基于神经网络的资源型城市可持续发展指标体系

以BP神经网络为模型，借助Matlab语言对某资源型城市的国民经济和可持续发展指标进行了分析预测，在数据采集和预处理的基础上，设计程序来对网络进行训练，用训练好的神经网络预测未来的指标数据，并利用预测数据对城市发展趋势进行分析，为资源型城市发展模式的选择提供依据．     

神经网络预测系统中的输出输出指标研究

建立了一个用一串ＢＰ网络组成的，用于地区主要经济指标预测的人工神经网络系统，给出了该模型在两个地区应用中得出的不同结果；在分析这两种预测结果的基础上讨论了预测模型中输入输出指标对预测结果的影响，说明在网络预测模型中，输入输出指标的选择起着不可忽视的作用。     

基于MobileNet和迁移学习的微带青烟叶图像识别

为了准确地挑选出微带青烟叶，提出了基于MobileNet和迁移学习的微带青烟叶图像识别方法.首先收集烟叶图像建立样本数据集；其次，对在ImageNet数据集上训练好的MobileNet进行微调，以使其适应烟叶图像识别；最后，基于迁移学习方法利用烟草样本训练集对微调后的MoblieNet模型进行训练，从而准确识别微带青烟叶.     

云南省不同烟叶的综合评价研究

 经主成分分析将22个烟叶常规化学指标转换为22个主成分新指标,并通过采用模式识别技术,对烟叶进行了无监督式的分类,建立了各类型烟叶的综合评价模型,阐述了云南省不同地区、品种和部位烟叶内在化学成分的特点.     

基于小生境遗传算法优化串级神经网络的台区理论线损预测

台区作为电力系统的最末端部分,节点数目多、网络架构复杂,导致不易精确计算其理论线损问题。在海量实际低压台区运行历史数据的基础上,首先研究影响台区线损的相关因子,建立台区线损特征指标集合。然后利用皮尔逊相关系数分析方法从中提取出高损关键特征指标作为线损预测模型输入。再融合集成学习和梯度提升树思想,建立基于串级BP(back propogatiow)神经网络的台区线损预测模型,并采用小生境遗传算法对预测模型的初始参数进行优化从而提高模型训练效率。最后通过实际数据算例仿真,并与其他预测方法结果进行比较,验证所提台区线损预测模型具有优秀的训练效率和预测泛化能力。     

生理生化指标在竞技体操训练中应用现状分析及发展趋势研究

通过综合运用文献资料法、现场观察法、专家访谈法等方法对生理生化指标在竞技体操训练中应用现状进行了研究,并对其发展趋势进行了预测.研究结果表明：竞技体操训练中主要采用安静心率（HR）、血乳酸（BL）、尿素（BUN）、磷酸肌激酶（CPK）等生理指标来进行运动负荷监控,在当前研究的基础上将会有更多的生理指标应用到竞技体操训练研究,其中最大摄氧量（VO2max）、血红蛋白（Hb）、肌电图（EMG）、血睾酮（T）等指标将会受到重视.     

四川泸州烟叶质量初探与提升展望

本文作者在多年使用泸州烟叶的实践经验基础上,结合理化分析与感官评价方法,对泸州烟叶生产基地近三年来的烟叶品质：外观质量、化学指标、感官品质进行了比较全面的阐述;同时简单介绍了泸州烟叶在广东中烟的使用情况,并展望了泸州烟叶品质提升的方向与建议。通过本文的研究论述,在泸州烟叶基地的长远发展以及泸州烟叶在中式卷烟中的大范围应用方面起到了有益促进作用。     

卷烟焦油预测研究

为了解决传统预测方法不能准确预测焦油量的一小样本非线性预测问题,提出从支持向量机的角度进行预测,并在其中关键问题核函数的选择上,应用保角映射进行核函数构造.该算法将焦油预测问题通过非线性变换映射到一个高维的特征空间,在高维的特征空间构造线性判别函数以替换原空间的非线性判别函数.选择22种不同地区和等级的烟叶,利用相同卷烟纸和滤嘴将各种烟叶卷制成单料卷烟,检测得各种烟叶单克烟丝烟雾中焦油量,以此为样本,进行函数训练并进行预测.实验证明该算法能提高焦油量预测精度和效率.     

一种改进的神经网络集成法预测PMV指标

为解决大样本的PMV指标预测问题,采用基于模糊聚类的神经网络集成方法,将原始样本集模糊划分为多个相交子集,通过这些模糊子集训练神经网络得到预测个体,再对个体输出加权结合获得预测结果.在进行神经网络集成过程中,采用微粒群算法有效克服了聚类和常规神经网络训练容易陷入局部最优的缺点,总结出一种更加有效的神经网络集成方法.实验结果表明:基于微粒群的神经网络集成算法有较好的全局优化性能,其集成的神经网络系统能更准确地预测PMV指标.     

BP网络应用于黄河水质的预测研究

利用黄河兰州段水质指标浓度时间序列作为学习样本，选取了DO、COD、氨氮、重金属离子等l0项指标作为输出参数，运用人工神经网络BP模型中的Levenberg—Marguardt优化算法对学习样本优化建模，将优化好的网络的预测结果与实测结果进行了比较，表明BP网络可以很好地用于黄河水质指标值及水质类别的预测。     

烟草类消费价格指数预测模型的研究

用神经网络中的：BP网络建立了烟草类消费价格指数预测模型,首先选定历年数据为训练组,初步确定烟草类消费价格指数预测网络结构,然后计算出网络各层上的权重值,并使其达到稳定,通过比较网络精度,确定其最优隐含层层数和各层节点数,从而确定烟草类消费价格指数预测最优模型,使用了LevenbergMarquardt优化方法,克服了传统BP算法收敛速度慢,难以确定隐含层和隐含层节点数的缺陷,从而使学习时间更短,运用该模型对城市居民烟草类消费价格指数进行了预测,用检验样本验证训练结果,绝对误差为-2.0,相对误差为2,0964％,预测某城市3年烟草类消费价格指数分别为97.3752,97.3973和97.400O。获得了可信的结论。     

教学质量评估系统算法模型

教师教学质量评价是一项主观性很强的工作,利用神经网络方法建立的教学质量评估系统的数学模型,采用各评价指标作为其输入,教学效果作为输出,基于最小二乘思想,采用梯度搜索技术,可以使网络的实际输出值与期望输出值的误差均方值最小,该数学模型具有较好的辨识精度。另外还有一种模型,利用模糊综合评判法从定量的角度较好地解决了受诸多因素影响的教学质量的评价问题的模型。     

移动通信网络风险评价指标体系的分析与模型建立

针对人群密集度高、人员流动度大的大型赛事对移动通信网络的要求,分别从网络风险、业务风险、配套风险与安全风险、质量风险等几个方面分析研究了移动通信网络风险因素,构建了通信网络风险综合评价指标体系;提出了基于层次分析法并综合了熵权法、模糊数学算法的风险评价模型;模型中同时加入了主观权重和客观权重,并采用了新的结合方法包括对中间层指标比重关系的考虑计算出综合权重,减小了因权重分配不均产生的误差;最后通过实例验证风险评价模型输出的结果与实际情况较为接近,表明模型能较好地完成对移动通信网络风险状况的预测和评价。     

龙陵县低热河谷流域不同覆膜移栽方式对冬春烟生长及产质量的影响

为探讨龙陵县低热河谷流域冬春烟适宜的覆膜移栽方式,通过分析龙陵县低热河谷流域气象因子,采用大田试验并控制覆膜的方法,以红花大金元为试验对象,研究不同覆膜方式移栽对冬春烟生长及产质量的影响。试验结果表明:在龙陵县低热河谷流域冬春烟上采用膜下移栽方式有利于避开1~2月低温对烟株的影响,促进烟株早生快发,降低田间烟株病毒病、青枯病、气候斑的发病率;增加烤烟的产质量,其中上等烟比例提高5.43~6.56个百分点,均价提高3.36~8.20元/kg,产量提高207~645 kg/hm产值提高13307.7~33193.3元/hm主要化学成分指标影响较小。     

清香型优质烟叶物理特性指标预测分析

探究清香型优质烟叶物理特性指标与生态因子间的定量关系,构建物理特性指标预测模型。选择云南省玉溪市2019-2020年优质烟叶的物理特性指标数据与生态数据（气象、土壤和海拔）,建立多元线性统计预测模型与BP神经网络预测模型,并分析各生态因子对烟叶物理特性指标的相对贡献率;利用均方根误差（Root Mean Square Error,RMSE）与归一化均方根误差（Normalized Root Mean Square Error,NRMSE）对两种预测模型模拟效果进行检验分析。结果显示,气象因子平均相对贡献率明显高于土壤、海拔的相对贡献率,气象因子对清香型优质烟叶物理特性指标尤为重要;统计预测模型的RMSE、NRMSE值均高于神经网络预测模型,神经网络预测模型预测准确性更高。利用统计方法与神经网络构建物理特性指标预测模型,可以为不同生态条件下提升烟叶品质、促进烟叶品质评价智能精准化提供一定的科学理论依据。     

基于正则极限学习机的烟草病毒病预测

为了对烟草病毒病的病情指数进行建模研究,采用了一种正则极限学习机算法：通过引入惩罚因子来权衡结构风险与经验风险的大小,进一步增强网络的泛化性．针对烟草病毒病的众多影响因素,采用灰色关联度算法选取主要影响因子．使用某地1984—1995年病情资料、相关虫情和气象资料,经过数据挖掘、建模仿真,将正则极限学习机应用于烟草病毒病预测中,效果较好,对烟草病毒病的防治具有指导意义．     

基于KQI和KPI指标映射的模糊计算方法

针对目前WCDMA网络最优化问题和业务质量评估体系的缺陷,给出一种基于用户感知和现网反馈的KQI-KPI指标模糊计算方法.该方法通过对应用层业务进行重新分类,建立不同业务KQI与KPI指标之间的映射关系,使原来独立的各评估指标形成相互作用的耦合关系,再通过指标群的模糊计算即可对整个质量评估体系做出客观的诊断和评判.计算结果和实际应用表明,该方法对评估对象具有较好的普适性,结合设备优化可充分改善现网数据业务的质量,优化WCDMA数据业务质量评估方法.     

Modeling Thermal Protective Performance of Multilayer Fabrics for Firefighters

This paper is to report a prediction model for thermal protective performance of multilayer fabrics based on Matlab neural network toolbox.Then a back propagation (BP) neural network model is developed to predict thermal protective performance of multilayer fabrics for firefighters.The network consists of twelve input nodes,six hidden nodes,and one output node.The inputs are weight,thickness,density of warp and weft,limited oxygen index (LOI),and heat conductivity of each-layer fabric.Thermal protective performance (TPP) rating of multilayer fabrics is the output.In this paper,the data from the experiments are used as learning information for the neural network to develop a reliable prediction model.Finnally the model performance is verified,and the proposed model can be applied to predict the thermal protective performance of multilayer fabrics for firefighters.     

鄱阳湖生态经济区公路网变化的动态分析——基于Malmquist生产率指数

选取适当的输入和输出指标,使用Malmquist生产率指数方法,对鄱阳湖生态经济区的公路网的变化进行动态分析.结果表明:鄱阳湖生态经济区内的公路网建设总体效率偏低,各分区公路网发展不平衡.     

基于烟草中致香成分的人工神经网络分类模型

从烟叶化学成分和结合评吸结果确定的烟叶品质的关系入手,用遗传BP神经网络建立了基于烟草中致香物质含量的烟草模式识别模型.分析结果表明,使用该方法能全局优化基于烟草致香成分的神经网络结构,较之梯度下降法的神经网络的训练效率更高,得到的识别结果也更加准确.它可以作为一种新的判别烟草香味特征的识别手段.