深圳市供水量BP神经网络预测

城市供水量受多种因素的共同影响。以深圳市最近20多年的供水量历史数据为基础,建立了一种基于时间序列的供水量BP神经网络预测模型。该模型的平均相对误差为4.96％。根据建立的深圳市供水量BP神经网络模型的预测结果,未来深圳市近期(2005年)的年供水量将达到52 630万m3,远期(2010年)的年供水量将达到56 142万m3。     

基于BP神经网络的来水量预测模型

针对径流量长期变化的因果关系复杂特性,常规的中长期水文预报模型又很难满足精度要求,提出了基于BP神经网络的来水量预测模型。结合实际径流数据,验证了模型的预报精度,可用来进行中长期水文预报。     

BP神经网络预测河流月径流量

河流的月径流量是随机变化的，影响因素很多，如人类活动、降雨、下垫面的土壤、植被覆盖情况。利用人工神经网络理论建立BP（Back-Propagation，反向传播方法）网络预测模型，用该模型对河流的月径流量进行预测，BP神经网络模型计算快速，占用内存小，还有很好的容错性，可以得到比较理想的结果，精度高，可靠性好。模型建立之后，将其用于实例，通过对大量样本进行很多次的训练学习，得到训练好的BP网络模型，最后进行预测，得到令人比较满意的结果。     

BP模型的改进及其应用

本文针对BP模型学习收敛速度慢、容易陷入局部极小点等缺点，提出原始数据的非线性规格化函数、记忆式初始权值、阈值和参数自动优选等方法，对BP模型进行改进，并结合某水库大坝沉降实测资料分析，编制了改进后的BP网络算法程序，计算结果表明，改进措施有较大的实用价值。     

优化BP神经网络的位移预测模型

针对大坝位移预测常规方法存在的问题,基于改进粒子群算法的BP神经网络(IPSO-BP)的大坝位移预测方法,通过IPSO对常规BP神经网络的权值和阈值进行优化,弥补了BP网络的不足,保证了预测精度。以2011-12-21—2013-06-27观测得到的某混凝土重力坝某一典型坝段坝顶的顺河向位移值为研究对象,建立基于IPSO-BP的大坝预测模型并进行仿真分析研究。同时,为了验证该模型的拟合及预测效果,建立PSO-BP模型、利用最小二乘法求解参数的统计模型进行对比分析。上述研究结果表明,此模型预测精度优于常规模型且拟合效果好、预测结果的平均相对误差小,说明此方法有效可行。     

BP模型的改进及应用

<正>水稻是我国主要粮食作物之一,不同年景对粮食产量影响较大。经研究证明,水稻生长季节≥20℃的积温与产量高低有密切关系。当≥20℃的积温在2100℃以下时,就会因热量不足而发生延迟型或障碍型冷害,最终造成粮食严重减产。只有≥20℃的积温得到基本满     

土石坝渗流的BP神经网络模型

通过对土石坝渗流的成因分析,应用神经网络原理,并结合某土石坝的实测渗流资料,建立了渗流BP神经网络模型,给出了模型的输入、模型输出因子和模型结构。实例分析结果表明,模型合理、可靠,精度较高。     

等维新息水资源消费BP模型

水资源消费量的预测涉及许多因素和条件，根据城市水资源消费变化特点，选取能充分体现城市用水量变化规律的等维新息数据文件，建立城市水资源消费量预测的等维新息BP神经网络模型。经实例验证模型预测误差小，可满足水资源规划等工作需要。     

水电工程监理评标BP网络模型研究

为了使水电工程监理评标规范化、科学化,基于BP人工神经网络理论,并结合监理评标工作的特点,建立了监理评标BP网络模型。考虑到BP模型的误差反向传播算法容易陷入局部极小点,以及会出现收敛速度慢等问题,对模型训练的计算方法进行了改进。将所建立的评标模型应用于实际,并对模型的学习能力进行了检验,结果表明,该模型精度较高,具有较好的适用性。     

BP神经网络在地下水水质评价中的应用

地下水污染是当前较为严峻的现实问题,地下水水质评价是开发和保护地下水资源的前提,将BP神经网络应用到地下水水质评价中,解决了以往评价方法人为性较大和隶属函数构建不合理等问题。应用实例表明,BP神经网络法训练速度快、精度高,能如实地评价地下水质情况。     

基于BP神经网络的义乌市降水量预测

水资源已经极大地制约了义乌市的经济发展,对义乌市降水量的预测,意义十分重大。BP神经网络具有自学习、自组织和容错性等一系列优点,用其来进行降水量预测是可行的。经过多次试预测,选出12月NINO-3区海表平均温度作为预测因子,义乌市5—6月的降水总量为预测对象。将1981—1999年12月NINO-3区海表平均温度的数据作为网络训练样本,2000—2002年义乌市5—6月的降水总量作为测试样本。网络测报结果平均误差为15.90%,预报情况良好。     

BP神经网络用于水质评价的参数确定

水质评价是多变量的非线性系统,而神经网络解决非线性问题有其独到优势,其用于水质评价是较好的方法。在评价时,神经网络参数的确定直接影响到评价的精度。通过对输入输出数据的归一化、权和阈值的初始值以及网络隐层节点数确定方法进行探讨,优化了在水质评价时BP神经网络的参数,并在实际评价中应用,从而使评价结果更客观和符合实际。     

基于BP神经网络的大坝沉降预测模型

以某大坝沉降监测数据为例,利用Matlab软件的BP神经网络工具箱进行建模分析和预测。结果表明,滚动BP神经网络算法能较好地应用于大坝沉降数据的预测,具有良好的应用前景。     

基于BP神经网络预测区域农业用水量

在农业用水量预测中,避开复杂系统的内部因素及其相互联系,只考虑产量、降水、非耕地耗水量和土地利用系数等影响因素。运用多层前馈网络的误差反向传播算法,通过输入输出因子规格化处理及因子的选取与修正,进行区域农业用水量预测。将BP神经网络训练方法用于典型区进行预报检验,最大相对误差在12%以下,所有结果从定性上都是一致的。     

基于BP神经网络的区域需水预测

本文基于BP神经网络L-M的改进算法,建立人工神经网络区域需水预测模型,选取GDP、人口、粮食作为区域需水预测因子,将BP神经网络模型应用到文山州区域需水预测中,并运用MATLAB神经网络工具箱进行模拟计算.     

泾河年径流量BP神经网络模型研究

以1957—2000年的实测降水序列和泾河年径流量序列为研究对象,利用EMD法和GA建立了泾河年径流量的BP神经网络模型。分析结果表明:泾河流域年降水量变化可能存在准2～3、5～7、10～13、18～22 a的周期;基于EMD的年径流量BP神经网络模型预测值的相对误差为-4.71%～8.21%,基于GA的年径流量BP神经网络模型预测值的相对误差为2.25%～12.22%。     

冰凌预报模糊优选神经网络BP方法

黄河内蒙段地处黄河流域最北端，由于它的特殊地理位置、水文气象条件、河道特性，几乎每年产生凌汛。本文在分析影响凌汛成因因素的基础上，选取合适的预报因子，基于模糊优选神经网络BP模型，提出冰凌预报方法，应用于黄河内蒙段封河、开河日期的预报。结果表明，计算简便，精度良好。     

基于BP神经网络的隧洞围岩分类

为了检验BP神经网络在隧洞围岩分类中的可行性,利用BP神经网络模式识别的特性,构建了隧洞围岩分类的神经网络模型。以30组实测数据作为神经网络的学习样本,7组实测数据验证神经网络的工作性能,BP神经网络输出的分类结果与实际的分类结果完全一致,表明训练良好的BP神经网络可以用于工程实践中的隧洞围岩分类。     

BP神经网络在岩爆预测中的应用

综合考虑围岩产生岩爆的内外在因素,采用地应力大小、岩石抗压和抗拉强度、岩石弹性能量指数等参数作为指标,建立了BP人工神经网络岩爆预测模型.将国内外具有代表性的工程实例作为样本,以提高网络的泛化能力;采用Levenberg-Marquardt算法来训练BP神经网络,以提高效率.实例表明,采用本文所给出的BP神经网络模型预测结果与实际情况相符,说明了此模型的有效性.