改进的BP神经网络方法及其在农业商品总产值预测中的应用

针对BP神经网络应用中存在的训练时间长、收敛速度慢的问题，对常用的BP神经网络方法进行了改进，增加了数据前处理和后处理的过程。前处理过程是对BP神经网络的输入变量采用主成分分析法进行预处理，确定主要的影响因素，解决了神经网络训练时输入变量过多造成的效率下降问题；后处理过程是对训练结果采用回归和相关性分析的方法进行评价，验证了训练结果的精度。对农业商品总产值的预测结果表明．改进的BP神经网络方法能够提高神经网络的训练效率．并且达到了较高的预测精度。该方法适用于解决多因素预测的问题。     

BP神经网络在股价预测中的应用

对BP神经网络方法在股价预测中的应用进行了研究,对BP神经网络的结构进行了介绍。针对BP网络学习速度慢,采用弹性BP学习算法和tansig传递函数提高了收敛速度。在仿真过程中通过MATLAB编程实现了BP神经网络对中国石油近一年交易日的数据的训练和测试,获得了一定的预测精度,对BP算法和改进后的BP算法在预测股票中的收敛性能和拟合程度进行比较,并用训练好的BP网络股市预测模型来预测其股票数据,达到了预测效果。     

基于PCA-BP神经网络的郑州市年用水量预测

城市用水量是城市给水系统规划的重要指标之一,对供水系统的调度、改进具有重要意义。通过收集郑州市年用水量数据,从四个方向对郑州市用水量影响因素进行灰色关联分析,并选择主要影响因素进行主成分分析后,作为BP神经网络模型的输入数据,从而建立了PCA-BP神经网络预测模型对郑州市年用水量进行预测,并与BP神经网络模型结果进行对比。结果表明,PCA-BP神经网络在用水量预测中精度比BP神经网络预测精度较高,具有可靠性和适用性。     

船用齿轮箱故障分析与管理对策

近年来,我国船舶制造行业发展快速,因此为了有效降低齿轮箱故障诊断错误率,本文提出采用标准BP神经网络进行船舶齿轮箱故障诊断进行对比测试。首先对测试数据进行统计,并利用小波分析提取出船舶齿轮箱故障诊断特征,最后建立神经网络对其故障进行诊断,经相关故障实例分析可知,本故障诊断方法能有效提高船舶齿轮箱故障诊断效果,除此之外,本文还对船用齿轮管理对策进行阐述。     

基于BP神经网络的发动机故障诊断算法研究

为提高发动机故障诊断的准确度和诊断效率,本文开展一种基于BP神经网络的发动机故障诊断算法研究,研究过程为首先设计实验方案,并对实验数据进行采集;其次利用训练样本对发动机故障网络对进行训练,确定最佳的BP神经网络方案为11-11-8结构,采用LM算法的BP神经网络,最终利用训练后的神经网络进行故障诊断,诊断正确率达到94%。     

一种改进的基于SVM的网络入侵检测算法

研究了支持向量机与自组织神经网络的原理,利用支持向量机的小样本学习与推广能力强的特点,结合自组织神经网络良好的学习能力与收敛速度,实现了对支持向量机算法的改进.利用Lincoln实验室入侵检测系统评估数据集合对改进算法进行测试,并将实验结果与BP神经网络进行了比较,结果表明,改进的算法在检测精度与训练时间方面均优于BP神经网络.     

螺杆泵PNN网络方法故障诊断的研究

为提高螺杆泵故障诊断的准确率,提出了一种基于概率神经网络(PNN)的螺杆泵故障诊断方法。利用Bayes分类决策理论建立了监督神经网络,以螺杆泵抽油杆断脱、蜡堵、卡泵、泵漏等故障为例进行诊断研究,建立了某型螺杆泵故障分类的PNN模型,通过现场多组样本的训练分析,并将其诊断结果与几种改进后BP神经网络比较,结果表明PNN网络算法简单、准确率高、速度快。     

遗传算法在柴油机故障诊断中的应用

BP神经网络在故障诊断时,对故障的学习训练盲目性大,导致速度慢,结果可靠性差。但是遗传算法可以优化挑选故障向量具有针对性,弥补BP神经网络诊断的不足。所以基于遗传算法的BP神经网络可以使各代种群在进化过程中容易得到全局最优解。实例对比分析,表明优化后的神经网络具有较好的收敛性能和运算速度,能够改善诊断精度。     

BP神经网络在矿山机械液压系统故障诊断中的应用

介绍了BP神经网络的结构及学习算法。对液压系统故障模式及故障机制进行分析,提取能够反映液压系统故障的特征量作为BP神经网络的输入,并用BP算法对该网络进行训练,利用神经网络的智能性来判断液压系统所属的故障类型。仿真结果表明,该诊断方法具有高可靠性,达到了预期的结果,可以用于液压系统的故障诊断。     

BP神经网络模型与学习算法

分析了神经网络算法的基本原理,给出了BP神经网络算法的具体实现方法,总结了它的特点,并给出了基本流程。采用Matlab软件编程实现BP神经网络算法。将神经网络算法应用于函数逼近问题中,并分析相关参数对算法运行结果的影响,最后对BP神经网络算法进行了展望。     

基于BP神经网络与PNN在航空发动机故障诊断上的对比

航空发动机智能故障诊断技术广泛应用于民航并具有重要作用,其利于航空公司提高维修效率,降低营运成本。获取典型民用发动机PW4000飞行数据以及故障信息,对BP神经网络和概率神经网络(PNN)改进及优化,结合数据处理并提出智能故障诊断方法。经多次计算,BP诊断成功率为99.106%,PNN为99.339%。     

基于BP神经网络的应用及实现

针对医学中癌细胞与正常细胞的正确分类率不高的问题,提出BP神经网络对其进行分类。本文介绍了BP神经网络的基本算法及几种改进算法。为了提高癌细胞的检测正确率,本文分别采用四种改进算法训练BP神经网络并进行测试。通过分析其训练效果的关键数据及测试结果,可以得到较高的癌细胞分类准确率。实验表明,采取合适的算法对BP网络进行训练,可以达到较好的分类效果。     

基于BP神经网络的变压器故障诊断

针对变压器故障征兆和故障类型的非线性特征,结合油中气体分析法,研究应用BP神经网络对变压器进行故障诊断。设计了一个基于BP神经网络的变压器故障诊断模型,通过仿真实验证明BP神经网络可以有效的运用到变压器故障诊断中。     

火箭发动机齿轮组故障检测数学模型

建立故障检测和特征频率提取数学模型,采用自适应BP神经网络算法对故障状况进行了仿真模拟运算。仿真结果表明新故障诊断算法结果优于传统BP神经网络算法,由原来的10000步降低至700步,有效提高了运算速度,同时运算精度也有所提高,检测准确置信度提高了10%,提高了故障检测的概率。研究成果为火箭发动机涡轮泵故障的早期发现与故障解决提供了算法理论的依据,有较好的工程推广运用性。     

瞬态振动法测试土密实度的神经网络模型

神经网络模型是处理非线性问题较好的一种方法之一。文章通过对人工神经网络的分析,建立了瞬态振动法测定土密实度的神经网络模型,网络的学习算法采用改进的BP算法。并对建模结果的准确性和可靠性进行了验证和讨论。结果表明将神经网络应用于土密实度的定量分析问题中,效果是良好的。     

基于BP神经网络的液压系统故障诊断探析

针对BP神经网络的结构技术,液压系统故障原理进行深入分析,并通过实例剖析BP神经网络在工程机械液压系统中的故障诊断经过,充分结合系统工作原理特性,构建合理的算法。实验证明BP神经网络在故障分析中能够给出合适的正确结果。     

基于BP神经网络的航空装备维修保障信息化评估

参照国家信息化指数评估模型,构建了航空装备维修保障信息化评估指标体系,并依据此指标体系,建立了对其进行评估的BP神经网络.简要介绍了BP算法,并利用统计数据和专家经验获得了对网络进行训练的可靠样本,对网络进行了训练,得到了速度和精度符合要求的BP神经网络.经验证,该网络在评估航空装备维修保障信息化水平时提高了效率,具有良好可信度,并能有效减少主观因素对评估结果的影响.     

基于改进的GA优化BP神经网络的煤矿设备的故障诊断

面对越来越多的煤矿设备出现的故障,本文提出了将遗传算法(GA)和BP神经网络结合进行预测的方法。针对遗传算法存在收敛速度慢,容易陷入局部最优的情况,本文首先采用混沌和反向学习初始化个体,其次运用差分算法对个体最优进行操作,最后,将改进的适应度函数运用到选择操作中,通过变异概率和交叉概率提高操作的准确率。将改进后的算法运用到BP神经网络中提高了样本训练效果,仿真实验表明本文算法相比于传统BP神经网络提高了精度和增强了稳定性     

基于改进的PSO-BP神经网络的桂林市物流预测研究

由于BP神经网络有收敛速度慢,容易陷入局部最小的缺陷,因此文章提出了一种改进的粒子群算法来优化BP神经网络的权值与阈值。使得预测模型能够在搜索最优解的过程中能够平衡算法的局部搜索和全局搜索,提高搜索的精度。对初步确定的输入指标和输出指标采用线性回归的方法,来筛选与输出指标具有强相关性的输入指标。通过MATLAB软件进行预测,比较标准的PSO-BP与改进PSO-BP模型,预测结果较好,说明改进的PSO-BP模型是有效的。     

基于BP神经网络预测企业竞争情报搜集成本

为克服传统方法的局限性,本文尝试以企业竞争情报内容和情报搜集活动过程作为情报搜集成本分析的基础,在此基础上引入BP神经网络进行预测,并用部分样本数据验证对比了线性回归分析法和BP神经网络的预测结果。验证结果表明,BP神经网络预测模型用于情报搜集成本的预测具有较高的预测精度。