遗传算法改进BP神经网络在地下水水质评价中的应用

为了准确、高效地评定地下水水质,提出了一种遗传算法与神经网络相结合的混合评价算法,针对水质评价的多变量和非线性,采用BP神经网络对其进行综合评价计算,BP算法易陷入局部极小的缺点则通过引入遗传算法来克服,将两者有机的结合起来实现神经网络的训练和知识库的建立.通过算法比较和实例结果分析,证明了该算法的有效性.     

基于BP神经网络模型的温度预测方法

车间里特定高温环境下对多点的温度监测数据是风机是否工作的重要参数。为了能更好地保护风机,提出一种基于BP神经网络来分析预测温度变化趋势的方法,达到了减少风机工作时间,延长风机寿命的效果。     

模糊神经网络水质评价模型

为提高水质评价的科学性及实用性，引入了模糊神经网络技术，在山东省安兴河的应用研究表明，该模型行之有效，且应用简便     

基于遗传算法与BP算法的水质评价模型

BP神经网络广泛应用于函数逼近、模式分类、水质评价等方面,但标准BP算法收敛速度较慢,容易陷入局部最优;而遗传算法是一种全局寻优搜索算法,能够有效克服上述缺陷.提出了基于遗传算法与BP算法的混合算法,既保留了神经网络原有的优点,又克服了上述缺点,并建立了水质评价模型.以信阳南湾水库为例进行评价,实验结果表明该混合算法模型评价精度较高.完全可以应用于水质评价工作.     

基于BP神经网络的动态交通流量预测

本文通过对BP神经网络和影响交通流量因素的分析,采用Windrow-Hoff学习算法、Kolmogorov定理和trainlm训练方法,实现对长春市开运街和湖西路路段动态交通流量的预测.     

基于BP神经网络的交通流量预测设计

在研究交通流量特性的基础上,以交通流量控制为最终目标,建立了基于BP（Back Propagation）神经网络的交通流量预测模型。以某市某三叉口路段为例进行仿真模拟,结果表明预测系统能较准确地预测出交通流量状况。     

基于BP神经网络的宏观经济季度预测

运用BP神经网络预测技术对季节性宏观经济数据进行了预测,筛选出效果优良的模型,提出了对于季节性时间序列一般的神经网络建模步骤.     

基于BP神经网络的宏观经济季度预测

运用BP神经网络预测技术对季节性宏观经济数据进行了预测,筛选出效果优良的模型,提出了对于季节性时间序列一般的神经网络建模步骤。     

PCA-BP神经网络在流域水质评价中的应用

针对BP神经网络法在进行多污染特征的流域水质评价时面临的训练样本、验证样本的稀缺问题,提出一种基于主成分分析PCA - BP神经网络的水质评价模型.首先利用污染分担率算法筛选出能够全面反映流域整体超标情况的一组水质指标,然后利用主成分方法获取流域水质污染特征,解决训练样本过少的问题,并通过设计模型的验证条件,解决没有验证样本的问题.通过实例研究,表明主成分PCA - BP神经网络适合用于流域的水质评价,评价结果较为精确、可信.     

运用BP人工神经网络计算储集层含水饱和度

与传统的测井综合解释与数字处理方法相比较,ＢＰ人工神经网络方法具有极大的优越性和适用性,它勿需传统测井综合解释与数字处理方法所需的各种建立在试验之上的非精确的测井解释公式,只需知道测井原始数据和求解的实际数据,而在进行求解参数预测时则只需知道测井原始数据即可。这为复杂地层以及其它一些特殊情况下的测井解释和数字处理提供了一条切实可行的新途径。     

多层前馈神经网络中改进BP算法的研究

首先给出了多层前馈神经网络中的ＢＰ算法,针对实时监测和诊断领域中对收敛速度和精度的较高要求,提出了一种面向诊断的自适应ＢＰ算法,仿真结果表明,该方法既能有效地减小振荡,又能提高收敛的精度和速度。     

利用BP神经网络进行葡萄糖浆制作实验仿真及实证分析

基于神经网络理论建立了利用已有的实验数据对新实验进行辅助设计的神经网络模型，并以制作葡萄糖浆实验为研究对象，定义液化酶加量、液化时间、糖化酶加量、糖化时间为网络的输入，DE值为网络的输出，进行了仿真计算。结果表明，所研究的方法对于制作具有理想DE值的葡萄糖浆的实验有着较好的辅助设计作用，可以大大减少实验次数，节省人力、财力和时间。     

金融风险预警--基于BP人工神经网络的一种分析

突破传统的风险预警模式，运用改进的BP神经网络方法建立中国金融风险预警模型并对其训练检验，对中国金融风险的现状进行了定量分析，得出初步结论：中国金融运行于高风险区间；金融风险不仅与资本市场现状相关，也与近年实行的积极的财政政策效应相关；外国投机资本对中国货币金融市场尚不构成严重冲击。据此，提出中国近期防范金融风险的对策建议。     

神经网络理论在汽车轮胎力学中的应用

利用ＢＰ神经网络对汽车轮胎的侧偏性进行分析和建模，并针对实际情况训练方法的改进。该文所用方法可用于汽车研究的其它方面，有助于汽车的非线性问题。     

神经网络用于多类识别问题的有效方法

本文主要讨论多类识别问题。训练集由许多已知类别的 ｋ 类样本组成。使用广泛应用的反向传播算法（ Ｂ Ｐ 算法）训练一个神经网络,使之能正确识别训练样本和测试样本。     

BP神经网络技术在调剖效果预测中的应用研究

调剖效果预测是对调剖措施进行决策和方案优化设计的理论基础.通过对影响调剖效果的因素分析,建立了BP网络效果预测模型并对其进行优化改进.模型网络预测结果与实际生产效果对比分析表明,所建立的预测模型可靠.可利用BP网络模型进行调剖效果预测,并为调剖方案的优化设计提供科学决策依据.     

蛋白质结构类的全序列神经网络预测

利用神经网络和蛋白质全序列对蛋白质结构类进行了预测.按照蛋白质序列的长度,分别从508个蛋白质中选择244个蛋白质构建了3个数据集,3个数据集中蛋白质序列的长度变化范围分别为50,100和150个氨基酸.3个数据集的自检结果均为100%.数据集的留一检测结果分别为97.13%,95.90%和95.49%.3个数据集中最好的10倍交叉检验结果为82.38%.结果表明,数据集的序列长度变化范围对预测准确率有很大影响,序列长度变化范围越大准确率越低.     

小清河感潮段水质模型的建立及其在水质预测中的应用

本文建立了小清河感潮段的一维河口有限段水质模型，并运用该水质模型预测了拟建的东营乙烯工程对小清河感潮段的水质影响，所获得的预测结论为有关部门确定东营乙烯工程废水的排放去向提供了理论依据。     

基于BP神经网络的小麦真空干燥含水率预测模型

研究小麦真空干燥工艺参数(真空度、加热温度、铺料厚度)对含水率的影响规律,当小麦含水率较高时,提高真空度和加热温度、减小铺料厚度能显著提高干燥速率。利用全部试验数据建立了真空干燥各工艺参数与小麦含水率之间的BP(Back Propagation)神经网络预测模型。验证结果表明:小麦含水率的预测结果与实测值误差小于5.2%,所建立的BP神经网络模型能较好地反映真空干燥工艺参数与含水率之间的复杂非线性关系。