共查询到19条相似文献,搜索用时 77 毫秒
1.
2.
黎红 《廊坊师范学院学报(自然科学版)》2015,15(1)
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. 相似文献
3.
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。 相似文献
4.
BP神经网络的改进及其在股票预测中的应用 总被引:1,自引:0,他引:1
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. 相似文献
5.
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。 相似文献
6.
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。 相似文献
7.
8.
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。 相似文献
9.
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。 相似文献
10.
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。 相似文献
11.
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. 相似文献
12.
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。 相似文献
13.
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。 相似文献
14.
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。 相似文献
15.
郭龙钢 《洛阳工业高等专科学校学报》2013,23(1)
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. 相似文献
16.
基于BP神经网络的湖泊水体富营养化的短期预测 总被引:1,自引:0,他引:1
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。 相似文献
17.
18.
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。 相似文献