BP神经网络数值预测方法的研究

人工神经网络作为一个具有高度非线性映射能力的的计算模型,具有广泛的应用前景。在数值预测方面,它不需要预选确定样本的数学模型,仅通过学习样本数据即可以进行预测。本文在对其进行深入研究的基础上,探讨了利用BP神经网络进行数值预测的方法和应该注意的问题,并给出了一些有益的建议。     

基于BP神经网络的高炉焦化预测方法

焦比是高炉生产过程中的一个重要技术经济指标，也是实际生产中需要进行控制的目标之一。因为高炉反应的复杂性，采用传统的经验方法对焦比进行预测存在较大的误差，文章采用一个9－9－1改进的BP网络对高炉焦比进行预报，实验结果证明，经过训练的神经网络对高炉焦比有良好的预测效果，其预测误差小于2％，并根据生产实际探讨了将神经网络和专家系统相结合，对高炉焦比进行在线预报的可能性。     

基于BP网络的水资源预测方法的研究

对水资源预测的各种方法进行了分析，在本领域内推出一种新的预测方法－人工神经网络，可依据源数据，通过BP算法，自动形成水资源预测模型，从而推算出水资源变化趋势。人工神经网络有较强的学习功能，事先不需建立模型，而是根据预测的精度通过初始数据进行计算。从本文所得结果可以看出，人工神经网络是建立水资源预测模型的一种有效的方法。     

基于泛函网络的数值近似方法

根据泛函网络的网络结构模型及算法，给出一种近似二阶微分系统的解，采用泛函网络方法进行数值近似，得出了较好的结果，实验研究表明，泛函网络比BP网络的近似性能好。     

基于BP算法的泥沙含量预测研究

长江口北槽是长江的主航道，泥沙的淤积对航运和河道治理有着极为重要的影响。根据ADCP资料，应用BP算法对长江口的泥沙含量进行了研究，建立了泥沙含量预测模型并根据实例资料进行了验证，实现了根据ADCP资料推求泥沙含量，其结果满足精度要求。     

基于BP神经网络的油松林小气候的模型研究

为了检测林缘、农田的小气候是否可定量预测林分小气候,从模型角度分别研究林缘、农田与林内小气候的相互关系,为油松人工林小气候预测、林分生态效益的定量评价及森林资源经营管理提供科学依据,本研究利用延庆不同密度油松人工林林分、林缘及农田的小气候监测数据,构建了林缘-林分、农田-林分立体空间的BP神经网络模型和多元线性回归模型.借助回归估计标准误差对2种模型的预测精度进行了比较.结果显示:对于集合小气候环境梯度,林缘-林内的BP模型预测精度整体高于农田-林内的BP模型预测精度;BP神经网络模型对气温、相对湿度及光照强度小气候要素测精度明显高于利用多元线性回归模型.结论:选用BP神经网络构建的林缘-林分模型实用性强,模拟精度高,可达到评价林分小气候、定量预测的目的.     

改进的BP神经网络预测地表沉陷

地表沉陷过程中呈现了众多的复杂性、非线性和破坏性,而用传统的三层BP神经网络预测地表沉陷精度较低,本文通过引进遗传算法来改进BP神经网络,对地表沉陷作了有效预测。     

基于BP神经网络的经济预测方法

在经济分析中 ,通常采用回归分析方法建立数学模型对一个经济系统进行拟合 ,进而对相关经济变量进行预测 .利用人工神经网络 (ANN)的自学习、自适应和非线性的特点 ,可通过建立经济系统的评价指标体系 ,并把经济变量数据归一化处理 ,然后送入BP神经网络中训练得出相应参数再进行预测 ,经过检验得出令人满意的结果 .     

BP神经网络的改进及其应用

在分析BP神经网络建模步骤的基础上,针对BP神经网络某些不足,提出了几点改进措施。首先对原始数据进行了非线性规格化;其次,提出了记忆式初始权值和阀值;最后以确定性系数最大为依据进行参数优选,并将改进后的BP神经网络应用于需水量预测。结果表明,改进后的BP神经网络不仅提高了BP神经网络预测的精度,而且加快了BP网络运行时的收敛速度。     

普通混凝土强度预测的BP神经网络模型

在分析普通混凝土强度影响因素基础上 ,选取混凝土配料中 7个因素作为输入值 ,混凝土2 8d强度作为输出值建立了混凝土强度预测的 BP网络模型。讨论了模型的学习样本、网络参数对预测精度的影响 ,选出最佳网络参数配置。实例证明模型预测精度高。     

应用人工神经网络方法预测M-EDTA配位稳定常数

应用人工神经网络法预测金属离子的M-EDTA配位稳定常数,并通过计算54种金属离子的M-EDTA配位稳定常数,确定了金属离子的基本参数与M-EDTA配位稳定常数的定量关系.通过对网络结构和参数的优化,提高了预报的准确度.     

基于BP神经网络的城市燃气月度负荷预测研究

应用MATLAB科学计算软件编制了对浙江省某城市燃气月度负荷的预测程序,建立了燃气月度负荷预测的BP神经网络模型,对模型进行训练后,利用它对该市燃气月度负荷进行了预测,预测结果的相对误差最在±6.34%以内,由预测结果可知该模型预测精度较高,完全可以达到工程实际应用的目标。     

利用BP算法实现集装箱编号识别

研究集装箱字符识别,采用数字图像处理,模式识别与神经网络技术及改良BP算法实现集装箱编号的自动识别,该方法有较强的适应性,可在不同的光照条件下工作,在识别倾斜,变形,磨损,污染的集装箱时表现出较强的抗干扰能力,改良BP算法具有分类功能,可以实现字符的识别,并且具有较强的鲁棒性。     

神经网络方法在用水量预测中的应用

采用自适应变步长的后向传播算法(ABPM)构建了一个人工神经网络用水量预测模型。分别取一部分历史数据作为训练样本和测试样本,用训练样本对网络进行训练,然后用测试样本对模型进行评估。结果表明该模型收敛速度较快．预测精度高．为用水量预测提供了一种新的方法。     

BP神经网络预测水泥搅拌桩单桩承载力

利用某工程38根水泥搅拌桩的单桩静载试验资料,采用BP(Back Propagation)神经网络的方法对建立的神经网络进行训练,根据训练好的网络对两个工程的单桩竖向承载力特征值进行预测.结果表明,预测值与采用其他方法的拟合值及实测值相吻合.最后,通过工程实例进行验证.     

改进型BP神经网络的港口吞吐量预测

为了提高港口吞吐量预测模型的适用性,满足港口决策的需求,对传统时间序列BP神经网络预测模型进行改进,将未来三年的吞吐量作为输出层参数,以tansig函数和logsig函数为传递函数,建立了改进型时间序列BP神经网络预测模型,利用trainlm函数训练神经网络,预测未来三年的港口吞吐量。对深圳港集装箱吞吐量进行了预测,结果表明,改进型时间序列BP神经网络模型泛化能力更强,拟合精度更高,且避免了传统预测模型循环预测产生的误差叠加,具有较好的适用性。     

提高BP网络性能的一种方法

分析了ＢＰ网络在目标量的极值区存在较大误差的原因,提出了目标量扩展的数据标度化方法·检验结果表明,该方法不但可以消除目标量极值区的大误差现象、提高网络训练的收敛速度,而且还可以使网络具有外推预测功能,即同时提高了ＢＰ网络的训练性能和应用性能·     

BP神经网络在高速公路软土地基沉降预测中的应用

采用人工神经网络较强的非线性映射能力和学习能力,提出基于改进的BP神经网络预测盐淮高速公路的路基的沉降。利用实测沉降资料直接建模,避免了传统方法计算过程中各种人为因素的干扰,所建立的模型预测精度高、预测的沉降量误差小。     

Sedimentary Micro-phase Automatic Recognition Based on BP Neural Network

IntroductionDuringthedevelopmentofprospectingofthegeologyofpetroleum,itisimportanttoforecastthedistributionofgritstone,mastertheregulationofphysicalparameterinthereservesmasslevel.Especially,itismoreimportanttorecognizetorockphaseandsedimentarycircumstance.Thetraditionalmethodisusuallyqualitativeanalysisbyfetchingrockcoreandreceivingdataaboutrockcoreandrockcrumb.Asthedevelopmentofmeasurementtogeologicwell,theplentifuldataaboutgeologicwellhasbecomeatoolasresearchthesedimentaryfeatures.Combined…