以往采用2个参数的经验方法有很大的局限性．基于此结论，建立了预测床面形态的人工神经网络模型，该模型充分考虑了本问题的特点．验证结果表明，该模型具有较高的精度，可用于实际问题中．     

基于神经网络的非正常工况预报

分析了PTA生产中氧化反应器尾氧浓度的影响因素,提出一种用小波分析对数据进行降噪处理的方法。采用BP神经网络并对其进行了一定程度的改进。通过降噪前后的网络仿真结果对比,表明基于小波降噪的神经网络具有更好的精度和更强的泛化能力。用此网络预测尾氧浓度,实现了对非正常工况的预报。通过实际对比,表明该网络能够较理想地预报出非正常情况。     

人工神经网络BP算法在评价网站中的应用

简要介绍了人工神经网络BP算法的基本原理及其发展趋势,构建了网站的测评指标体系,探讨人工神经网络BP算法在评价网站中的应用。     

BP人工神经网络法研究PBDE_S类化合物的RRT

运用BP人工神经网络方法对PBDEs的相对保留时间(RRT)进行了QSPR研究.所建的BP人工神经网对PBDEs的RRT预测准确度非常高,网络训练误差几乎为0,网络回判MSE误差为0.003 9,明显低于逐步回归分析结果,独立检测集MSE误差为0.000 4,也很低,说明BP人工神经网具有较好的泛化能力.此方法得到的模型预测能力要优于逐步回归模型.     

基于BP神经网络的玻璃瓶裂纹检测模型

阐述了BP神经网络的基本原理，介绍了一种直接估算最佳隐含层节点数的方法。针对普通的玻璃瓶裂纹检测算法存在的问题，提出了一种基于BP神经网络的玻璃瓶裂纹检测模型。实验表明，该模型的检测效果与普通算法相比有了明显的提高。     

BP神经网络的改进及应用

合理的选择网络结构是BP神经网络研究中一个重要问题.对传统的BP网络结构进行了改进,在确定BP网络的隐层节点个数时给出了BP网络结构的自适应算法,使得隐层节点的选取动态实现,增强了BP神经网络的适应能力.并应用改进后的BP网对高校教学工作水平评估体系进行建模,为高校教学管理决策提供了科学依据.     

基于BP神经网络的水轮机调速系统故障诊断

调速系统在发电机及电力系统中有着举足轻重的地位,能迅速地找出调速系统故障并及时地排除故障,对电力系统的安全运行具有重大意义。文中通过对葛洲坝水力发电厂二江电厂调速系统大量故障现象、故障原因、故障样本的收集、分析和整理,利用BP神经网络建立了水轮发电机调速系统智能诊断模型。该网络采用了三层结构、17个输入量、13个输出量的故障诊断系统,较完善地反映了调速系统的故障类型.累故障诊断实例检验,该系统诊断结果正确,有良好的实用价值。     

基于人工神经网络的日本落叶松生长量研究

通过对在长岭岗林场设置的43块标准地的调查,获得了不同龄阶单株木的胸径、树高、材积总生长量,以龄阶为输入矢量,胸径、树高、材积为目标矢量,建立拓扑结构为1-3-1的二层BP网络,隐层传输函数为logsig,输出层为线性函数Purelin.采用Matlab中人工神经网络包中的trainlm函数进行训练,学习函数选择动量梯度下降学习函数Learngdm,可得胸径、树高、材积的数学模型表达式,对表达式求一阶导数即为连年生长量,平均生长量为拟合值除以生长年龄.经检验三模型没有系统偏差可用,仿真效果较理想.用预留的两组数据进行模型检验,其平均预估精度分别为98.57%、98.56%、81.45%;由材积的连年生长量与平均生长量可以发现,数量成熟龄为32年.