基于BP神经网络的城市汽车保有量预测

汽车保有量预测对城市交通的发展方向有直接的参考意义,通过分析影响城市汽车保有量的因素,找出了城市人口、GDP、公共交通服务水平等九个主要的因素,并对这些因素进行分析。同时建立了预测城市汽车保有量的BP神经网络模型。为了保证模型的收敛,在进行实例分析的时候引入主成分分析法将九个因素减少为五个因素,并进行了预测,预测精度比较高。     

BP神经网络及其在跳远技术中的应用

本从应用的角度出发，简单介绍了BP神经网络的特点和具体实现过程，并以跳远过程为例把其引入到竞技体育的具体应用中，为解决此领域内复杂的难以用传统数学方法解决的问题提供了一种新颖的思路和方法。     

基于BP神经网络与残差分析的船舶交通流量预测

为缓和神经网络对历史数据的"过拟合"与预测值"失真"的矛盾,设计一种基于BP神经网络与残差分析的非线性时间序列预测流程.从控制残差为正态分布、白噪声等方面入手,建立合适的人工神经网络,使其既能较好地拟合过去的样本,又可以得到符合未来趋势的预测结果.将该预测流程应用于长江九江大桥观测线船舶交通流量预测,预测效果证明该方法可行.     

基于BFGS法的BP神经网络算法研究

在把ＢＦＧＳ（Ｂｒｏｙｄｅｎ－ Ｆｌｅｔｃｈｅｒ－ Ｇｏｌｄｆａｒｂ－ Ｓｈａｎｎｏ） 法运用于ＢＰ神经网络权的训练中,通过基于不同算法的神经网络对实际问题进行学习,并根据学习后获取的非线性机理结合预测的实例进行对比分析,表明基于ＢＦＧＳ法的ＢＰ神经网络算法对加快网络训练速度、提高网络预测能力方面是有效的。     

应用BP神经网络算法对运动成绩预测的实证研究

人工神经网络具有很强的自训练学习和容错能力等优点,且BP网络的学习算法简单、学习能力强,其在实际中具有较为广泛的应用。鉴此应用BP神经网络对运动成绩进行预测,并结合实例说明了该方法的实施与应用。数值试验表明模型具有很高的预测精度,为运动成绩的预测提供了一种新的方法。     

BP神经网络和多元回归方法在乒乓球技战术能力分析中的应用

运用BP神经网络和多元回归对优秀男子乒乓球运动员的技战术能力进行了分析,结果显示:(1)BP神经网络和多元回归构建的技战术能力模型都具有较高的拟合和预测效能,但BP神经网络在拟合和预测精度上优于多元回归;(2)优秀男子乒乓球运动员第一重要技战术能力为发抢能力,第二重要为发球轮相持能力和接抢能力,接发球轮相持为第四重要能力;(3)乒乓球运动员技战术能力间存在补偿效应,各种技战术水平组合的比赛评定总分大于13分即可获得比赛胜利.     

径向基函数神经网络在集装箱吞吐量预测中的应用

针对一类具有时间序列特性的数据,构造一种基于径向基函数（ＲＢＦ） 神经网络的预测模型,并将该模型应用于上海港集装箱吞吐量的预测。     

BP神经网络模型在地价动态监测中的应用——以武汉市为例

本文运用BP神经网络模型能够以一定的精度逼近复杂的非线性映射,由地价的影响因素推导出地价的原理,通过MATLAB这种科学工程语言,对收集到的武汉市2008年住宅用地地价动态监测点情况进行分析检验,通过检验结果验证现有监测点地价合理性,并对不合理的监测点地价进行剔除或者修正,得出监测点的理想地价,从而更加准确地反映地价动态变化。     

GM（1，1）与BP神经网络组合预测模型在田径成绩预测中的应用

针对原始数据序列建立灰色GM（1,1）模型,然后利用BP神经网络对GM（1,1）模型预测值加以校正,得到GM（1,1）与BP神经网络组合预测模型。通过运用田径比赛项目相关成绩序列进行模型检验,相比单纯的GM（1,1）模型,组合模型具有更高的预测精度,表明了组合模型预测的可行性。     

一种改进的BP网络模型在唇裂手术预测分析中的应用

通过研究传统的BP神经网络算法,设立一种改进的BP网络模型,通过在Matlab 2010中对模型的仿真,推演出唇裂手术后的效果图。为患者选择合适的手术方法,提供了有力的参考依据,也为医生实施手术提供了参考方法,很好的解决了医患关系,具有一定的参考实践价值。     

应用BP神经网络校正铂电阻温度传感器非线性的方法

本文应用BP神经网络算法对铂电阻温度传感器进行非线性校正,给出了BP神经网络的结构和训练权值的方法,在训练网络时对输入量进行了归一化处理。并应用此训练的网络对一实际的温度采集系统进行校正。此方法实现简单,大大方便了铂电阻温度传感器在温度测量中的应用。     

基于BP神经网络模型的新疆建设用地分析

鉴于BP神经网络在非线性领域预测中的应用,以新疆建设用地为研究对象,构建BP神经网络预测模型,选取1996~2006年总人口、城市化水平、GDP等10个因子,反映新疆人口状况、经济发展水平、产业结构及投资水平作为网络的仿真输入,对2007年新疆建设用地进行模拟预测,预测结果与实际面积的相对误差仅为0.06%.最后针对新疆建设用地中存在的问题,提出了保障经济与社会协调可持续发展的土地利用策略.     

基于BP神经网络的身份证号码识别算法

文章主要介绍了基于BP神经网络的身份证号码识别算法的实现方法,在进行BP网络设计中,主要需要考虑网络层数、各层中神经元结点数、初始值的选取、期望误差及学习速率等因素对算法的影响,提出了算法具体实现的步骤。     

船舶交通量的BP神经网络-马尔科夫预测模型

为提高船舶交通量的预测精度,在BP神经网络的基础上结合马尔科夫预测模型建立一个新的预测模型.采用通过长江九江大桥的月度船舶交通量数据进行模型训练、验证和预测,求出相对残差值,将相对残差的前8项归一化后划分为3个状态,利用马尔科夫预测模型修正BP神经网络的预测值.该新模型将BP神经网络的相对残差值区间从[-12.9%,12.3%]降低至[-9.9%,5.4%].该模型能提高船舶交通量的预测精度,用于预测船舶交通量是可行的.     

基于PCA的模糊BP网络建模方法在藻类生长状态预测中的应用

为较好地描述藻类生长受环境中各种理化因子作用和影响的复杂的非线性映射关系,将主成分分析(Principal Component Analysis,PCA)与模糊反向传播(Back Propagation,BP)网络模型算法相结合对藻类生长状态进行预测.该方法可有效降低样本数据的维数,简化模型系统的复杂程度,使模型具有较...     

人工神经网络在经济预测中的应用

研究人工神经网络在经济预测中的应用问题,探讨人工神经网络的时间序列预测方法.该方法采用多层前馈神经网络及BP算法,其仿真实现是以MATLAB下神经网络工具箱作为开发工具,提出一种基于BP网络时序预测通用方法,并通过实例验证了该方法的预测精度明显高于灰色系统预测方法.为了消除单一神经网络预测模型的系统偏差,探讨组合神经网络时序预测方法,用实例验证了组合神经网络比单一神经网络的预测精度高.     

基于BP神经网络的城市货运生成预测模型

针对传统的货运生成模型处理非线性影响因素能力差的问题,运用BP神经网络建立城市货运生成多变量非线性预测模型。在对城市货运生成量影响因素进行分析的基础上,选取就业人数、地区GDP和消费品零售总额3个指标作为输入变量,以城市公路货运量和城市货运总量为输出变量,构建BP神经网络预测模型。该模型能揭示货运量与相关变量之间的非线性映射关系,在实证研究中取得了较理想的结果。通过实际货运量与BP神经网络预测结果的对比,验证了该模型在货运量预测方面的可行性。     

GA-BP神经网络模型在集装箱船纵摇角度预测中的应用

为研究集装箱船航行过程中的纵摇角度预测问题,采用遗传算法(genetic algorithm, GA)对反向传播(back propagation, BP)神经网络的初始权值和阈值进行优化,并对比分析优化效果。以集装箱船实际航行数据为基础,划分数据集,确定神经网络结构,并初始化GA参数;GA以适应度值为指标,迭代搜索最优适应度值,确定BP神经网络参数;使用具有最优初始权值和阈值的BP神经网络进行纵摇角度预测,并结合均方误差(mean square error, MSE)和平均绝对百分比误差(mean absolute percentage error, MAPE)对预测结果进行对比分析。结果表明：所提模型具有较高的预测能力,预测结果的MSE和MPAE分别为0.719 2和0.008 2,预测结果较为准确。     

基于PSO的BP神经网络-Markov船舶交通流量预测模型

为对船舶交通流量进行准确预测,结合BP神经网络和Markov算法,构建BP神经网络-Markov预测模型。引入粒子群优化(particle swarm optimization,PSO)算法对模型进行优化,克服利用Markov模型选取白化系数的不足。用该模型预测武汉长江大桥船舶交通流量的月度数据,结果表明:与BP神经网络的预测精度82.439 0%相比,基于PSO的BP神经网络-Markov预测模型的预测精度提高到91.050 8%,该模型的合理性和准确性得到验证。