BP神经网络在预测问题中可用条件的分析

介绍了BP神经网络的结构，分析了神经网络预测原理，指出神经网络是内插值，讨论了可应用神经网络进行预测的条件，并通过实例进行了验证。     

运用结构性神经网络预测上海市国际集装箱生成量

本文着重研究了上海市国际集装箱生成机制 ,在对其进行定性分析的基础上 ,提出了量化的构想 ,并将人工神经网络应用于集装箱生成量预测中 ,在此基础上提出了结构性神经网络预测模型 ,并用 C语言进行编程 ,取得了较为理想的预测效果 ,从而填补了这方面研究的不足     

基于BP神经网络的芜湖市社会用电量预测研究

为通过社会用电量分析来反应经济状况,文章采用BP神经网络算法,首先对芜湖市近几年的社会用电量进行分析,再通过Matlab神经网络工具箱构建预测—时间序列模型,最后根据需求获得相应的预测数据。仿真试验表明,该模型找到一条函数曲线很好地拟合已知数据,同时顺利地预测未知数据,所提算法达到预期的效果。     

BP神经网络在渔货卸港量预测中的应用

渔货卸港量是衡量渔港规模大小的一项重要决策指标,反映了港口的运行及发展水平。在港口新建或改建工程中,渔货卸港量的预测是一项主要的前期工作,是渔港工程建设项目规划和设计的重要依据。文章基于BP神经网络基本原理,进行渔货卸港量的预测,通过与七个渔港的实际卸港量的比较,表明采用BP神经网络方法得到的预测值与实际值有良好的拟合度,预测精度要高于一元线性回归时间序列法及灰色模型方法。     

神经网络在经济预测中的应用

对神经网络理论在时间序列建模和预测中的应用进行了探索．对基于ＢＰ网络及ＫＲＢＦ网络的预测模型进行了分析，并通过对股票价格序列模拟试验得出神经网络对非线性时间序列的预测较传统方法具有一定的优越性．同时神经网络预测模型具有自适应学习和并行处理功能，并可应用于多维时间序列．对经济预测具有重要意义     

数学建模的几种基本预测方法的探讨

针对学生在建立预测模型时不能准确判别使用合适的预测模型,归纳了几种使用较多的预测方法:微分方程模型、时间序列方法、灰色预测和BP神经网络。对每种预测模型做了简单的介绍分析和适当地对某些模型进行了改进,总结了相应的优缺点以及各自适用的预测范围。     

基于Elman神经网络的时间序列股票价格短期预测

Elman神经网络是一种典型的回归神经网络,比BP神经网络具有更强的计算和适应时变特性的能力,因而非常适用于预测股市这一类极其复杂的非线性动力学系统。文章给出一种基于Elman神经网络的股票市场建模、预测及决策方法,对浦发银行股价在时间序列上作了连续若干天的短期预测,实验结果取得较高的预测精度、较为稳定的预测效果和较快的收敛速度。这表明该预测模型对于个股价格的短期预测是可行和有效的。     

基于BP神经网络的浙江省交通运输量的预测

详细介绍用于预测公路货运量的BP神经神经网络模型的构建,并用所构建的模型对浙江省2009和2010年的公路货运量进行预测,同时对公路客运量及其周转量和水路客货运量及其周转量也进行预测,旨在为浙江省公路水路交通线路和车站码头的建设布局和投资规模提供科学客观的参考依据。     

基于RBF神经网络的电力系统短期负荷预测

电力负荷预测一直是电力系统的重要研究课题。在考虑天气状况因素的前提下,通过MATLAB软件实验平台,构建了一个RBF神经网络模型,并用历史电力负荷数据进行训练,成功的进行了电力系统的短期负荷预测,预测结果误差比较小,结果令人满意,证明了RBF神经网络在电力短期负荷预测领域的有效性和可行性。     

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神经网络的云南国际旅游需求预测

在阐述BP神经网络基本原理的基础上，建立了云南旅游需求的BP神经网络模型，并对云南旅游外汇收入及入境游客人数进行了预测和分析，在预测中首次引入了每人次旅游外汇收入的概念．分析结果表明，人工神经网络方法在旅游预测中的应用是可行的，而且是十分有效的．     

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。     

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.     

基于改进BP神经网络的供热负荷预测模型

为在自然环境条件下对供热负荷进行较为准确的预测,分析了对供热负荷产生影响的自然因素,利用回归分析法建立负荷预测模型。在误差较大情况下提出利用神经网络法建模,采用差分进化算法对神经网络的阈值和权值进行优化。使用经过优化的神经网络进行负荷预测,在MATLAB环境下进行仿真。仿真结果表明,采用该方法可得到更为准确的供热负荷预测模型,对供热站节能运行有一定意义。     

BP神经网络在风电功率预测中的应用

在分析风电机组输出功率波动性基础之上,建立了三层输入和一层输出的BP神经网络模型.首先,结合经验公式确定隐含层节点数大致区间范围,随机搜索找出训练效果较好的隐含层节点数为7;然后,通过多次的网络训练调节各参数值,找出训练结果较好的各参数;最后,通过训练好的BP网络实时预测了风电功率.将预测出的数据与实际数据比较,误差较小,说明了该方法能合理地用于预测风电功率输出.     

基于GM-BP建模的城市工业废气排放量预测

城市工业废气排放量变化是非线性的,同时具有复杂的随机性和趋势性特点,传统单一预测模型难以对其变化规律进行准确表达,从而导致预测精度较低。为提高城市工业废气排放量的预测精度,提出了GM-BP组合模型。通过GM（1,1）模型对城市工业废气排放量变化趋势进行预测,然后运用BP神经网络模型对GM（1,1）模型的趋势预测值进行误差修正,以提高预测精度。对南京市2007～2010年城市工业废气排放量进行的仿真实验表明,GM-BP模型的预测精度较高,能够应用于城市工业废气排放量预测。     

基于模拟退火方法BP神经网络的测向定位方法

针对BP算法在测向定位中收敛速度慢、易陷入局部极小等缺点,将模拟退火方法应用到BP神经网络中,同时结合变步长方法,利用隐层节点的动态合并与删除策略,在满足定位精度的同时使网络结构最小化,使用三层前馈网络建立了三站测向定位模型。通过仿真实验,新方法在收敛速度和有效性方面都远高于BP算法。     

基于BP神经网络的IH3605传感器建模方法

针对集成湿度传感器IH3605的温度补偿,采用BP神经网络技术.此神经网络采用2-5-1结构,节点函数采用S型函数.实践表明此方法具有较高的测量精度和可靠性.     

基于 WOA-GRU 的销售预测研究

防晒用品属于快速消费品,其销售情况受季节变动影响,具有非线性特征。人工神经网络强大的学习能力使其在销售量预测领域显示出非线性预测的应用优势。作为新兴智能算法,鲸鱼群算法具有快速收敛、全局优化等特点。为精准预测上海某化妆品公司防晒产品销量,基于鲸鱼算法,构建优化网络权值的门控循环神经网络模型。实验结果表明,经鲸鱼算法优化后的门控循环神经网络训练相对误差比优化前降低 0.6 个百分点,测试相对误差比优化前降低约 2 个百分点。     

预测地震波的BP网络方法研究

由于地震波的瞬时性及不可预见性，给结构控制带来了相当大的难度，利用人工神经网络的学习性，训练了一个三层BP网络，对下一步地震波的大小进行预测；预测值的大小与实际的期望值非常吻合；比较了各种BP网络在训练中的优劣；提出了一种用多种学习方法相结合来训练神经网络的方法；结果证明了在训练中能取得很好的效果，得出了令人满意的结果。