基于理化指标统计分析的葡萄酒质量评价模型

基于2012“高教社杯”全国大学生数学建模竞赛A题数据。采用主成分分析和Q聚类分析对酿酒葡萄进行了分级,分析了酿酒葡萄和葡萄酒的理化指标对葡萄酒质量的影响,并建立了如何用酿酒葡萄和葡萄酒的理化指标来评价葡萄酒质量的多元线性回归模型,为葡萄酒质量评价提供了理论依据．     

神经网络模型在评价红葡萄酒质量中的应用

通过建立神经网络模型,利用红葡萄酒、红葡萄的理化指标对样本酒进行分类;将神经网络模型的分类结果与评酒员的评分分类进行比较,得出红葡萄与红葡萄酒的理化指标不能评价红葡萄酒的质量．进一步分析,添加酿酒红葡萄与红葡萄酒各种芳香物质量指标,对红葡萄酒的质量进行分类,得出红葡萄酒与酿酒红葡萄的芳香物质指标对红葡萄酒的质量产生一定的影响．     

基于主成分分析与神经网络的葡萄酒品质评价

此文在主成分分析的基础上,运用人工神经网络对UCI数据库的葡萄酒数据建立了数学模型。仿真实验结果表明该模型是行之有效的方法。     

基于理化指标统计分析的葡萄酒质量评价——2012年全国大学生数学建模竞赛A题论文

本文根据葡萄酒及酿酒葡萄的理化指标,通过统计分析的方法来对葡萄酒的质量进行评价。针对4个问题分别建立了显著性差异分析模型、主成分聚类分析模型、一元及多元回归分析模型对问题进行求解,并结合计算结果说明了所建模型的合理性。     

基于BP神经网络的Web软件质量分析

根据Web软件质量分析的指标体系,运用BP神经网络的方法对其质量等级进行研究,通过MATLAB环境下的仿真实验证明其评价结果与期望结果是一致的,从而为准确、科学和客观评价Web软件提供了新的思路和方法。     

基于主成分和BP神经网络方法的湖南省汽车保有量预测

汽车保有量预测对城市交通的发展方向、城市交通的控制管理、城市道路的建设情况等都有直接的参考意义。本文通过分析影响城市汽车保有量的因素,通过参考部分参考文献,城区人口总数人均GDP、公路客运量等8个指标,首先采用主成分分析法将8个因素进行分析,然后建立BP神经网络模型对湖南省2006到2008年汽车保有量进行预测,预测结果分别为98.93万辆、122.18万辆、137.03万辆,与汽车保有量实际值94.64万辆、121.72万辆、142.67万辆很接近,预测精度比较高。这表明BP神经网络具有很强的学习与泛化能力,用于汽车保有量预测的可行性与有效性。     

葡萄酒质量评价的定量分析

针对葡萄酒质量的评价,综合分析葡萄酒品尝评分、酿酒葡萄与葡萄酒的理化指标等数据,建立非参数检验模型、模糊C均值聚类模型和多元统计分析模型,运用Matlab软件,得出了对葡萄酒评价的可信度、酿酒葡萄的分级和酿酒葡萄与葡萄酒的理化指标对葡萄酒质量的影响等结果.     

基于灰色预测与BP神经网络的全球温度预测研究

为深入了解全球变暖缘由及影响,探究变暖是否停滞,考虑地球吸热、散热及海洋温度变化等因素,构建一种全球温度预测模型,预测未来25年温度变化。采用主成分分析法找出贡献度较大的3个主成分,再用3组灰色预测模型预测海洋平均温度、二氧化碳排放量、太阳长波辐射等8个变量,并进行光滑比、级比和残差检验。结果表明,预测符合前29年（1990-2018年）时间序列图规律,用历史数据训练BP神经网络,然后把8个变量的预测值代入神经网络,拟合优度为0.922 72,精度非常高,可以看出全球平均温度距平序列越来越大,说明温度正逐渐升高,而不是停滞。     

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。     

一种新的BP神经网络人脸识别方法研究

BP神经网络在人脸识别方面的研究中,原始样本数据不进行预处理与特征提取,不仅使识别结果准确降低,而且使BP神经的结构复杂化.主成分分析法能提取代替样本的少数几个主成分,这些主成分彼此不相关,符合特征优化的要求.在BioID人脸数据库实验表明,将主成分分析与BP神经网络相结合,与传统单一的BP神经网络识别相比,能够提高识别的正确率,减少训练时间,同时简化网络结构,减少很大的计算量.     

酿酒葡萄的品质评价模型

为了综合评价酿酒葡萄的品质,提取了27种葡萄品种的29个理化指标,并采用因子分析得到了最主要的3个因子,即风味品质因子、糖品质因子和外观品质因子.这些因子反映了原来较多指标的信息,且有很好的直观意义.最后,用K均值聚类把各种葡萄样品在3个因子的得分以及总分分为四种级别,从而可以根据不同的要求选取不同的较优良葡萄样品.     

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。     

高等学校学费标准的数学模型

依据国家统计局等权威机构提供的数据,对影响高校学费的经济、非经济指标和各高校学费的原始统计数据进行分析,得出较为合理的结论。对所得各模型进行评价,且其结果与高校学费现状基本吻合。     

基于主成分分析法的葡萄酒质量评价

针对葡萄酒的质量,通过有关数据分析,运用Matlab中主成分分析方法提取主要影响指标,在此基础上,运用模糊C均值聚类方法得到酿酒葡萄和葡萄酒的理化指标,并在一定程度上反映了它们的质量。运用相关系数分析和典型相关分析方法,得到酿酒葡萄和葡萄酒的各项理化、感官指标及质量问题间的关系。     

基于BP神经网络模型的通货膨胀预测

通货膨胀的诱因、预测与控制是各国政府、学者乃至普通民众关心的热点问题。运用交叉相关分析法对GDP增长率、M2增长率、工业生产者购进价格指数等因素与通货膨胀间的关系进行了定量分析,确定了各因素与通货膨胀之间的领先、一致和滞后关系;然后结合人工神经网络原理,以先前确定的领先指标作为输入信息建立了基于BP神经网络的通胀预测模型,最后根据模型预测结果,提出了控制通货膨胀的相关政策建议。