基于BP神经网络的IT教师职业枯竭预警研究

研究IT教师职业枯竭状况,建立预警BP模型.参考《中小学教师职业枯竭量表》设计问卷,收集来自6所高校IT教师的98份问卷调查数据,使用Matlab神经网络工具箱,将“情绪衰竭”、“非人性化”、“认知枯竭”和“个人成就感”四个变量进行反向传播神经网络的建模.模型预测结果的识别率为100％,均方误差为0.0001.IT教师职业枯竭预警BP模型能够动态预测枯竭状态,为尽早提供有效的心理干预提供依据.     

利用BP神经网络对网络舆情进行预警

随着近年来中国网民数量众多而网络给予了众多网民言论自由,因此网络舆情越来越被关注,对网络舆情的预警也越来越迫切。该文采用了五个指标对"厦门PX事件"、"昆明PX事件"和"宁波PX事件"进行量化描述,通过Matlab建立BP神经网络识别模型中进行学习,然后再对"宁波PX事件"进行预警识别。模型具有较好的识别能力,预警结果的准确率达到了90%以上。     

基于BP神经网络和遗传算法的养殖水域预警模型

随着我国经济的快速发展,环境保护工作面临前所未有的压力。为有效加强水产养殖水域环境的监管力度,应对突发性环境污染事故对社会生活和经济发展的影响,建立BP神经网络来拟合水产养殖水域饲料投放与总磷(TP)、总氮(TN)、透明度(SD)以及耗氧量(COD)等富营养指标变化情况的对应函数关系,并利用遗传算法来实现目标函数的优化方法,形成养殖水域预警模型,为水域环境治理和公共决策提供技术支撑。利用该模型对鄱阳湖新型水产养殖基地的样本进行分析,取得了很好的预测效果。     

利用BP神经网络对网络舆情进行预警

随着近年来中国网民数量众多而网络给予了众多网民言论自由,因此网络舆情越来越被关注,对网络舆情的预警也越来越迫切。该文采用了五个指标对“厦门PX事件”、“昆明PX事件”和“宁波PX事件”进行量化描述,通过Matlab建立BP神经网络识别模型中进行学习,然后再对“宁波PX事件”进行预警识别。模型具有较好的识别能力,预警结果的准确率达到了90%以上。     

基于BP神经网络及模糊推理的温度预警模型研究

主要研究建立疫苗冷链物流运输过程中的温度监控预警模型,通过优化的BP神经网络算法进行温度的预测,并采用模糊推理进行有效的决策预警,旨在把冷链物流运输中可能产生的损失降到最低;仿真测试阶段通过建构一个隐藏层神经元为13个的优化BP神经网络,在Matlab中进行有效性仿真,训练回归统计R值接近于1,且得出期望输出与实际值相差无几;模糊推理系统采用trapmf隶属函数,通过仿真的规则曲面表明该规则对输入有良好的判断。     

基于BP神经网络技术的车辆通行时间预测研究

为进一步提高交通调度效率,解决日益严重的交通拥堵现状,提出基于BP神经网络模型预测车辆通行时间的方案。根据交叉路口特征,建立了三层BP(Back Propagation)神经网络模型,并确定模型的输入层和输出层神经元数目均为4个。采用MATLAB软件对采集的车辆通行数据进行仿真分析,最终确定隐含层神经元数目为9个。利用预测样本对BP神经网络模型进行了可行性验证。结果表明,BP神经网络模型能够用于预测排队车辆通行时间,误差在10%以内,可以作为交通控制器配时方案的依据,提高车辆通行效率。     

基于MATLAB的BP神经网络实现研究

BP神经网络是人工神经网络中的一个典型代表。MATLAB的神经网络工具箱提供了许多有关神经网络设计、训练和仿真的函数和方便、友好的图形用户界面来实现BP网络,还可实时将仿真结果可视化,从而使应用BP网络来解决许多领域的实际问题变得非常方便和有效。     

基于遗传BP神经网络的数据挖掘技术

数据挖掘技术是从大量数据中挖掘知识的有效的工具。BP神经网络和遗传算法是运用在数据挖掘中的两种新兴算法,神经网络的结构复杂、网络训练时间长、收敛速度慢,但其具有较高的正确率,把BP神经网络与遗传算法相结合,可以提高收敛速度,并在有限步内达到较高的精度要求,因此本文提出了一种遗传算法和BP神经网络相互结合的新算法,并把算法运用在数据挖掘技术中。     

BP神经网络在轨道电路分路不良预警中的应用

近年来,轨道电路分路不良已成为电务部门安全整治的严重问题之一。针对站内25Hz相敏轨道电路分路不良,建立预警指标体系,设计轨道电路分路不良BP神经网络预警模型,并进行故障危险性评价及预测预警。预警结果表明,采用BP神经网络进行轨道电路分路不良故障预警时,将预警指标进行数据的归一化处理后输入到已训练好的网络中,可以在较短的时间内得出可靠的预警结果。该预警方法较现场所采用的传统预警方法,即设置数条轨道电压警线判断分路不良发生与否而实现报警的方法效率高,对现场轨道电路故障维修具有一定的参考价值和指导意义。     

基于改进模糊神经网络的电力通信性能预警方法研究

针对电力通信网络的事前预警需求,在对基于模糊神经网络技术研究的基础上,提出了一种利用蚁群算法改进模糊神经网络,提高其全局搜索能力和收敛速度,解决了传统模糊神经网络训练过程易陷入局部极小点的问题。通过实验仿真结果表明,基于改进模糊神经网络的电力通信性能预警方法拟合度很高,具有较强的泛化能力,能够快速给运维人员提供较为可信的性能预警信息,具有较强的实用性。     

基于改进BP神经网络的网络故障诊断研究

针对网络故障诊断过程中故障规则难以提取的问题,提出一种基于改进BP神经网络的故障诊断方法。以网络故障信息为样本对BP网络进行训练,利用其强大的自适应能力和非线性映射能力,建立起网络故障信息与故障模式输出之间的映射。同时,为了避免BP网络的学习算法陷入局部极小值,提高故障诊断的效率和精确度,采用L-M优化算法来对网络进行训练。另外,采取初期终止的方法提高BP网络的泛化能力。实例表明,该方法有效提高了网络故障诊断的有效性。     

基于BP神经网络的加药控制系统研究

浮选是最重要的选矿方法之一,煤矿浮选工艺自动加药控制问题是影响浮选效果的重要因素;传统加药控制主要是由加药工根据生产经验来控制,为了解决浮选精度低这一问题,文中提出采用BP神经网络作为加药控制系统加药量的预测模型,并采用动量项方法对其进行优化,通过仿真得出动量项法网络和测试样误差曲线,说明带动量项改进的神经网络更容易满足网络精度的要求,并且该方法能够有效地降低误差、减小浪费。     

基于改进BP神经网络的道路交通事故预测

道路交通事故因受多种随机因素的影响而呈现出非线性的特点,传统的线性分析方法无法完全揭示其内涵。在分析道路交通事故与人、车、路等因素关系的基础上,利用神经网络具有描述非线性特性的能力,将影响交通事故的多种因素综合起来建立了基于改进BP神经网络的道路交通事故预测模型。选取人口密度、路网密度和机动车辆密度作为交通事故预测模型的输入神经元,采用道路交通综合死亡率作为道路交通事故的输出评价指标,对道路交通事故进行预测。实验结果表明,该预测模型能很好地适用于道路交通事故预测,验证了该模型的可行性和有效性。     

基于抽象故障树的化工事故预警

情景是分析事件的发生、发展及可能的后果的有效机制,然而,基于情景的预警机制或缺乏有效的模型支撑或受制于模型的局限性,实践中难以推广.抽象故障树是同类事故故障树的高层抽象,综合历史案例与专家经验,能够刻画事故的成因的机理、情景演化过程及可能的后果,能够有效支撑基于情景的预警分析.提出一种基于抽象故障树的化工事故预警方法,基于抽象映射计算事件危害度及节点重要度,将情景演化的割集模型转换为贝叶斯网络模型,采用Board法对事故危害进行风险度量和防御事件排序,实现基于情景的不同演化路径的事故风险预测及最佳应对策略推荐,实验结果显示了该方法用于事故分析预警的有效性.     

基于BP神经网络的故障诊断技术研究

分析了传统的故障诊断方法的特点和缺点,在此基础上选择BP神经网络应用于故障诊断,详细探讨了BP神经网络的建模方法,根据设备的层次结构和特点,将集成神经网络应用于故障诊断,有效地克服了单一神经网络故障诊断的一些缺点,大大提高了故障诊断的效率和准确率.     

基于优化BP神经网络的PID控制器研究

提出了一种新型的基于优化BP神经网络结构的PID控制器（PID－NNC），该控制器将神经网络和PID控制规律融为一体，既具有神经网络自学习，自适应及逼近任意函数的能力，又具有常规PID控制器结构简单，可靠性高的特点，且控制器的算法采用的是优化的BP算法，可以避免网络陷入局部极小点，也可以加快网络的训练速度，所以该控制器可以对具有非线性，时变性和不确定性等复杂系统实行控制。利用MATLAB软件对非线性系统进行了仿真研究，其仿真结果表明该控制器具有很好的控制效果。