改进型BP神经网络用于有机物毒性的QSAR研究

引进改进型自相关拓扑指数,以基于动量-自适应学习率调整算法的BP神经网络原理研究了36种有机污染物对发光菌的半数发光抑制率EC50的定量结构-活性相关关系,建立了相应的网络模型,用于未知有机物毒性的预测,其准确性明显优于传统的多元线性回归法,取得了令人满意的结果.     

BP神经网络预测织物拉伸性能

采用BP神经网络技术建立反映织物结构参数、纱线参数与织物拉伸性能间关系的三层神经网络模型,根据影响织物拉伸性能的各种参主为量,用动量-学习率自适应调整的BP算法训练模型,通过预测值和实验值的比较,表明用神经网络方法预测织物拉伸性能有相当的准确性,从而在一定程度上实现用神经网络预测织物的拉伸性能。     

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。     

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.     

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。     

海水入侵三维含水层渗透系数的BP网络逆反分析

为研究复杂地质体海水入侵渗透系数的不确定性,将非线性动力学神经网络用于海水入侵的三维含水层参数的逆反分析,建立了基于监测水头值的海水入侵渗透系数直接识别方法.采用正交设计试验方法进行三维数值试验产生代表性的样本数据,通过误差逆传播学习算法建立多层的神经网络模型,表示观测水头和渗透系数隐式的复杂非线性映射关系,通过观测水头信息直接预测含水层渗透系数.该方法可利用现有的海水入侵三维有限元模拟程序.算例表明该法具有良好的分析精度,可满足工程要求.     

汽轮机在线性能分析BP神经网络模型

为了提高汽轮机在线性能分析系统的健壮性、精确性和抗干扰能力，对BP网络算法进行拓展，增强其网络功能。使之能够分析网络输入参数偏差对输出参数的影响，建立了一种新的汽机在线性能分析模型．与常规在线分析模型相比，该模型只需常规模型输入参数个数的1/5，大大减小了测量设备损坏对在线系统的影响；而且该模型分析结果精确、可靠，测定的热耗结果与常规分析结果误差不超过1％．另外，该模型容错性能良好，参数在2％内波动对分析结果无太大影响．     

BP神经网络预测混凝土抗渗性能的研究

综合考虑了双掺矿物、掺合料混凝土抗渗性能的各种影响因素，选取了双掺矿粉、粉煤灰混凝土配料中7个主要因素作为输入量，混凝土28d抗渗系数为输出量，建立了混凝土抗渗性能预测的BP网络模型，进而对双掺矿粉、粉煤灰混凝土配合比抗渗性能试验数据进行分析．结果表明此模型的可靠度高，可用于混凝土渗透性的虚拟化设计．     

BP网络及其应用

基函数选取和系数求解是函数逼近中的两个关键问题,目前广泛应用的回归分析或其它映射方法均有局限性。采用人工神经网络中的BP网较好地解决了这两个问题,对理论和实际的数据进行了比较与验证,结果表明.BP网络有助于提高数据处理的可靠性与预测的精度.     

基于BP神经网络CFRP约束混凝土抗压强度预测

为研究BP神经网络对CFRP约束混凝土抗压强度的预测能力以及神经网络模型的输出性能,在大量的实验数据基础上,建立了CFRP约束混凝土抗压强度的BP神经网络预测模型,探讨了不同数据组合对神经网络模型预测精度的影响;基于神经网络理论,将高精度BP神经网络模型生成了可方便应用的一般公式和简化公式,并与已有经验公式进行了对比分析.研究结果表明:BP神经网络能够很好地挖掘输入输出参数的数据信息,得到高精度的预测模型;相比于传统回归模型,用purelin代替sigmoid做传递函数推导得到的简化线性方程式仅增加了一项常数项,其预测值与试验值比值的平均值为1.011,变异系数为0.112,具有更高的预测精度和稳定性.     

复相陶瓷材料力学性能的仿真预测

建立了预测复相陶瓷力学性能的回归分析模型和人工神经网络模型，预测值民试验结果较为相符，模型可加快新材料的开发过程。分析了两种模型的利弊及适用条件，在实际就用中应加以选择使用。     

浅谈BP神经网络预测模型

行程时间预测是交通流诱导系统研究的一项重要内容。本文分析了各种预测方法和几种预测途径,给出了建立BP预测模型的关键因素,总结了BP神经网络预测的优缺点。     

基于BP神经网络的油气钻井成本预测

油气钻井成本是反映油田企业经济效益的重要指标.对钻井成本进行准确预测,有利于企业管理者和投资者进行科学的决策与评估.在对油气钻井成本影响因素进行分析的基础上,运用BP神经网络算法,建立了考虑成本因素之间相互关系的油气钻井成本神经网络预测模型,并结合中国石油某公司各区块钻井作业成本数据,将线性回归方法与神经网络方法进行对比,结果表明该模型具有较高的预测精度.     

BP神经网络对含铝炸药爆热预测的研究

该文采用已知爆热的含铝炸药对BP人工神经网络进行训练，建立了炸药的组成与爆热之间的定量模型，同时对另外几种炸药的爆热进行了预测，并对已知爆热的炸药进行了验证，结果表明该方法能较好地反映含铝混合炸药组成与爆热之间的关系，且所建模型预测精度高，完全可以预测组成相近的含铝炸药的爆热。     

松花江水中有机化学品的生物毒性预测

应用人工神经网络技术构建的定量构效关系模型(QSAR)对存在松花江水中的有机化学品的毒性进行了预测.结果显示,有机化学品对酵母菌毒性的预测值与实测值接近,预测误差较小.另外,采用所建立的有机化学品对酵母菌毒性和对呆鲦鱼毒性的相关性方程预测了松花江水中有机化学品对呆鲦鱼的毒性,结果显示,有机化学品对酵母菌的毒性与对呆鲦鱼的毒性之间具有很好的相关性(R=0.9826),从整个有机化学品对呆鲦鱼毒性大小的趋势上看,预测值与实验值基本吻合.因此,得出采用低等微生物—酵母菌替代高等生物—鱼作为指示生物进行有机化学品毒性的评价是可行的,这一研究成果对大量有机化学品毒性筛选和进行优先污染物控制方面具有重要的意义.     

基于BP神经网络的大型水轮发电机定子铁心的温度预测

阐述了神经网络ＢＰ模型和算法,构造了大型水轮发电机定子铁心背部温度预测的神经网络模型,并将计算结果与实测结果作了比较,结果令人满意。     

基于多元线性回归和BP神经网络的单井能力预测

为提高单井能力预测的精度和可靠性,提出利用地震属性数据,结合多元线性回归方法和BP神经网络方法进行预测。首先提取了研究区目的层的地震属性,然后利用多元线性回归方法和BP神经网络方法建立了单井能力与地质、地震属性之间的函数关系,得出了半定量-定量化的单井产量设计模型,并且验证了模型的预测结果。结果显示:单井能力预测精度总体在80%以上,其中BP神经网络模型预测精度更高,吻合度更好,证明了利用多种地震属性联合预测单井产能是一种卓有成效的方法。     

BP神经网络的算法及改进

本文介绍了目前人工神经网领域中BP神经网络的特点及其算法原理,通过分析BP网络算法的缺点,提出BP算法的改进方法。从而加快了网络的收敛速度,优化了网络的拓扑结构,最后对BP网络在实际中的应用进行了讨论。     

基于BP神经网络的股票价格预测

影响股票价格变动的因素有很多,且股票数据具有高度的非线性和时变性等特征,因而采用经典线性时间序列模型可能无法完全提取非线性部分的信息.针对这一问题,建立了BP神经网络模型、PCA-BP神经网络模型、GA-BP神经网络模型和ARIMA(6,1,6)模型对上证综合指数的收盘价格进行预测.计算各预测模型下的统计指标RMSE和MAE,并对4个模型进行对比分析.结果表明,GA-BP神经网络预测模型与其它三种模型相比具有更小的误差,也就是说GA-BP神经网络预测模型对上证综合指数的收盘价格预测效果更好.     

BP神经网络在住宅区片价评估中的应用

针对传统住宅区片价评估方法的不足,将BP神经网络应用于住宅区片价评估,并将其评估结果与回归分析模型结果进行比较,结果表明基于人工神经网络的评估优于回归分析模型,将神经网络模型应用于住宅区片价的评估是可行的。