改进的BP神经网络在松花江干流水位预报中的应用

松花江干流水位受上游来水和水库调蓄等多因素的共同作用而表现出非线性响应,采用典型的3层BP神经网络模型来模拟松花江干流肇源、哈尔滨、通河、佳木斯和富锦5个代表站点水位。鉴于BP神经网络学习收敛速度慢、参数选择困难、易陷入局部极小值等缺点,分别采用Levenberg-Marquart算法和基于遗传算法的BP算法来建立水位预报模型,并对预报结果进行了分析和比较。结果表明:两种算法收敛速度快,预报精度均能达到预报要求。特别是将遗传算法的全局搜索和BP网络局部精确搜索的特性有机结合,做到了优势互补,在河流水位预报方面有着广阔的应用前景。     

基于神经网络预报的动态矩阵预测控制

提出了一种基于径向基神经网络预报的动态矩阵预测控制新算法，在该算法中，先用RBF神经网络辨识对象模型，同时预测对象的未来输出，然后用动态矩阵控制算法进行滚动优化和反馈校正。该方法解决了非线性、时变对象难以建模的问题，仿真结果验证了这一新型算法的可行性。     

铜锍吹炼终点预报系统样本的预处理

在进行网络学习前，对样本进行标准化、变量空间的降维、过滤噪音等处理，使得样本具有很强的特征性，可提高网络的学习能力。     

基于PSO优化的BP神经网络在洪水预报中的应用

针对BP神经网络的不足,采用PSO算法对BP神经网络进行优化,建立一个混合的神经网络洪水预测模型。实验仿真结果表明,该模型的预测效果优于传统的洪水预测模型。     

灰色神经网络在空调订单预报中的应用

将灰色系统与神经网络融合,建立了GM(1,N)灰色神经网络基本模型,推导了相应的编程算法,以空调订单的预报为例,利用MATLAB对GM(l,N)灰色神经网络模型进行编程.程序运行结果表明,灰色神经网络模型在少样本情况下也可以达到较高精度,且误差可控,可以作为空调订单预报的有效工具.     

水文预报的时间序列神经网络模型

时间序列分析在水文预报中起重要作用 ,其关键是要建立一个合适的预报模型 .文章提出基于 BP算法的单输出和多输出水文预报时间序列神经网络模型 ,克服了以往多种基于随机分析预报模型的缺点 ,不仅能实现快速灵活的信息处理 ,而且具有很强的非线性映射和自学习、自适应能力 ,这为更精确描述复杂非线性水文过程提供了可能 .通过对历史数据的学习 ,模型可对水文径流量时间序列进行预报 ,两个实例分析表明模型的可行性和有效性     

基于BP人工神经网络电力负荷预测

由于影响电力负荷的因素之间存在着非线性,所以采用神经网络方案来进行短期电力负荷预测.对应用于实际的神经网络算法进行了具体处理,如数据的归一化,输入向量和输出向量的选择.仿真结果表明其有较好的预测精度.该模型具有网络结构较小、训练时间短、易于实现的优点.     

基于BP神经网络的活性炭吸附甲基紫废水过程模拟

为了研究活性炭吸附甲基紫废水过程模型,采用BP人工神经网络算法,以试验所得的28组试验数据为训练样本,建立了以甲基紫废水浓度为输入变量,以不同甲基紫废水浓度下活性炭处理后甲基紫溶液的吸光度为输出变量的吸附模型,模型输出的预测结果与试验数据吻合较好,说明该模型对活性炭吸附处理甲基紫废水过程模拟的可行性和有效性.     

基于BP神经网络的疾病症状预测模型

疾病症状上报数量反映了当地居民健康状况,准确预测疾病上报的总条数对于预防传染病的发生至关重要。目前,疾病症状的上报、误报、重报问题突出,为了得到准确的患病人数,通过对某地区疾病症状上报数据的训练与预测,建立疾病症状上报总数的BP网络预测模型。研究结果表明,基于BP神经网络的疾病症状上报预测模型具有较高的精度和实用性。     

基于BP神经网络的心电图三分类

研究了一种基于神经网络的心电图分类方法,该方法利用前向多层神经网络的反向传播算法(Back Propagation),即BP算法,采用MATLAB软件建立用于三分类的BP神经网络,并利用大量的心电图数据训练神经网络,使神经网络对未训练过的心电图有较好的分类能力。实验结果表明,用这种方法用于心电图的三分类取得较好的效果。     

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BP神经网络的热轧钢材力学性能预测

将BP神经网络的理论和算法应用于轧钢力学性能的预测研究,采用实际的轧钢现场生产数据,建立工艺参数、化学成分与力学性能的映射模型。经过测试和评估,该BP网络能较好地预测轧钢产品的力学性能。     

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。     

基于人工神经网络的模式识别

利用数学软件MATLAB研究了基于人工神经网络的模式识别,这种基于人工神经网络的模式识别系统不仅能够识别字母还能识别汉字和数字,适用于汉字识别和数字签名。     

基于BP神经网络的湖泊水体富营养化的短期预测

选用含三层网络结构的BP神经网络来模拟湖泊水体的富营养化状况,通过软件MATLAB编写了BP神经网络训练和测试程序,测试结果表明此方法成功预测水体中叶绿素a的含量的短期变化趋势。     

BP神经网络的改进及其在股票预测中的应用

研究了BP神经网络,对BP算法的权值初始化进行改进,使得其收敛速度更快,并建立了基于BP神经网络的股价预测模型．最后以深发展A的收盘价为例,分析改进后NBP神经网络模型的预测效果．     

基于人工神经网络的宏观经济预测模型

运用人工神经网络方法,提出了将神经网络用于宏观经济预测中的一般步骤和方法,并以我国的国内生产总值为例进行宏观经济预测建模,为经济预测提供了新的思想和途径.     

基于BP神经网络的公共建筑用电能耗预测研究

数据挖掘技术与建筑工程之间的知识跨度较大,将两者完美融合起来存在一定难度,实际工程中也缺乏相关案例,因此在建筑工程中应用数据挖掘技术挖掘相关信息,为大型公共建筑用电能耗预测提供参考依据,是建筑领域一种新的发展趋势。基于对公共建筑用电能耗特性的分析,可利用Python构建BP神经网络建筑能耗预测模型,再将某公共建筑作为研究对象,确定影响建筑用电能耗的关键因素,并将其作为网络的输入参数进行学习训练得出预测值。研究结果表明：预测模型在不同参数下,当隐含层个数为8时,误差平方和最小,为0.000 139 6,此时BP神经网络能够较精确地预测公共建筑用电能耗值。     

一种基于BP神经网络的字符认识方法

讨论BP神经网络的原理及其缺陷和改进方法.在MATLAB环境下,对含噪声文字符进行识别训练.仿真结果表明,网络收敛速度快,识别分类效果好.