BP神经网络水华预测模型的敏感性分析

敏感性分析能够定量地评价模型输入变量的变化对输出结果产生的影响,是揭示模型蕴含规律的有效途径.本文将敏感分析方法应用于BP神经网络巢湖水华预测模型中,分析结果表明巢湖水华形成受诸多环境因子共同影响,水温、溶解氧、浊度、气温、光照强度等环境因子变化与藻类质量浓度变化相关,其中气温是最大影响因素,相对贡献率达到17.01%;气压的上升则不利用于藻类质量浓度的增加;pH值的上升对藻类质量浓度的影响有正有负.     

基于改进 BP 神经网络的交通流量预测仿真

交通流预测是智能运输系统中的路径诱导和交通流控制的必要条件,其实时性和可靠性直接关系到交通管理与控制的效果,因此本文利用利用遗传算法对BP神经网络的权值、阈值进行优化,从而应用强大非线性逼近能力实现交通流量的准确预测,并且通过实验进行算法的仿真,结果表明,BP神经网络经遗传算法优化后,精度得到提高,而且BP神经网络对交通流量的预测是可行的。     

基于GA-BP神经网络与敏感性分析的带钢厚度预测

为提高带钢厚度预测精度,构建了融合GA-BP神经网络和敏感性分析的T-GA-BP预测模型。首先通过循环迭代方式确定较优的BP神经网络隐含层的层数与节点数,再采用遗传算法对BP网络的权阈值进行优化。在此基础上,利用Tchaban算法进行敏感性分析,研究输入层中各工艺参数对带钢厚度的影响程度,筛选出重要参数作为新的输入样本来训练T-GA-BP神经网络模型,以降低网络复杂度。采用实际生产数据进行测试,结果表明,T-GA-BP模型的带钢厚度预测精度要高于BP、GA-BP、RBF、Elman神经网络等其他优化模型。同时,工艺参数敏感性分析结果可为轧制工艺调控方案的制定提供参考。     

基于改进遗传算法的BP神经网络及应用

结合遗传算法及神经网络各自的优点,利用改进遗传算法对BP神经网络的连接权进行优化,并提出了一种新的编码方式.通过与时间序列模型对比,基于改进遗传算法的BP模型效果更好.     

基于粗糙集的改进BP神经网络算法研究

提出了一种基于粗糙集和遗传算法的改进BP神经网络算法.该算法首先对原始数据集进行属性约简,优化BP神经网络的输入变量;然后利用遗传算法全局搜索的特点,优化BP神经网络初始权重和阈值.将改进BP神经网络算法应用于客户分类,训练误差为5.92×10-12,测试总误差为0.00023;而改进前的一个比较理想的训练结果的训练误差为0.0016,测试总误差为0.073.Matlab仿真表明改进的BP神经网络算法有更好的训练精度和泛化能力.     

建筑投标价格指数神经网络方法及敏感性分析

将神经网络技术应用于建筑投标价格指数预测,提出了两种神经网络的变量敏感性分析方法,并用提出的方法分析了投标价格指数所涉及变量的敏感性．     

基于改进BP神经网络在开放式基金预测中的应用

结合开放式基金的特点,提出了一种新的基金收益与风险预测方法.模型采用C#.NET+SQL server2005实现,运用神经网络和遗传算法相结合等技术,加快了BP网络训练的时间,提高了网络全局收敛的效率,实验结果表明,该系统对基金收益与风险预测有良好的效果.     

防渗帷幕对坝基渗流量的敏感性分析--以新安江3号坝段为实际模型

在内外因素的共同作用下 ,帷幕体在不同程度上存在一定的老化问题 ,其防渗性能也在逐渐减弱 ,即帷幕的渗透系数K是一个变量 .随着K值的变化 ,幕后渗流量Q会产生什么样的变化是一个值得探讨的问题 .以新安江 3号坝段为例 ,采用三维渗流有限元的数值试验方法 ,通过改变帷幕渗透系数 ,分析帷幕渗透系数K对灌浆廊道渗流量Q的影响 ,建立了相关关系式Q～K ;研究了帷幕工作形态变化对坝基渗流场变化的敏感性 .     

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。     

基于改进BP神经网络模型的地面沉降预测及分析

针对区域性地面沉降问题,用遗传算法优化BP神经网络的初始权重,建立了地面沉降预测模型．该模型克服了BP神经网络模型存在的收敛速度慢、易陷入局部极小点的缺点采用后验差检验法对模型拟合结果进行了检验,结果表明模型具有很好地拟合与泛化能力．应用该模型对地下水位影响强度进行了分析,表明地面沉降与地下水位存在一致响应趋势．     

基于神经网络的逻辑最小造价覆盖算法

提出一种基于神经网络求解逻辑综合中最小造价覆盖问题的优化算法。首先给出了最小造价覆盖问题与能量函数的映射关系，并以此构造了改进的两级Ｈｏｐｆｉｅｌｄ网络模型。然后利用该网络的动态特性，求出最小造价覆盖问题的最优解。最后对算法进行了分析和小结。     

基于因子分析和BP神经网络的地铁盾构施工成本风险分析

基于中国地铁盾构施工过程中成本风险的不易控性,为了实现地铁盾构施工节约成本、规避风险的目的,提出了因子分析与BP神经相结合的成本风险分析模型。运用SPSS软件对数据进行降维处理,结合MATLAB软件建立BP神经网络模型并进行训练,完成对地铁盾构施工阶段的成本风险评价。结合兰州地铁1号线施工过程的成本风险分析,得出对成本风险影响程度大的变量,并提出相应改进措施。为地铁盾构施工阶段的成本风险分析提供了一种较为客观的评价方法。     

节点虚流量法的某抽水蓄能电站地下厂房渗流场分析

利用求解有自由面渗流场的节点虚流量法,对某抽水蓄能电站施工期地下厂房渗流场分布进行三维有限元仿真模拟,着重研究施工期厂房区洞室的渗流特性,并对施工期厂房区渗控方案进行评价.研究表明,施工期间排水设施尚未形成时,各已经开挖的洞室成为排水的主要边界;在保证各洞室的渗透水能及时排出的提前下,渗流场可以满足施工环境要求;顶排型排水幕排水效果并不明显.     

基于BP人工神经网络的局部放电模式识别

介绍了ＢＰ人工神经网络在局部放电模式识别中的应用．结合实际现场情况提出了一种基于统计分析的局部放电特性提取方法,在此方法的基础上对空气火花放电和油中火花放电进行了模式识别实验,实验结果证明了这种放电特性提取方法在局部放电模式识别应用中的可行性．     

基于改进BP神经网络的混沌时间序列预测方法对比

针对BP神经网络预测混沌时间序列存在的易陷入局部极小值和收敛速度较慢的问题,选取了两种改进预测模型,即GA-BP预测模型和PSO-BP预测模型。并将这两种模型对Lorenz混沌时间序列进行了预测比较实验。实验表明,两种改进模型比BP神经网络预测模型具有更好的预测性能,并且PSO-BP预测模型较GA-BP预测模型的预测精度更高。     

基于Matlab的改进BP神经网络及其应用

讨论了BP神经网络及几种改进BP神经网络性能的算法．用Matlab编制出相应的BP神经网络算法程序，并将其用于处理紫外分光光度法同时测定Fe，Co，Ni，Cu，V的实验数据，结果表明L—M法收敛最快，精度最高．