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Matlab的BP神经网络在图像改卷中的应用

BP神经网络模型是一种发展较为成熟的网络模型,近年来在各个领域都得到广泛应用.在介绍神经网络及BP神经网络的基础上,将之用于图像答卷的改卷处理,并在Matlab平台上进行了仿真实验.结果表明,所设计的BP网络具有不错的泛化能力,效果较好.     

基于BP神经网络在煤炭企业经济预测中的应用

经济系统是一个极端复杂的系统,系统内部影响因素众多且各个因素之间有着比较复杂的关系,是具有高度不确定的非线性系统。针对中国煤炭企业经济预测的问题,由于实际情况错综复杂,各种预测模型的精确度都不是很理想,所以难以在实际中应用。为了解决这一问题,以中国煤炭企业1999—2008年时间段的净资产收益率为样本,分析了几种影响因素,依据BP神经网络模型的理论和方法,从而建立净资产收益率的经济预测的模型。实例分析表明采用BP神经网络模型较好地得到了预测点的预测结果,更适用于经济预测。     

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．     

BP神经网络在粮仓平均温度预测中的应用

粮仓平均温度决定粮食变质的快慢。经研究发现,粮仓平均温度表现为非线性变化,而BP神经网络能够无限逼近任意非线性函数,故可利用BP神经网络对粮仓平均温度进行预测。介绍了粮仓平均温度预测的重要性,阐述了BP神经网络的预测原理,介绍了BP神经网络设计及MATLAB实现。据此编写程序进行平均温度预测,为粮食保质工作提供依据。     

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。     

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。     

基于BP神经网络的厦门市房价预测

传统的房价预测方法主要是按时间序列进行的,而房价的走势除与历史房价有关外,还由人均居住使用面积、市区人口总数、人均可支配收入、人均消费性支出等多方面的因素决定。通过对影响厦门房价的多种因素进行分析,并预测这些数据的走势,利用BP神经网络进行仿真,得出厦门市房价的预测值,结果表明用此模型进行房价预测是十分精确的。     

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。     

基于BP神经网络的太阳能收集功率预测研究

在太阳能收集应用系统中,能量收集预测模块是进行合理的任务调度分配和系统平稳运行的重要保证。提出了基于BP神经网络的太阳能收集功率预测方法,优化了算法的参数选择,确定了算法预测性能指标。在真实太阳能收集功率数据集上对提出的算法进行了性能分析,验证了算法参数选择的正确性;与现有其它数据预测算法进行了一系列预测对比实验。实验结果表明,该预测算法具有良好的性能,在各算法预测性能指标上均具有一定优势。     

一种BP网络的土壤电导率数据融合算法研究

根据各个传感器测量的农田土壤信息,设计一种基于BP神经网络的融合算法,建立合理的数据融合模型,仿真得到农田的精确信息,有针对性的投放农业生产资料,精确控制投放,以更好地实现耕地资源的合理高效利用和农业的现代化精准管理．     

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。     

基于BP神经网络的公共建筑用电能耗预测研究

数据挖掘技术与建筑工程之间的知识跨度较大,将两者完美融合起来存在一定难度,实际工程中也缺乏相关案例,因此在建筑工程中应用数据挖掘技术挖掘相关信息,为大型公共建筑用电能耗预测提供参考依据,是建筑领域一种新的发展趋势。基于对公共建筑用电能耗特性的分析,可利用Python构建BP神经网络建筑能耗预测模型,再将某公共建筑作为研究对象,确定影响建筑用电能耗的关键因素,并将其作为网络的输入参数进行学习训练得出预测值。研究结果表明：预测模型在不同参数下,当隐含层个数为8时,误差平方和最小,为0.000 139 6,此时BP神经网络能够较精确地预测公共建筑用电能耗值。     

基于BP人工神经网络电力负荷预测

由于影响电力负荷的因素之间存在着非线性,所以采用神经网络方案来进行短期电力负荷预测.对应用于实际的神经网络算法进行了具体处理,如数据的归一化,输入向量和输出向量的选择.仿真结果表明其有较好的预测精度.该模型具有网络结构较小、训练时间短、易于实现的优点.     

基于BP神经网络的湖泊水体富营养化的短期预测

选用含三层网络结构的BP神经网络来模拟湖泊水体的富营养化状况,通过软件MATLAB编写了BP神经网络训练和测试程序,测试结果表明此方法成功预测水体中叶绿素a的含量的短期变化趋势。     

基于改进BP神经网络的网络入侵检测研究

随着互联网的快速发展,网络安全问题日益突出,入侵检测方法研究变得愈发重要.为提高网络入侵检测能力,首先对传统BP算法进行优化,然后对KDD99数据集进行了数据的预处理和特征选择,设计了优化的BP神经网络模型,最后进行了仿真实验.结果表明:相较于传统BP算法模型准确率提高了12.12%,达到96.64%,误检率降低至3.65%,模型的收敛性和稳定性都有所提高,达到了预期效果.     

BP神经网络研究及其地学应用

误差反向传播学习网络是目前运用最广、实现途径最直观的一种神经网络,而且是已知的非线性映射能力最强的一种神经网络模型之一。它在模式识别、知识发现、模式分类等方面具有很强的功能。在地学研究中,误差反向传播学习网络模型可以很好地模拟致矿地质因素与成矿的复杂非线形映射关系。     

用于电动汽车电池SOC预测的BP神经网络模型

为破解目前电动汽车用电池剩余电量准确预测这一难题,在对影响电动汽车动力电池荷电状态(SOC)估算结果的相关因素分析基础上,建立一种用于电动汽车电池SOC预测的反向传播(BP)神经网络模型,首次提出蝙蝠-粒子群算法优化训练BP神经网络.仿真实验结果表明:该方法能方便、快速、准确地实现对电动汽车动力电池SOC预测,提高电动汽车动力电池的能量效率,延长动力电池的使用寿命,对于电动汽车的推广应用与发展具有较好的指导价值.