基于BP神经网络的信息预测技术在PGS中的研究与应用

目前国内各大中城市停车供需矛盾日益突出和严重,而停车诱导系统（PGS）正是缓解停车问题一种有效途径。本文主要是针对PGS的预测关键技术进行了研究和实现,来增强诱导信息的有效性。本文设计和实现了信息预报子系统,主要是结合神经网络技术,提出了一种基于BP神经网络理论的车位占有率预测模型。应用该模型可以较为准确地预测短期内的车位占有率的变化,进行信息预报。     

基于BP神经网络的入侵检测系统设计

传统的入侵检测技术在建立统计模型、规则库管理和检测性能等方面存在着缺陷和不足,影响了入侵检测系统的实际应用效果。本文提出并利用Matlab神经网络工具箱建立一个基于BP神经网络的入侵检测系统。实验结果表明,该算法在提高入侵检测系统的检测准确率、降低误报率和漏报率等方面具有一定的优越性,收敛速度较快。     

基于BP神经网络的图像压缩的Matlab实现

BP网络是目前最常用的一种人工神经网络模型,它利用多层前馈网络的模式变换能力实现数据编码,直接提供数据压缩能力.在介绍BP网络图像压缩机原理及算法的基础上,通过计算机Matlab仿真实验实现数字图像压缩,并分析了各种参数对重建图像性能的影响.     

基于BP神经网络预测气流床气化炉炉膛温度的试验研究

气流床煤气化技术,是当今煤炭清洁利用的龙头技术。控制气化炉操作温度是保证气化炉长期稳定运行的关键。本文利用三层BP神经网络,结合Matlab神经网络工具箱,分析和预测四喷嘴对置式气流床气化炉试验装置其炉膛的最高温度。将预测的结果和实验数据作比较,结果表明,该网络模型的预测值与气化炉不同负荷下最高温度试验值几乎吻合,是一种可行的数据处理方法。     

基于BP神经网络的太阳辐射度预测

太阳辐射预测准确,能够对光伏发电的输出功率做出较为准确的预测,将为电网的运行和控制提供重要参考依据。建立了一种用于预测太阳辐射的BP神经网络仿真模型,通过利用实际数据对该模型进行训练,实现了对未来太阳辐射的预测。     

停车诱导系统中车位预测模型的研究

研究城市停车诱导系统的停车车位占有率预测问题.首先提出基于BP神经网络的车位占有预测模型,同时将自适应学习速率调整法和加入动量项方法用于改善基本BP神经网络,优化了学习速率,减少了训练过程的震荡趋势,改善了网络的收敛性.以此为基础实现了停车位的智能预测.最后,进行了多种方法比对实验.     

BP神经网络在脑电图信号预测中的应用

由于EEG和BEAM的无创、低成本、能反映大脑病变部位的机能变化等特点,为了预测大脑疾病发生的可能性。设计了一个3层BP网络,并建立了相应的数学模型,以所记录数据中的一部分作为样本,利用Matlab的神经网络工具箱中的算法和函数,对上述神经网络进行训练、仿真、并预测另一部分数据,同时作出待预测数据和预测数据的脑电地形图,进行比较,验证了BP网络模型的有效性。其算法可开发出程序模块,集成到相关脑电图仪的软件系统中。     

基于BP神经网络的矿井提升机故障诊断研究

介绍了一种采用BP神经网络故障诊断法对矿井提升机进行故障诊断分析的方法;以提升机运行状态为例,建立了BP神经网络故障诊断模型,并在Matlab环境下进行了仿真训练。仿真结果表明,基于BP神经网络的矿井提升机故障诊断模型收敛速度快,能够很好地预测提升机的故障类型及位置。     

基于长短期记忆神经网络的可用停车位预测

可用停车位预测是智能停车诱导系统的关键问题之一。当前基于神经网络的预测技术在较短预测周期内,预测准确度的平均绝对误差在 10 左右,但随着预测步长或周期的增加,预测精度急剧下降。针对这一问题,该文提出了一种在中长预测时间周期内可保持数据变化特征的泊位预测方法。该方法使用模糊信息粒化获取特征数据集,通过训练长短期记忆神经网络预测未来的特征数据集,基于数据插值方法重建出整个区间可用停车位的连续变化曲线。仿真结果表明,该方法在相同预测步长的可用车位预测上,比传统预测方法具有更高的预测精度;在保持相近预测精度的条件下,比传统预测方法具有更高的计算效率。     

应用BP神经网络进行成像误差修正

成像误差修正是摄像机标定中的一个重要的环节，而传统的像差修正方法计算复杂。提出了一种基于BP神经网络的修正成像误差的算法，建立两个神经网络分别对δu与δv进行最佳函数逼近。仿真实验结果证明利用神经网络的非线性逼近能力无须建立精确的数学模型即可提高精度，而且比传统的方法更加简单易行。     

融合LBP和BP神经网络的人脸表情识别

提出了一种融合局部二值模式(Local Binary Pattern,LBP)和BP神经网络的人脸表情识别方法。通过把人脸表情图像划分成若干区域,分别提取人脸子区域的LBP特征,然后把各个区域的LBP特征串联成一个完整的特征向量,该特征向量就可以表征该表情图像。构造BP神经网络人脸表情识别模型,通过在Cohn-Kanade人脸表情库的实验,验证了该方法的鲁棒性性和可行性。     

污水处理中BP神经网络与Elman神经网络的预测比较

以活性污泥污水处理过程为背景,介绍并比较了BP神经网络与Elman神经网络对于污水处理输出化学需氧量(COD)的预测.实验结果表明,Elman神经网络训练时间要比BP神经网络训练时间长,但是Elman神经网络预测的精确度要比BP神经网络预测的精确度高,Elman神经网络能够更好的预测污水处理的进程.     

基于SUPARK车位引导系统的车位信息采集技术研究

SUPARK(速泊)车位引导系统是随着传统的停车场管理已无法解决现有"停车难"问题孕育而生的。针对SUPARK车位引导系统的车位信息采集的弊端,提出了使用视频技术检测车位的建议。利用MATLAB软件对视频图像进行分析处理,实时采集车位占用信息和停车场内部环境,提高了车位信息的可靠性、停车场管理能力和停车效率。     

基于BP神经网络的藻类生长预测研究

藻类的生长是湖泊、水库等水体污染程度的一个直接表现形式。本文将BP神经网络作为藻类生长的预测模型,基于L-M算法实现了长期预测模型。通过对一引黄水库藻类生长的预测,表明了这种预测模型的可行性,从而可用于环境污染的防治。     

基于BP神经网络的压缩空气用能预测模型研究

文中根据BP神经网络对复杂问题所具有的预测能力,选取某企业压缩空气用能数据作为预测评判指标,建立了用于压缩空气用能预测的BP神经网络模型,并应用于实际问题预测。然而,最初预测结果在几个时刻点出现异常,在此文中针对记录数据可能出现问题的各种原因,再次利用局部预测对原始数据做出修正,最后预测结果已基本符合。实例表明：用BP神经网络模型进行压缩空气用能预测是可行和有效的。     

基于BP神经网络算法的成绩预测模型研究

基于sigmoid激活函数,建立了一种BP神经网络模型。通过对某高中2006年至2015年间的高考平均数据样本进行学习,修正了权值和阈值。系统最大相对误差为0.22%,关联度为0.6667,小误差概率为0.98,方差比为0.0002,预测结果精度为高。用于2016年至2020年间该校高考平均成绩的预测中发现,预测结果与实际结果的最大绝对误差仅为2分。对该校2021年的高考平均成绩进行了预测,最终预测结果为571分。