基于BP神经网络的中国人口预测

本文基于中国统计年鉴1990—2010年中国人口数据,通过建立BP神经网络模型,对中国人口进行了预测。结果表明,神经网络预测数据相对误差不到0.01%,比传统预测方法精确很多,根据该模型预测,中国人口将在2050年达到峰值14.5亿左右。     

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。     

不同生物检材在毒品检测中的适用

毒品滥用具有严重的社会危害性,毒品犯罪打防管控一直是我国的一项重要工作,但近年来新型毒品滥用问题越来越严重,戒毒人员复吸率居高不下。毒品犯罪打防管控的过程中,毒品检测贯穿于全过程,直接影响着毒品治理的方向,生物检材中毒品检测技术是法庭科学中的重点也是难点。本文中对于国内外不同生物检材中毒品检测的方法进行分析,找出最优化的检测技术,为我国的检测技术提供参考。     

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。     

基于GRU神经网络的供热负荷预测研究

供热负荷预测是实现智慧供热的关键技术之一,对降低供热能耗具有重要意义。本文以开封市J集中供热系统某换热站的2020年供暖季历史供热数据为研究对象,设计了基于门控循环单元(gate recurrent unit, GRU)神经网络的短期供热负荷预测模型。将1次侧供回水温度、室外温度、风速、天气情况、流量作为输入变量,供热负荷作为输出变量,前70%的数据作为训练集,后30%的数据作为测试集。通过MALTAB进行仿真模拟,并与传统的BP神经网络、Elman神经网络进行对比分析。仿真结果显示GRU神经网络预测模型MAPE为3.94%,RMSE为76.77,预测效果最佳。     

基于BP神经网络模型的四川省税收收入的经济研究

本文利用四川省1995年~2015年间的税收收入与影响税收的9个影响因素,建立税收收入的BP神经网络预测系统。同时选取2015年数据对各个影响因素进行BP神经网络的影响分析,发现第二、三产业以及进出口总额对四川省税收影响最显著。     

BP神经网络在高速公路交通量预测中的应用

本文介绍应用BP神经网络对高速公路交通量的预测,采用Matlab神经网络工具箱函数建立神经网络预测模型,运用该模型对高速公路的收费情况进行预测.从而间接预测该高速公路的交通量.     

基于产业结构的天津市从业人员规模预测分析

调整高等教育专业结构与产业结构、人口职业结构的关系,是解决结构性失业的重要手段。本文以第一产业从业人员规模预测为例,借助灰色关联分析确定与目标因素关联程度较高的若干关键因素,选择神经网络模型和线性回归模型建立预测模型,利用天津市2006-2015年相关数据,对天津市第一产业从业人员数量进行中长期预测,从产业发展需求角度对高等教育专业结构提供参考。预测结果与现有数据发展趋势基本吻合。     

基于粗糙集和BP神经网络的钻井作业安全事故预测

本文在钻井作业安全事故预测系统中引进了粗糙集和BP神经网络。在本文中,笔者首先使用粗糙集对基于钻井作业安全的信息系统进行属性约简,获取对应于最小条件属性集的信息表。之后,笔者用得到的数据对BP神经网络进行训练,进而对钻井作业安全事故进行预测。通过实例研究,本文发现粗糙集可以加快神经网络的训练,并提升网络的预测精度。本文的研究结果表明粗糙集和BP神经网络可以高效地对钻井作业安全事故进行预测。     

全球每年20万人因滥用毒品致死

自上世纪60年代起，毒品似瘟疫在全球蔓延，吸毒者日见增多，造成的社会问题也日趋加重。根据《2004年国际禁毒报告》，全世界15岁至64岁的人当中有47％的人至少非法使用过一次毒品。在世界4种主要毒品中，滥用大麻的人数最多，2004年全世界约有1．5亿人吸食过大棘合成毒品的滥用人数居第二位，达3800万人。2003年全球鸦片的供应量增至4765吨。全球每年因滥用毒品致死的人数高达20万。     

基于小波分析和神经网络的金融时间序列预测

以金融时间序列(1990年~2014年上证指数)为研究对象,金融时间序列数据本身带有较大的波动性,有高频和低频的数据情况贯穿于整个时间序列。小波分析对于数据降噪较于传统的降噪方式有着明显的优势,分析对比小波变换在处理两种不同波频情况下的优势和方法。采用其适合小波分析和神经网络相结合的组合模型对其进行分析和预测,其思想是,先将时间序列进行小波分解,得到各级小波变换序列和尺度变换序列。根据不同级小波变换系数的情况,选择合适的神经网络训练函数建立预测模型,得到各级小波变换序列和最后一层尺度序列,运用小波重建技术得出原时间序列的预测值。最后和常规的BP神经网络比较预测效果。     

基于NWP和改进神经网络的短啦风电功率预测研究

风电场功率预测对电力系统稳定运行起着决定性作用。首先对传统BP神经网络进行改进,以某一风电场获取的2月1日-10日的天气预报（NWP）数据和功率数据作为改进后BP神经网络的训练数据,对神经网络进行训练;其次以2月11号3小时的数值天气预报数据作为改进后BP神经网络的输入数据,对未来3小时的输出功率进行预测。预测过程和结果显示,改进后的BP神经网络在满足低预测误差的同时,能够提高BP神经网络的稳定性和收敛速度。     

基于Elman神经网络在电力负荷预测中的研究

针对某地区一个月的电力系统负荷数据进行了研究,建立Elman~([1])神经网络网络模型,运用MATLAB工具箱,对Elman神经网络在神经元个数设置,节点层数及训练数据个数的选择进行了研究,同时与BP神经网络~([2])做了预测数据比较分析。验证了Elman神经网络模型在电力负荷预测~([3])中的准确性与可行性,相比较于BP神经网络的Elman神经网络具有训练速度快准确度高的优点。     

基于遗传算法的BP神经网络在汇率预测中的应用

汇率预测是金融领域最具挑战性的研究课题之一。本文将几种神经网络用于汇率预测,选取从2010年6月30到2018年3月6号美元/人民币汇率作为研究数据。结果表明基于遗传算法的BP神经网络在汇率预测方面具有比单个神经网络更精确的预测结果。     

EMD在江西降水预测中的应用

降水量时间序列具有明显的非平稳性和非线性,本文选取江西全省50年春季降水量为试验数据,经EMD分解处理后对每个IMF分量和趋势量建立SVM模型进行预测,再重构得出预测值。文中将试验算法与未经处理的SVM算法和BP神经网络算法进行对比分析,结果表明,本文提出的EMD和SVM结合法误差最小,能很好地预测降水量趋势,在短期气候预测的研究方向中前途无量。     

基于GM(1,1)和Elman模型的露天矿山边坡位移预测

为对露天矿山边坡的变形趋势作出了科学的分析与预测,将GM(1,1)灰色模型与Elman神经网络模型结合,选取露天矿山实测位移数据进行了分析,并对两种预测模型方法进行比较。通过预测结果数据得出:两种模型均可对边坡位移进行较精确的预测,灰色GM(1,1)模型较为简洁,Elman神经网络模型预测值相对于灰色GM(1,1)模型预测值更加接近实际监测位移数据相对误差较小。两种预测模型均能基于现有数据对之后的发展规律作出预测,从而为露天矿山企业安全措施的制定提供重要参考依据。     

一种基于演化神经网络的预测算法

在神经网络预测方法中，网络结构的确定直接影响到预测结果的精确性。本文引入演化神经网络，利用遗传算法确定神经网络的结构参数，可以减少对预测用户经验的依赖性。通过对不同时间间隔的交通流实测数据的预测，表明本文中提出的预测方法具有较好的预测效果。     

基于BP神经网络的江苏省秸秆资源量预测

农作物秸秆是地球上第一大可再生资源,为能更好的合理开发利用农作物秸秆资源,缓解日益突出的资源短缺、环境污染与经济发展的矛盾,对其进行预测研究是非常之必要的。本文系统分析了江苏省秸秆资源现状及其资源量变化趋势影响因素,并以1990年-2008年历史数据和2009年农作物秸秆资源普查数据为基础,选取理论资源量、人均资源量和单位播种面积资源量为预测评价指标,基于BP神经网络（BP—ANN）对江苏省农作物秸秆资源的评价指标发展趋势进行预测。结果表明：建立的BP神经网络预测模型的相对误差基本在5％的范围内,平均相对误差在2％左右,预测结果与实际有较高的拟合度,且对数据具有较好的适应能力。在未来5年内,江苏省秸秆理论资源量呈平穗发展趋势;而人均资源量和单位播种面积资源量呈下降趋势,前者较后者下降幅度大。预测结果与当地发展规划趋势相一致,该方法具有很强的实际应用价值。本文最后针对江苏省实际,提出了农作物秸秆资源开发利用相关建议。     

基于长短期记忆神经网络的短期负荷预测方法

为了能够挖掘出海量数据中蕴含的有效信息,提高短期负荷预测精度,本文提出了具有深度学习能力的长短期记忆神经网络(Long Short-Term Memory,LSTM)模型进行短期负荷预测,深度学习顺应了大数据的趋势,对海量数据学习、泛化能力强。利用主成分分析方法对样本进行选择,进而建立LSTM预测模型。仿真结果表明,采用LSTM预测模型相对于BP神经网络模型提高了预测精度。     

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。