基于小波神经网络的短时交通流预测

针对BP神经网络寻优速度慢、实时性差等缺点,提出将小波神经网络应用于短时交通流量预测中.该方法具有良好的局部性特征,弥补了常规神经网络的不足.在非线性逼近中得到了很好的应用.实验结果表明,小波神经网络预测模型的预测精度明显优于BP神经网络,对交通流量预测问题有较高的应用价值.     

基于GA-BP神经网络的三叉杆万向联轴器效率预测研究

针对传统的联轴器传动效率测试方法耗时耗力的问题，构建了三叉杆滑移式万向联轴器，基于遗传算法优化的BP神经网络传动效率预测模型，并结合最优拉丁超立方法获取了试验样本，完成了对神经网络模型的训练与验证。研究结果表明：GA-BP神经网络模型的预测精度、收敛速度显著高于BP神经网络模型，且GA-BP神经网络模型的传动效率预测值与实际值之间的平均相对误差为0.038%，满足工程需求。GA-BP神经网络模型为联轴器传动效率的预测提供了一种有效的方法。     

小波神经网络在短时交通流预测中的应用

研究了小波神经网络对于预测短时交通流的适应性,提出了利用小波神经网络的特性建立短时交通流预测模型;并利用苏州市某交叉口实测交通流量,运用小波神经网络建立了非线性回归预测模型,结果证明预测是可靠的,有助于城市交通流动态参数的预测,可为 ITS 的构建提供数据支持     

基于神经网络的透气性状态预测

针对烧结过程的时变、强非线性等特点,基于神经网络和粒子群优化算法,提出一种预测透气性状态的集成方法.采用神经网络分别建立透气性预测模型,采用粒子群优化算法对神经网络进行训练,提高预测模型的实时性;进而借助模糊分类器将预测子模型实现有机融合.最后实际运行结果表明,提出的集成模型具有较高的预测精度和较强的自学习能力,并且在工况波动严重的情况下,仍然具有好的预测效果.     

基于遗传BP神经网络的化工企业安全体检模型研究

近来频繁发生的化工企业安全事故使企业意识到企业安全的重要性,企业安全评估预警已成为各界关注的焦点。针对引发化工企业安全事故因素的复杂非线性特点,提出基于遗传BP神经网络的化工企业安全体检模型,该模型通过遗传算法克服BP神经网络局部最小的缺点,利用主成分分析法优化输入矩阵,并以山东省101家大中型化工企业数据为实证样本,对模型进行仿真实验。实验结果表明,该模型体检结果与真实期望值的相对误差在1.34%~3.84%,具有较高的评估预测精度,能够准确对企业进行安全体检。     

集装箱量预测的BP神经网络方法

介绍了BP神经网络的基本理论 ,建立了集装箱运量时间序列的BP神经网络预测模型。并将此模型应用于上海港集装箱运量的预测。结果表明 ,与传统的预测方法相比 ,该方法具有较好的非线性自适应能力和预测精度     

改进的BP神经网络模型预测四川GDP

运用TRAINGDX训练函数对标准BP神经网络进行改进．根据2012年《四川省统计年鉴》相关数据,利用影响国内生产总值（GDP）的6个主要因素,借助Matlab软件平台,建立了6：5：1的三层BP神经网络GDP预测模型,实现四川省GDP值的预测．改进后BP神经网络预测相对误差在1％以内,仿真结果同模型外推法比较,预测精度较高．     

基于灰色系统理论的RBF神经网络铁路货运量预测

应用灰色系统理论计算了铁路货运量与货运量影响因素的关联度,并对其进行了排序。利用MAT-LAB软件,建立铁路货运量的RBF神经网络预测模型,对我国1992-2008年的铁路货运量进行仿真实验。结果表明基于灰色系统理论的RBF神经网络模型预测平均相对误差为0.44%,常规RBF神经网络模型的平均预测误差为1.47%,因此认为基于灰色系统理论的RBF神经网络的铁路货运量预测方法有效可行。     

基于数据驱动技术的非线性系统建模方法研究与应用

针对实际工业系统多存在非线性耦合、时变、滞后等特性,难以建立精确机理模型,提出了一种基于数据驱动的方法建立系统的预测模型。采集过程运行中的历史数据分别建立非线性系统的RBF、LS-SVM和KPLS 3种预测模型,仿真实验表明所建数据驱动模型具有较好的预测精度,能够被用于控制、预报和评价生产过程和设备的运行状态。     

基于组合神经网络模型的新冠疫情传播预测分析

在全球抗击新型冠状病毒肺炎（COVID-19）疫情的过程中,合理的疫情传播预测对于疫情防控有重要参考意义。为了对病毒传播进行合理预测,针对传统疫情传播预测模型存在的不足,提出一种组合式神经网络的疫情传播预测模型,并将其应用于湖北省1月29日-3月15日每日新增确诊人数预测及湖北省每日累计确诊人数预测。预测结果分析显示,该神经网络预测模型预测结果可靠有效。模型性能分析结果表明,组合式神经网络预测模型平均相对误差（MRE）不超过0.16,均方误差（MSE）不超过0.1,均方根误差（RMSE）为0.262 9,性能明显优于其它几种神经网络预测模型。基于武汉市与广东省疫情传播预测的实证结果显示模型具有较好的适用性及准确性。     

基于 WOA-GRU 的销售预测研究

防晒用品属于快速消费品,其销售情况受季节变动影响,具有非线性特征。人工神经网络强大的学习能力使其在销售量预测领域显示出非线性预测的应用优势。作为新兴智能算法,鲸鱼群算法具有快速收敛、全局优化等特点。为精准预测上海某化妆品公司防晒产品销量,基于鲸鱼算法,构建优化网络权值的门控循环神经网络模型。实验结果表明,经鲸鱼算法优化后的门控循环神经网络训练相对误差比优化前降低 0.6 个百分点,测试相对误差比优化前降低约 2 个百分点。     

改进蛙跳算法的小波神经网络短时交通流预测

为改进小波神经网络模型对短时交通流的预测效果,提出一种基于改进混合蛙跳算法的短时交通流预测模型用以优化小波神经网络。该算法使用交叉分组法对子群进行划分,再利用具有自适应因子的局部搜索策略平衡混合蛙跳算法局部与全局搜索能力,最后把得到的最优解用于优化小波神经网络模型初始值,并对短时交通流进行预测。实验结果表明,该方法对短时交通流预测精确度达到97.43%,比传统方法提高1.016 1%,均方根误差比传统方法降低了5.587 9%,具有较高的应用价值。     

BP神经网络模型预测Phoredox工艺出水CODcr研究

根据污水处理过程去除污染物的非线性特点,建立基于BP神经网络的Phoredox工艺出水CODcr仿真预测模型,预测和验证某污水处理厂实测数据,并通过权值贡献指数分析确定了各种输入因素对出水CODcr浓度的影响。     

BP神经网络在多维非线性函数拟合中的应用

为了解决常规方法拟合多维非线性函数的预测结果精度较低问题,采用非线性映射能力较强的BP神经网络进行多维非线性函数拟合。通过对BP神经网络结构及训练过程的分析,依据给定的两维非线性函数构建BP神经网络模型,并利用MATLAB软件对BP神经网络进行预测。仿真结果表明,BP神经网络对于两维非线性函数有良好的拟合能力,拟合误差小、收敛速度快,也使该方法具有较好的推广性。     

基于粒子群算法优化的城市供水量预测模型研究

鉴于BP神经网络、RBF神经网络在城市供水量预测精度上的不足,利用粒子群算法优化两者相关参数,实现更高预测精度,并通过建立BP神经网络、RBF神经网络、PSO-BP神经网络、PSO-RBF神经网络分别对城市供水量数据进行仿真预测。最终测试样本统计结果显示：RBF神经网络比BP神经网络平均相对误差（MRE）低约1%,在拟合度（R2）上高约0.014;PSO-BP神经网络比BP神经网络在MRE上降低约1.25%,在R2上提高约0.05;PSO-RBF神经网络比RBF神经网络在MRE上降低约0.3%,在R2上提高约0.072。由此说明RBF神经网络比BP神经网络在城市供水量预测方面更有优势,并且利用粒子群算法优化神经网络模型参数可有效提升神经网络预测精度。     

基于AK-RBF神经网络的出水氨氮软测量方法研究

为解决污水处理过程出水氨氮难以精确测量问题,提出一种基于自适应核函数RBF神经网络的出水氨氮软测量方法。由于隐层激活函数对神经网络性能影响较大,AK-RBF 神经网络将基于欧几里得的高斯核与余弦核通过线性组合形成新的隐层神经元激活函数。网络参数学习采用梯度下降算法推导的迭代公式更新以提高网络预测精度。仿真实验表明,基于AK-RBF神经网络的出水氨氮软测量方法能够在线预测出水氨氮,比RBF神经网络具有更高的预测精度和更好的自适应能力。     

城市需水预测算法比较

建立高精度水量预测算法模型,有利于水资源充分利用。以北京市2002-2015年需水量为例,对数据进行相关性分析后选出主要影响因素,然后采用主成分回归法、逐步回归法、灰色模型以及BP神经网络共4种方法进行建模,并用北京市2016年和2017年数据进行模型精度验证。结果表明：4种方法都适合用于城市需水量预测,其中主成分分析和逐步回归分析两种方法主要考虑了多元线性回归存在多重共线性,但是逐步回归模型优于主成分回归模型。将4种模型进行对比验证,BP神经网络模型预测精度最高,平均相对误差达到0.79%,用来预测2016-2017年需水量,预测结果分别为38.66亿m3、39.49亿m3,适合作为城市需水量预测方法。     

基于 A-LSTM 算法的烧结矿质量预测

针对烧结厂烧结杯实验周期长等问题,构建一种 A-LSTM 的烧结矿质量预测模型。在 LSTM 网络基础上借鉴注意力机制思想,通过权重再分配使网络更加关注训练过程中的非冗余数据。为减少损失函数在训练过程中的震荡,提出加权均方误差损失计算方式,考虑每轮输入数据缺失值占总体的比重,使模型预测更为准确。实验结果表明,A-LSTM 预测方法准确率可达 92.7%,相比于原始 LSTM,预测准确率提升了 1.9%。     

城市中水回用于电厂循环冷却水深度处理试验研究

采用石灰混凝法处理汉西污水厂二级出水,验证了该深度处理工艺的可行性。试验结果表明:石灰混凝法能够有效降低二级出水的浊度、碱度、总硬度、TP,对氨氮和COD也有一定的去除能力;杀菌试验结果表明氯先锋具有很强的杀菌能力。经过石灰混凝和杀菌处理后,城市中水完全达到循环冷却回用水水质标准。     

融合Markov与BP神经网络的纯电动汽车销售量预测研究

随着纯电动汽车市场的不断扩大,对销售量的精确预测成为人们当前关注的热点。提取影响销售量的7个关键因素以及2017~2019年9月的纯电动汽车销售量,首先利用BP神经网络模型对33个月的数据进行测试,并用训练好的模型预测2019年1~9月销售量,再利用马尔科夫（Markov）模型将BP神经网络模型预测的相对误差划分为6种状态,对预测结果进行修正。通过对BP神经网络模型与Markov-BP神经网络模型预测结果进行对比检验,发现Markov-BP神经网络的预测准确度更高,表明采用Markov-BP神经网络模型对纯电动汽车月度销售量进行预测具有一定现实意义。