基于BP神经网络的地震预测

地震预测是地理问题研究领域中的一个重要课题.由于引起地震的相关性因素很多,很难建立物理理论模型.神经网络在预测和构造未知时象模型方面具有独特的优势,因而在预测控制领域得到广泛的应用,本文探讨将BP神经网络应用到地震预测中的一种方法.     

人口构成动态BP网络预测

本文利用ＢＰ人工神经网络建立了出生率、死亡率及人口总数三元素动态网络模型，并对出生率，死亡率和人口总数动态进行仿真和预测。在此基础上建立了人口构成仿真网络并对中国人口构成动态进行了预测。     

基于BP神经网络的我国外汇储备规模预测

本文基于MATLAB6.5平台编程,运用非线性BP神经网络对我国外汇储备规模进行预测分析.以我国历年外汇储备数据为训练样本,进行网络训练与检验.结果表明,BP弄中经网络具有良好的预测性能.同时发现了我国外汇储备存在超常规增长,并在文章最后提出了相关的政策和建议.     

基于BP神经网络的图书流通量预测研究

将BP神经网络方法用于高校图书馆图书借阅量的预测研究,设计出用于预测图书借阅量的BP神经网络模型,并用2008年的图书借阅量数据进行网络学习和训练,预测结果具有较高的精度。     

基于BP神经网络的道路交通事故预测研究

随着我国机动化进程的加快,道路交通安全问题越来越受到人们的关注。对道路交通事故进行了机理分析,采用BP神经网络,建立可靠性较高的事故预测模型,提出了可预测事故发生因素导致事故发生概率值的研究方法。     

BP神经网络预测边坡稳定性

利用BP神经网络对边坡稳定性进行预测,考虑到岩土体的物理力学性质、边坡参数等对边坡稳定性有影响的各种因素,通过训练和检验的对比,证明该方法可以满足精度要求,进一步验证了该方法在预测边坡稳定性方面的可靠性,具有一定的推广价值。     

基于BP神经网络的金属材料字符识别研究

字符识别是模式识别领域的一项传统课题,其内容是模式识别领域中很多课题的基本内容。人工神经网络的出现为字符识别的研究提供了一种新的手段,BP神经网络(Back Propagation Neural Network)作为人工神经网络的一个分支,现已成为其最广泛的应用。本文以三层BP网络作为模型,并将其应用于对金属角铁上的字符识别。由于角铁字符为数字与英文字母混合,文中在对传统的BP算法进行了改进的基础上,采用了分组神经网络的设计方法,取得了良好的识别效果。     

基于过程神经网络的市场需求预测分析

尝试将神经网络领域最新出现的过程神经网络与市场商情预测问题结合，网络的输入为反映一段时间内市场商情变化的信息。而这是传统神经网络不宜做到的，这也正是过程神经网络的独到之处。实验结果证明了该方法的有效性。     

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MATLAB的BP神经网络的设计与训练

本文介绍了BP神经网络以及运用matlab工具箱构造BP神经网络,并对该神经网络进行训练的方法及过程.并以函数逼近为例,通过改变被逼近函数的参数、BP网络隐层神经元的数目、BP网络的学习算法,比较训练效果的差别,进而得出结论.     

基于BP神经网络的企业技术创新能力评价

运用基于BP算法的人工神经网络模型对企业技术创新能力进行评价,试图为企业技术创新能力评价开辟新的方法。     

用改进的BP网络预测油气

人工神经网络在地球物理领域中，尤其在模式识别和油气预测方面得到了较好的应用．前向网络的重要特性是能够总结、归纳已知样本隐含的函数关系．然而其推广性能有待进一步研究．本文强调了该问题的重要性并提出了改善网络推广性能的技术，即在网络学习过程中，不仅让总误差下降，还尽可能使建立的“隐函数”平滑．计算实例表明，本文的算法可以明显地改善网络的推广性能．最后给出了用该技术在辽河油田进行油气预测的实例     

基于BP神经网络的地球生态的预测

地球生态预测无论在生态效应方面还是在经济效应方面都占有重要地位.考虑到多种因素的影响,本文采用神经网络的预测方法,通过单层次温度预测模型,先后采用了两次网络层,第一层是对气温的预测,然后又对海拔高度和年平均降水量的发展趋势进行分析,最终通过实验数据,得出结论:全球若升高2度,将会有18%～30%的物种灭亡,海平面将上升6.6～9米,土地荒漠化加剧,同时在10～50年之间,气温上升幅度不高,只对生态环境造成轻微影响.     

BP神经网络在股市短期预测中的应用

设计了一个三层BP神经网络模型,结合MATLAB神经网络工具箱,针对一只个股实际数据,进行了该网络模型的训练与仿真,并时股市行情进行了短期预测。通过实验数据,计算出短期的预测值与实际收盘价的均方误差Q=0．027623,这说明此方法是有效和可行的。     

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.     

创业板研发投入的神经网络预测:是采用RBF模型还是BP模型?

创业板公司成立时间较短、企业规模较小,其研发投入的影响因素较多,使用营业净利率、每股收益、董监高年薪、可持续增长率、资产负债率、现金流量净额和GDP这些指标,运用径向基神经网络(RBF)和逆传播神经网络(BP)方法构建一个训练完成的神经网络模型,研究发现RBF神经网络模型比BP神经网络模型具有更好的拟合、预测效果。     

基于BP神经网络的图书发行量预测模型研究

收集20年图书的发行量数据，采用特殊的处理方法建立时间序列图书发行量的BP神经网络预测模型。利用MATLAB6．1软件中的神经网络工具箱实现了样本的最化划分，网络参数的优化。经未学习样本检验，模型预测精度较高。并对预测结果作了置信度分析，提出置信度95％水平预测结果。     

基于大数集模糊BP神经网络的金融股票市场的预测

为了提高金融股票价格预测的准确性,分析了金融股票价时间序列的特点和规律,采用一种改进的BP神经网络建立时间序列预测模型,以中国石化股票价格走势作为案例进行分析和预测研究.结果表明基于大数集模糊BP神经网络具有良好的自组织性和自适应性,有很强的学习能力和抗干扰能力,基于大数集模糊BP神经网络对金融股票价进行预测是行之有效的.     

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。     

BP神经网络在我国粮食产量预测中的应用

本文基于BP神经网络模型，进行了2001－2010年我国粮食产量的预测。通过对比传统的“平均增长率一阶滞后模型”拟合及预测1992－2000年粮食产量与实际产量的误差值大小，可明显看出BP神经网络对于处理单输入单输出的时间序列预测问题是一种更具优越性的方法，它具有很强的学习与泛化（推广）能力，具有很好的应用价值。