基于灰色BP神经网络的中国人口预测模型

基于"国家人口发展战略研究报告"中的数据,采用"小波去噪"处理方法,建立GM(1,1)模型与BP神经网络相结合的灰色神经网络模型,对中国人口结构、分布、出生率、自然增长率、数量、抚养比例、男女比例等七个指标进行预测,并对预测结果运用PP样条拟合进行计算机模拟。     

基于BP神经网络的建筑物沉降预测——以泉州市东海湾某建筑项目为例

利用人工神经网络强大的学习能力,提出了基于BP人工神经网络的建筑物沉降预测方法.以泉州市东海湾某实例工程1~12期的沉降观测数据为基础,建立网络模型.将13~16期建筑物沉降的实测数据和模型的预测数据进行对比,发现两者间的误差相对较小,证明BP神经网络预测模型具有较高的精确性和稳定性,且具有一定的工程应用价值.     

基于灰色理论和神经网络对风电功率预测的研究

基于灰色理论和BP神经网络模型,对历史风电输出功率数据进行分析处理,并对比实测数据对预测结果进行检验.对电力部门对于风电的预测具有一定的指导意义.     

基于BP神经网络的建筑物沉降预测——以泉州市东海湾某建筑项目为例

利用人工神经网络强大的学习能力,提出了基于BP人工神经网络的建筑物沉降预测方法.以泉州市东海湾某实例工程1~12期的沉降观测数据为基础,建立网络模型.将13~16期建筑物沉降的实测数据和模型的预测数据进行对比,发现两者间的误差相对较小,证明BP神经网络预测模型具有较高的精确性和稳定性,且具有一定的工程应用价值.     

基于AdaBoost算法的BP神经网络在软件老化测试中的应用

为提高BP神经网络的预测精度,克服自身容易陷入局部极值和收敛速度慢的缺陷,将AdaBoost算法和BP神经网络结合起来,建立基于AdaBoost算法的BP神经网络模型。该模型将多个BP神经网络作为弱预测器,然后采用AdaBoost算法将多个弱预测器组成强预测器进行预测。将该模型应用于软件老化测试,实验结果表明,该模型相比单个BP神经网络具有更好的预测精度。     

改进的BP神经网络模型预测四川GDP

运用TRAINGDX训练函数对标准BP神经网络进行改进．根据2012年《四川省统计年鉴》相关数据,利用影响国内生产总值（GDP）的6个主要因素,借助Matlab软件平台,建立了6：5：1的三层BP神经网络GDP预测模型,实现四川省GDP值的预测．改进后BP神经网络预测相对误差在1％以内,仿真结果同模型外推法比较,预测精度较高．     

融合Markov与BP神经网络的纯电动汽车销售量预测研究

随着纯电动汽车市场的不断扩大,对销售量的精确预测成为人们当前关注的热点。提取影响销售量的7个关键因素以及2017~2019年9月的纯电动汽车销售量,首先利用BP神经网络模型对33个月的数据进行测试,并用训练好的模型预测2019年1~9月销售量,再利用马尔科夫（Markov）模型将BP神经网络模型预测的相对误差划分为6种状态,对预测结果进行修正。通过对BP神经网络模型与Markov-BP神经网络模型预测结果进行对比检验,发现Markov-BP神经网络的预测准确度更高,表明采用Markov-BP神经网络模型对纯电动汽车月度销售量进行预测具有一定现实意义。     

混沌风险探测模型的研究与应用

BP神经网络是应用最广泛的预测模型,它能方便、灵活地对信用卡消费行为进行探测,但BP网络有很多固有缺陷,比如结构难确定、初始权值选择盲目性导致训练速度慢等,结合信用卡交易数据的混沌特征分析,通过应用混沌理论中的相空间重构技术,把信用卡客户的相关数据嵌入到重构的相空间中,然后利用BP神经网络技术建立混沌风险探测模型,对信用卡交易行为进行风险预测.实验结果表明,该模型的预测精度高于一般的神经网络预测方法,其中正确检出率比使用BP神经网络模型提高了3%.     

基于BP神经网络和AR模型的人口预测

利用MATLAB编程软件,分别建立BP神经网络和AR模型,采用全国出生率,死亡率,老年抚养率等9个指标作为样本,分别对BP网络和AR模型进行训练,预测5年后的人口数量.结果表明这两种方法预测人口均是可行的,效果较好,误差很小,但是AR模型较适合线性预测,而BP网络适合较非线性预测.     

三种分类预测模型在医学中的应用研究

基于一个肾衰竭患者数据,应用两种神经网络(BP神经网络和贝叶斯正则化BP神经网络)与常用的二分类Logistic回归对肾衰竭患者是否死亡进行预测,并比较三种模型的预测效果.三个模型的判对率都达到89%以上.其中,以贝叶斯正则化BP神经网络的判对率和ROC曲线下面积(AUC)最大,即预测效果最好;BP神经网络和Logistic回归预测效果差别不大.     

小波神经网络在短时交通流中的应用

传统的BP神经网络在预测短时交通流问题上存在很多不足。针对这些不足,提出将小波分析与BP神经网络结合,组成小波神经网络来预测短时交通流的方法。以自贡市某十字路口数据来实测交通流量,Matlab2010b仿真结果表明,小波神经网络在交通流预测精度和收敛速度上都有很大提高。     

基于粒子群算法的BP神经网络优化在电站锅炉燃烧中应用研究

用BP神经网络对电站锅炉运行数据进行训练、测试,并在此基础上使用粒子群算法对已建立的锅炉BP神经网络模型做进一步优化。通过对网络预测输出值与实际值之间的比较,明确PSOBP可以更好地提升BP神经网络的泛化能力。     

基于BP神经网络的公路客运量和货运量预测方法研究

公路客运量和货运量预测是一个复杂的非线性问题,由于影响因素较多,难以用普通的数学方法建模,而建立BP神经网络可以表达这些非线性问题。根据公路客运量货运量历史数据及其相关影响因素数据建立了BP神经网络预测模型。利用实际数据确定网络输入与输出样本,对BP神经网络预测系统进行训练和预测。通过对网络输出预测结果与实际数据的分析,验证了BP神经网络预测系统的精确性和方便性,提高了公路客运货运预测的精确性。     

新汇率制度下人民币汇率波动的实证分析

运用ARCH类计量模型和BP神经网络模型,对人民币汇率的时间序列数据建模,分析汇率的波动规律,进行有效的预测。认为自2005年汇改以来,人民币汇率呈现出波动频繁、弹性加大、升值趋势明显的势头;人民币汇率市场还是非有效的,汇率过去的价格等历史信息对未来汇率的影响没有完全体现在现有的汇率中;根据对评价预测效果的几个指标的比较分析,可以得出BP神经网络模型的预测效果明显要比EGARCH模型预测效果好的结论。     

神经网络融合模型在大坝变形分析中的应用

为了提高大坝变形分析模型的预测精度并检验模型的泛化能力,研究了大坝变形分析的BP神经网络模型,并基于神经网络BP算法和传统的统计模型建立了大坝变形分析的融合模型．结合陈村大坝多年的变形观测数据,对上述3种模型进行了试算及分析．分析结果表明,统计模型的平均预测精度为±0．477mm．BP神经网络模型的平均预测精度为±0．390mm,融合模型的平均预测精度为±0．318mm,相比统计模型和BP神经网络模型分别提高了33％和18％,且泛化能力较强,具有广泛的适用性．     

基于粒子群算法优化的城市供水量预测模型研究

鉴于BP神经网络、RBF神经网络在城市供水量预测精度上的不足,利用粒子群算法优化两者相关参数,实现更高预测精度,并通过建立BP神经网络、RBF神经网络、PSO-BP神经网络、PSO-RBF神经网络分别对城市供水量数据进行仿真预测。最终测试样本统计结果显示：RBF神经网络比BP神经网络平均相对误差（MRE）低约1%,在拟合度（R2）上高约0.014;PSO-BP神经网络比BP神经网络在MRE上降低约1.25%,在R2上提高约0.05;PSO-RBF神经网络比RBF神经网络在MRE上降低约0.3%,在R2上提高约0.072。由此说明RBF神经网络比BP神经网络在城市供水量预测方面更有优势,并且利用粒子群算法优化神经网络模型参数可有效提升神经网络预测精度。     

塔里木河大西海子水库输水目标预报模型研究

通过采用多元线性回归和BP神经网络建立了大西海子水库输水预报两个模型，并用水文实测数据对模型进行验证，结果表明预测模型具有可行性和实用性，为塔里木河流域水资源的合理利用以及水权目标管理提供科学依据。     

基于BP神经网络的税务稽查研究

税务稽查实质上是一个分类问题,可以通过BP神经网络进行数据挖掘的分类和问题预测。在分析BP神经网络原理的基础上,利用税务系统中的纳税人申报数据,建立基于BP神经网络的分类模型,对纳税人进行诚实纳税和非诚实纳税的评估、分类。模型分类准确度达到预期效果,表明该方法能够提高税务稽查部门的工作效率和效果。     

BP神经网络模型在空分制氧质量预测中的应用

建立BP神经网络模型对空分制氧氧气提取纯度进行预测．依据BP算法的基本原理、建立网络模型的基本原则和步骤,确定建模对象、网络结构。抽取相关数据进行训练,将训练样本和测试样本进行对比,二者具有相同的拟合能力,能对未知结果做出预测．     

基于遗传神经网络的时序数据预测

针对机场短时局地天气预报这一特定的时序数据预测问题,提出用遗传算法同时优化神经网络的连接权值、阈值和网络结构,建立了基于遗传神经网络的天气预报模型,并利用某气象站的实际观测数据进行了实验。仿真结果表明,相对于单独使用BP神经网络,运用该方法可以有效提高预测精度。