基于BP神经网络的异常入侵检测方法

提出一种基于BP神经网络的异常入侵检测方法,由于BP神经网络是一种基于误差反向传播算法的多层前馈神经网络,具有对不确定性的学习与适应能力,可以很好的满足入侵检测分类识别的需求.对“KDD Cup 1999 Data”网络连接数据集进行特征选择和标准化处理之后用于训练神经网络并仿真实验,得到了较高的检测率和较低的误报率.仿真实验表明,基于BP神经网络的入侵检测方法是有效的.     

基于小波神经网络的短时交通流预测

针对BP神经网络寻优速度慢、实时性差等缺点,提出将小波神经网络应用于短时交通流量预测中.该方法具有良好的局部性特征,弥补了常规神经网络的不足.在非线性逼近中得到了很好的应用.实验结果表明,小波神经网络预测模型的预测精度明显优于BP神经网络,对交通流量预测问题有较高的应用价值.     

改进的BP算法对网站访问量的预测

利用BP神经网络进行预测已经取得了很大的进展,但BP神经网络易形成局部极值,算法收敛的速度相对较慢,将遗传算法结合到BP神经网络中可以改善算法收敛速度较慢的问题,利用改进的BP算法对网站访问量进行预测,结果表明运算效率得到了很大的提高,同事也说明了改进方法的可行性．     

利用废水进行单细胞蛋白质生产的研究

本实验结合废水的微生物处理方法和单细胞蛋白(singlecellprotein简称SCP)的生产原理,从食品厂排水沟的活性污泥中筛选了能利用废水有用物质的菌种,并对菌体生长的最佳培养条件及废水处理效果进行了研究,为食品厂废水处理提供了实验依据。     

一种神经网络模型在混凝土配比设计中的应用

本文描述了人工神经网络的模型和算法，给出了BP神经网络模型和算法的相关变量的处理方法。用这种方法，对混凝土配合比试验数据进行分析预测，效果良好。说明BP神经网络模型可用于混凝土混合比强度预测中。     

活性污泥法处理甲基紫废水研究与模拟(英文)

研究用活性污泥有效处理甲基紫废水的生物降解过程,考察温度和ｐＨ值对该过程的影响．通过实验得到底物降解动力学表达式．利用双流体κ－ε方程研究并模拟了生物反应器内鼓泡区的流动状况,模拟值与实验吻合较好．     

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 DPSO-BP 网络模型的短期电力负荷预测

为准确、快速、高效地预测电网短期负荷,提出改进的粒子群算法(DPSO),并与BP算法相结合,形成改进的粒子群—BP(DPSO-BP)神经网络算法,用此算法训练神经网络,实现神经网络参数优化,得到基于DPSO-BP算法的神经网络模型.算例分析表明,与传统BP神经网络法和PSO-BP神经网络方法相比,该方法改善BP神经网络的泛化能力,预测精度高,收敛速度快,对电力系统短期负荷具有良好的预测能力     

神经网络在造纸废水中zeta电位建模上的应用

针对造纸中段废水絮凝过程中zeta电位变化复杂,难以建立准确的数学模型的问题,提出利用神经网络对其中的zeta电位进行建模预测,研究了基于BP、Elman、RBF神经网络模型的多输入单输出建模方法。该建模法通过建立待测量zeta电位与絮凝剂投放量之间的非线性函数关系,间接得到待测变量的估计值。仿真结果表明RBF神经网络预测模型有较好的实时性和良好的泛化能力。与BP网络相比,RBF网络具有误差小、计算量小的优点,与Elman网络相比,具有周期短的优点,是一种有效的建模方法,能够快速、准确地在线预测废水中的zeta电位。     

基于BP神经网络的智能电网短期电力负荷预测

当前现有预测方法对智能电网短期时间内的电力负荷预测存在预测精度低、预测精度受气象条件变化影响等问题,现引入BP神经网络研究智能电网短期电力负荷预测方法：获取智能电网历史运行数据,对数据进行预处理,对样本进行归一化处理;利用BP神经网络构建电力负荷预测模型;建立模型训练网络拓扑结构,训练模型预测性能;完成电网短期电力负荷预测,并在考虑气象因素的情况下对预测进行补偿,得到预测结果。实验证明：新的预测方法在实际应用中预测精度更高,且预测精度不会受到气象条件的影响。