BP网络在基坑工程变形预测中的应用研究

本文提出了基坑工程施工过程中地表沉降预测的BP网络分析方法，建立和编制了在各种条件下均能类似应用的预测网络模型和计算程序，并结合一实例，结果是令人满意的。     

用改进的BP网络预测油气

人工神经网络在地球物理领域中，尤其在模式识别和油气预测方面得到了较好的应用．前向网络的重要特性是能够总结、归纳已知样本隐含的函数关系．然而其推广性能有待进一步研究．本文强调了该问题的重要性并提出了改善网络推广性能的技术，即在网络学习过程中，不仅让总误差下降，还尽可能使建立的“隐函数”平滑．计算实例表明，本文的算法可以明显地改善网络的推广性能．最后给出了用该技术在辽河油田进行油气预测的实例     

基于BP网络的经济增长预测研究

运用BP网络高度并行互联结构和高速的自学习、自适应处理能力的特点。将BP神经网络引入到经济领域。以湖北省为例，对其经济增长进行了预测研究，表现出较好的预测性能。     

基于BP神经网络的高血压诊疗预测分析

本文对72例高血压临床数据展开研究,通过BP神经网络结合临床数据中包含的中医西医的检查结果,对高血压病诊断结果的等级分层和用药情况进行预测分析,通过对10例预测样本分析,达到了88%的准确度,并对不同的BP神经网络函数进行比较,找到效果更优的函数设置。     

基于BP网络的语音识别器的理论设计

对BP神经网络的提出、基本思想及网络结构进行了简要地介绍,采用BP神经网络对语音进行识别.     

BP网络结构设计与算法探讨

人工神经网络是一门高度综合的交叉学科，在许多领域获得了广泛的应用。本文就BP神经网络应用设计中的网络隐层数、神经元个数、算法等具体设计问题进行了探讨，为BP神经网络在有关工程领域中的应用设计提供了有用的参考。     

运用人工神经网络预测净水厂混凝投药的研究

运用前馈式人工神经网络,通过建立网络模型并进行训练、测试,对华北地区某水厂的混凝投药量进行了预测,达到了较好的预测效果。     

基于BP网络的城市空气质量中长期预测研究

采用Matlab中BP神经网络的工具箱函数,对济南、青岛两市空气质量中长期变化趋势进行的预测显示,网络的预测精度高,自适应性强,训练速度快,避免复杂运算,节省大量时间,预测效果理想。因此,利用BP网络对空气质量的预测结果可以为环境管理部门的规划、管理工作提供依据,为保障人民的健康和社会生活服务。     

BP神经网络在复合材料和构件强度预测中的应用

针对复合材料和构件强度预测问题的非数理性,拟采用BP神经网络辅助预测,对其理论进行了深入研究.     

基于BP神经网络的地震预测

地震预测是地理问题研究领域中的一个重要课题.由于引起地震的相关性因素很多,很难建立物理理论模型.神经网络在预测和构造未知时象模型方面具有独特的优势,因而在预测控制领域得到广泛的应用,本文探讨将BP神经网络应用到地震预测中的一种方法.     

BP网络应用研究

阐述BP网络的基本概念，介绍BP网络的应用领域，分析其在实际应用中存在的问题，为较好地应用BP网络模型解决实际问题提供指导和参考。     

基于BP神经网络的金属材料字符识别研究

字符识别是模式识别领域的一项传统课题,其内容是模式识别领域中很多课题的基本内容。人工神经网络的出现为字符识别的研究提供了一种新的手段,BP神经网络(Back Propagation Neural Network)作为人工神经网络的一个分支,现已成为其最广泛的应用。本文以三层BP网络作为模型,并将其应用于对金属角铁上的字符识别。由于角铁字符为数字与英文字母混合,文中在对传统的BP算法进行了改进的基础上,采用了分组神经网络的设计方法,取得了良好的识别效果。     

创业板研发投入的神经网络预测:是采用RBF模型还是BP模型?

创业板公司成立时间较短、企业规模较小,其研发投入的影响因素较多,使用营业净利率、每股收益、董监高年薪、可持续增长率、资产负债率、现金流量净额和GDP这些指标,运用径向基神经网络(RBF)和逆传播神经网络(BP)方法构建一个训练完成的神经网络模型,研究发现RBF神经网络模型比BP神经网络模型具有更好的拟合、预测效果。     

基于主成分分析与BP网络的我国GDP预测

我国GDP总值受多种因素的影响,通过主成分分析法将众多指标进行综合,消除样本间的信息重叠,降低BP网络的输入维数。针对我国GDP总值预测系统的非线性特征,运用BP网络的高度非线性映射能力,对我国GDP总值进行预测,结果表明:主成分BP网络预测结果精确。     

基于BP神经网络的图书发行量预测模型研究

收集20年图书的发行量数据，采用特殊的处理方法建立时间序列图书发行量的BP神经网络预测模型。利用MATLAB6．1软件中的神经网络工具箱实现了样本的最化划分，网络参数的优化。经未学习样本检验，模型预测精度较高。并对预测结果作了置信度分析，提出置信度95％水平预测结果。     

BP神经网络在股市短期预测中的应用

设计了一个三层BP神经网络模型,结合MATLAB神经网络工具箱,针对一只个股实际数据,进行了该网络模型的训练与仿真,并时股市行情进行了短期预测。通过实验数据,计算出短期的预测值与实际收盘价的均方误差Q=0．027623,这说明此方法是有效和可行的。     

人工神经网络在电力系统短期负荷预测中的应用

本文基于多层前馈神经网络误差反传（BP）模型的电力系统短期负荷预测的方法。根据电力系统短期负荷变化的特性建立了既反映电力系统负荷连续性、周期性及其负荷的变化趋势,又包含天气变化对系统负荷的影响的日负荷模型,以此作为对BP神经网络进行训练的向量样本集。实例表明ANN应用于电力系统短期负荷预测是可行的,其预报结果比传统的负荷预测方法更准确。     

BP神经网络预测边坡稳定性

利用BP神经网络对边坡稳定性进行预测,考虑到岩土体的物理力学性质、边坡参数等对边坡稳定性有影响的各种因素,通过训练和检验的对比,证明该方法可以满足精度要求,进一步验证了该方法在预测边坡稳定性方面的可靠性,具有一定的推广价值。     

动量梯度下降法训练BP网络

BP网络的训练就是通过应用误差反传原理不断调整网络权值使网络模型输出值与已知的训练样本输出值之间的误差平方和达到最小或小于某一期望值。应用最广的是增加了动量项的改进BP算法。本文采用的是动量梯度下降法训练BP网络。     

BP神经网络在我国粮食产量预测中的应用

本文基于BP神经网络模型，进行了2001－2010年我国粮食产量的预测。通过对比传统的“平均增长率一阶滞后模型”拟合及预测1992－2000年粮食产量与实际产量的误差值大小，可明显看出BP神经网络对于处理单输入单输出的时间序列预测问题是一种更具优越性的方法，它具有很强的学习与泛化（推广）能力，具有很好的应用价值。