无线Mesh网络路由协议研究

应用BP神经网络对高层建筑进行防火评估,弥补目前国内防火评估的不足。通过对高层建筑防火系统、灭火系统、安全疏散系统、管理及其它因素进行分析,运用加动量因子和变步长的优化算法建立BP神经网络。运用Matlab7.0实现对高层建筑防火评估的仿真,仿真结果误差控制在5%以内。实例表明,该系统符合要求,具有一定的实用价值。     

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．     

基于人工神经网络BP算法的莆田市房价预测

通过对房价影响因素的分析,研究房价准确预测模型.结合国内外的文献,提出利用BP神经网络和指数平滑的相关知识,建立房价预测模型.首先,分析了房价的影响因素,在文献综述的基础上,结合分析确立了房价影响因素模型,在此基础上,利用BP神经网络构建房价预测模型;其次,利用莆田市2005-2014年的数据进行实证研究,验证模型的准确性.在模型可行及准确的基础上,再结合指数平滑法对2016-2020年的房价影响因素值进行预测;最后结合建立的BP预测模型,预测未来5年的房价走势,为政府决策及居民投资提供依据.     

BP神经网络在玻璃缺陷识别中的应用

在玻璃缺陷识别系统中,利用BP神经网络基本原理结合特征参数设计BP神经网络结构。为了更准确地识别玻璃表面缺陷,在传统BP神经网络算法基础上,提出加入动量因子、引入陡度因子以及调节学习效率的方法,并进行对比试验。仿真结果表明,3种方法均可提高缺陷识别率,但只有引入陡度因子的方法可使最优误差与期望误差最为接近,能够更好地改善网络收敛性。     

一种智能的无线温度控制系统设计与实现

针对传统室内温度控制方案的诸多不便和低智能化现状,运用Zig Bee无线通信技术和智能预测算法构建了室内空调智能温度控制系统。设计了由主控制台、传感终端和控制终端组成的硬件系统。采用基于BP神经网络的智能预测算法实现智能预测和突发情况处理。在Matlab中的仿真结果表明:BP神经网络算法对空调开关预测的准确度高达92%,对温度控制预测的平均误差为0.846 8℃,即可在大多数情况下准确地实现智能化控温操作。     

工件表面粗糙度预测实验系统的研制

使用模糊自适应BP算法建立影响表面粗糙度参数与工件表面粗糙度之间的关系模型,依据给定的数据样本对模型进行训练,将训练好的网络进行实际的表面粗糙度预测.采用VB和Matlab语言相结合的方法建立一种实验系统,实现了数据采集和神经网络预测功能.实验结果表明,基于模糊自适应BP算法的工件表面粗糙度预测有一定的准确度.     

减肥问题的人工神经网络模型

本文基于减肥这一实际问题,通过建立数学模型,探索如何才能健康、有效地减肥。分析了影响减肥的因素,建立了减肥演算的BP神经网络模型,运用动量梯度下降算法、L-M优化算法和贝叶斯正则化算法对减肥的过程进行了模拟和预测,并对影响网络收敛速度的因素做了探索,发现在减肥问题的应用方面,L-M优化算法模拙和预测效果最佳。     

一种BP神经网络改进算法研究

针对经典的BP神经网络算法收敛速度慢,无法跳出局部极小值点等问题,提出加入动量因子α调节连接权值的方法。实例验证表明,该方法可使连接权值变化平缓,提高了收敛速度。     

基于BP神经网络的南阳市失业率预测模型仿真

基于BP神经网络建立了南阳市失业率预测模型.运用南阳市统计年鉴中的相关数据建立训练样本,使用Matlab软件对预测模型进行了相关的仿真实验,结果证明预测模型能够较好地预测失业率,可以为南阳市制定就业政策提供一定的指导意见.     

基于BP神经网络模型的商品房价格预测研究

鉴于目前商品房价格预测方法存在的问题,在分析影响商品房价格主要因素的基础上,提出采用BP神经网络建立商品房价格预测模型,利用果蝇-蛙跳算法优化BP网络初始权值和阈值等结构参数,选取某城市2000～2018年的商品房价格及其主要影响因素数据作为训练样本和测试样本.通过仿真分析表明:BP神经网络模型经过果蝇-蛙跳算法优化后能加快网络的收敛速度,提高商品房价格预测的精准度,对于政府部门进行房价宏观调控以及房产企业的运营管理都具有一定的参考价值.     

提高BP神经网络学习速率的算法研究

BP(Back Propagation)神经网络是一种按误差逆传播算法训练的多层前馈网络。本文针对BP神经网络学习速率低、收敛速度慢的问题进行研究,介绍了标准的BP算法和提高收敛速度的动量因子法和变步长法,对比实验结果明显,旨在为研究BP神经网络学习速率提供参考。     

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。     

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BP神经网络算法的异步电机故障诊断系统研究

为了确保电机安全可靠地运行,研究了BP神经网络算法对异步电动机进行故障诊断。通过MATLAB平台,分别使用附加动量因子和自适应学习率两种梯度下降法进行网络训练,搭建故障诊断BP网络模型。以MSE值为指标优化最佳隐含层节点数、动量因子与学习率,并通过遗传算法来优化BP网络的初始权值,对故障测试样本进行仿真测试。结果表明,GA-BP网络模型比MF-BP和AG-BP的MSE值更低,仅为0.009 163,优化后的诊断预测结果与目标值几乎没有差别。基于遗传算法改进的故障诊断系统模型能够满足异步电动机故障诊断的应用需求。     

冰蓄冷技术时间序列研究

为了解决传统的各种单一预测方法中存在的问题,运用一种BP神经网络的预测方法,将人工神经网络理论和算法应用于冰蓄冷技术的研究,并在正交实验66组数据中选择56组作为BP神经网络的输入样本,余下的10组为检测样本的输出样本。在对网络进行训练的基础上,建立了蓄冷时间与管壁温度之间的数学模型。     

BP神经网络改进算法在空分制氧质量预测中的应用

文中对传统BP神经网络的基本原理和学习过程进行分析,发现其存在收敛速度慢、容易陷入局部极小值等问题．采用增加动量项和自适应学习速率两种方法对传统BP算法进行改进,并将改进的BP算法运用于空分制氧质量预测网络模型中,结果表明改进的BP神经网络能够改善传统模型的缺点,而且预测质量效果较好．     

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。     

中国旅游外汇收入预测量化分析比较研究

根据2012年中国大陆31个省区(不包括港、澳、台)旅游外汇收入的数据,以文献分析法,按影响中国省际旅游外汇收入的内在因素和外部条件两大方面确定14个主要影响因子,运用BP神经网络和多元线性回归分别进行建模,并且对比二者的拟合效果,结果表明:BP神经网络模型在旅游外汇收入中的预测是切实有效的,其误差率更低,非线性映射能力和稳定性都要优于多元线性回归模型,并且可以用于省级旅游外汇收入的时间和空间的混合预测.最后根据相关因子变化值带入BP神经网络模型,预测2015年中国大陆31个省级行政单位的旅游外汇收入,对BP神经网络的优越性进行多角度的说明.     

BP神经网络在数据预测中的应用

数据预测是在分析现有数据的基础上来估算推测未来数据的过程。首先介绍了预测的重要性及常用方法,接着介绍了BP神经网络的原理以及结构,最后进行了BP网络预测方法应用,并在Matlab中进行了仿真。经实验验证,该方法可以获得较好的预测效果。     

BP神经网络的改进及其在股票预测中的应用

研究了BP神经网络,对BP算法的权值初始化进行改进,使得其收敛速度更快,并建立了基于BP神经网络的股价预测模型．最后以深发展A的收盘价为例,分析改进后NBP神经网络模型的预测效果．