基于BP神经网络与残差分析的船舶交通流量预测

为缓和神经网络对历史数据的"过拟合"与预测值"失真"的矛盾,设计一种基于BP神经网络与残差分析的非线性时间序列预测流程.从控制残差为正态分布、白噪声等方面入手,建立合适的人工神经网络,使其既能较好地拟合过去的样本,又可以得到符合未来趋势的预测结果.将该预测流程应用于长江九江大桥观测线船舶交通流量预测,预测效果证明该方法可行.     

分形理论预测汽车保有量方法研究

应用分形理论自相似性(指局部是整体成比例缩小的性质)建立了汽车保有量预测模型,将该模型与其它模型比较之后,通过误差分析,得出该模型对汽车保有量的预测具有一定的可行性。可以为汽车企业制定合理的产销计划提供参考,为国民经济发展提供保障。     

基于BFGS法的BP神经网络算法研究

在把ＢＦＧＳ（Ｂｒｏｙｄｅｎ－ Ｆｌｅｔｃｈｅｒ－ Ｇｏｌｄｆａｒｂ－ Ｓｈａｎｎｏ） 法运用于ＢＰ神经网络权的训练中,通过基于不同算法的神经网络对实际问题进行学习,并根据学习后获取的非线性机理结合预测的实例进行对比分析,表明基于ＢＦＧＳ法的ＢＰ神经网络算法对加快网络训练速度、提高网络预测能力方面是有效的。     

基于BP神经网络的城市货运生成预测模型

针对传统的货运生成模型处理非线性影响因素能力差的问题,运用BP神经网络建立城市货运生成多变量非线性预测模型。在对城市货运生成量影响因素进行分析的基础上,选取就业人数、地区GDP和消费品零售总额3个指标作为输入变量,以城市公路货运量和城市货运总量为输出变量,构建BP神经网络预测模型。该模型能揭示货运量与相关变量之间的非线性映射关系,在实证研究中取得了较理想的结果。通过实际货运量与BP神经网络预测结果的对比,验证了该模型在货运量预测方面的可行性。     

BP神经网络在福州国家森林公园旅游人数预测中的应用研究

游客数量是决定旅游业经济效益与持续发展的重要因素,游客数量预测也因此成为旅游发展规划的重要内容。本文拟以福州国家森林公园近十余年的游客数为基础,应用BP神经网络与算法,建立一种基于人工神经网络的旅游人数预测模型,并对福州国家森林公园未来旅游人数进行预测。其结果表明,基于BP神经网络的游客预测模型能较准确对公园的未来旅游人数进行预测,从而为游客预测提供一种新思路与方法。     

基于BP神经网络模型的新疆建设用地分析

鉴于BP神经网络在非线性领域预测中的应用,以新疆建设用地为研究对象,构建BP神经网络预测模型,选取1996~2006年总人口、城市化水平、GDP等10个因子,反映新疆人口状况、经济发展水平、产业结构及投资水平作为网络的仿真输入,对2007年新疆建设用地进行模拟预测,预测结果与实际面积的相对误差仅为0.06%.最后针对新疆建设用地中存在的问题,提出了保障经济与社会协调可持续发展的土地利用策略.     

基于BP神经网络的身份证号码识别算法

文章主要介绍了基于BP神经网络的身份证号码识别算法的实现方法,在进行BP网络设计中,主要需要考虑网络层数、各层中神经元结点数、初始值的选取、期望误差及学习速率等因素对算法的影响,提出了算法具体实现的步骤。     

基于PSO的BP神经网络-Markov船舶交通流量预测模型

为对船舶交通流量进行准确预测,结合BP神经网络和Markov算法,构建BP神经网络-Markov预测模型。引入粒子群优化(particle swarm optimization,PSO)算法对模型进行优化,克服利用Markov模型选取白化系数的不足。用该模型预测武汉长江大桥船舶交通流量的月度数据,结果表明:与BP神经网络的预测精度82.439 0%相比,基于PSO的BP神经网络-Markov预测模型的预测精度提高到91.050 8%,该模型的合理性和准确性得到验证。     

基于BP神经网络的企业信用评级模型

通过科学的方法对企业信用进行分析、评级和判断,给出定性与定量相结合的指标体系,建立基于BP神经网络的两类企业信用评级模型.针对局部收敛的缺点,用自适应学习率和附加动量项改进信用评级,并运用该模型对我国2004年100家ST和非ST上市公司进行评级,得出对训练样本和测试样本的评级准确率,表明神经网络技术作为智能化科学方法,非常适合企业信用评级,但也存在网络稳定性差等不足.     

基于ZigBee和循环神经网络的城市空气质量预测

为了提高城市空气质量预测的性能,将ZigBee组网方式应用于城市空气质量传感数据采集,并借助深度学习算法来完成城市空气质量的预测.将ZigBee终端节点和空气质量传感器分散布点,通过路由节点将空气质量数据传送至网关节点,接着在后台服务器存储,然后采用循环神经网络算法对空气质量样本进行训练,充分借助循环神经网络算法对空气...     

应用BP神经网络校正铂电阻温度传感器非线性的方法

本文应用BP神经网络算法对铂电阻温度传感器进行非线性校正,给出了BP神经网络的结构和训练权值的方法,在训练网络时对输入量进行了归一化处理。并应用此训练的网络对一实际的温度采集系统进行校正。此方法实现简单,大大方便了铂电阻温度传感器在温度测量中的应用。     

基于BP网的单环位置随动系统控制

本文在分析传统的位置随动系统控制方法的基础上,阐述了一种基于BP神经网络控制的单环位置随动系统,并对基于BP网络的PID调节器进行了分析,仿真结果表明系统具有良好的控制性能。     

基于BP人工神经网络的大学生最大摄氧量估测模型的构建

摘要：目的：利用BP人工神经网络建模研究1英里跑（1600 m跑）与实验室直接测试之间的数学关系,以构建估测大学生最大摄氧量的模型。方法：第一阶段选择80名大学生（男女各40人,年龄19~23岁）进行了实验室直接测试作为建模标准,第二阶段选择63名大学生（男39人,女24人,年龄19~23岁）测试进行模型验证,根据美国的Cureton教授、James等研究成果确定采用1英里跑（1600 m跑）作为本研究室外估测方程,简称Jog方程,利用NeurophStudio进行BP人工神经网络建模。结果：根据测试者年龄、性别、体重、1600 m跑时间和跑后即刻心率五个变量作为输入变量构建BP人工神经网络,网络结构为5-9-1,采用第1阶段80%样本反复训练建模、20%样本验证模型输出的错误率并成功控制在千分之一,进一步采用第2阶段测试数据验证发现,神经网络模型估测与实验室测试值的相关系数r为0.923,P<0.01,高于Jog方程的0.895,且神经网络模型估测与实验室测试值没有显著性差异,t= 0.06,P＞0.05,通过Bland-Altman分析显示人工神经网络模型的偏倚程度为-8.3～8.4,比Jog方程理想。结论：人工神经网络具有快速、有效、精确和便于实际应用等特点,是解决这些没有精确数学方程的最大摄氧量估测问题的非常好途径。     

基于神经网络的房价预测与分析

随着人们物质生活水平的提升,房价也随之不断增长,房地产行业作为社会经济的支柱产业,对社会经济有着巨大贡献.针对房价上涨趋势问题提出了一种基于神经网络的房价预测模型.首先,通过爬虫获取相关房屋交易信息,再采集数据进行预处理,最终将数据传入所建模型进行模型训练,得到最终房价预测模型.实验结果表明通过预测模型可对房价进行精确...     

基于神经网络的变压器早期故障诊断安全技术

介绍了油中气体分析法中最常用的判断方法--罗杰斯三比值法.应用BP神经网络方法,建立变压器故障检测的BP网络模型,经过训练,对变压器故障进行早期诊断,运行结果与实际相符.     

基于BP网络的降雨-水位预报模型应用研究

本文改进了BP网络的学习率和动量项的自适应调整算法,阐述了洪水预报BP网络模型的构造和数据处理方法,建立了降雨～水位预报BP网络模型,实现了洪水水位的直接预报,同时还提出了以点雨量作为模型输入的建模方案,有效地改善了BP网络的模拟性能。     

基于BP神经网络的高水平女子100m栏专项成绩预测模型

运用Matlab仿真分析平台,采用人工神经网络函数映射方法,根据我国100m栏运动员刘静1995—1998年的专项素质数值,构建并选用合适的BP神经网络建立女子100m栏运动员专项成绩预测模型。计算结果表明,该模型预测精度高,且其拓展应用可为女子100m栏运动员科学训练提供重要理论指导。     

BP神经网络及其在跳远技术中的应用

本从应用的角度出发，简单介绍了BP神经网络的特点和具体实现过程，并以跳远过程为例把其引入到竞技体育的具体应用中，为解决此领域内复杂的难以用传统数学方法解决的问题提供了一种新颖的思路和方法。