改进BP神经网络在城市工业用电量预测中的应用

根据城市工业用电量与其影响因素之间存在的非线性映射关系,建立了一个改进BP人工神经网络模型,并将其应用于泰安市工业用电量的预测中.实例表明,该方法预测精度较高,具有一定的推广价值.     

基于机器人的神经网络预测控制算法

针对预测控制机理在处理非线性模型控制存在较大的困难,提出了将BP神经网络和广义预测控制(GPC)相结合后应用于网络控制系统的思想,构造了神经网络预测控制算法,其实质是用BP神经网络作为预测模型,产生预测信号,对系统进行反馈校正,并通过误差迭代求取广义预测的最优控制律,从而克服了对非线性系统难以辨识模型的困难,利用神经网络"黑箱"的功能达到对非线性系统的预测控制.以机器人为控制对象进行仿真,取得了较好的控制效果.     

基于BP网络的字母识别

介绍了用BP神经网络方法对英文字母进行识别,并在识别过程中考虑了噪声干扰及非线性因素的存在,使网络具有一定的容错能力,并用MATLAB完成了对字母识别的模拟.     

基于Elman神经网络变风量空调系统研究

变风量空调控制系统具有非线性和动态特性.目前,在VAV空调控制领域应用最广泛的神经网络是静态前馈Bp神经网络,而在多层前向Bp网络中引入特殊关联层,形成有"记忆"能力的Elman神经网络,可以映射系统的非线性和动态特性.其在网络训练算法中,采用自适应学习速率梯度下降反向传播算法,显著提高了网络的训练速率,有效抑制了网络陷入局部最小点.文中分别采用Bp神经网络与Elman神经网络建立模型,对VAV空调系统的少量参数的数据进行仿真预测,经比较分析,证明后者具有收敛速度快、预测精度高的特点.     

基于动态BP神经网络的预测方法及其应用

人工神经网络是一种新的数学建模方式,它具有通过学习逼近任意非线性映射的能力。本文提出了一种基于动态BP神经网络的预测方法,阐述了其基本原理,并以典型实例验证。     

按龄生育率预测的神经网络方法

本文提出了利用人工神经网络非线性时间序列预测方法，对人口按龄生育率问题进行建模和预测，其结果表明这种方法在预测精度和降低模型复杂性上优于传统方法。     

基于人工神经网络的中长期负荷预测算法

当前中长负荷预测的大部分方法都衍生于传统的线形统计理论,难以解决复杂的非线性问题.文中结合BP人工神经网络技术,利用人工神经网络所具有的非线性映射和函数逼近功能对中长期电力负荷进行了研究,提出了一种中长期电力负荷预测的思路.并利用北京市的实际数字对未来若干年的用电量进行了预测,实验结果表明,该算法具有较好的准确性和可行性.     

联合灰色模型和神经网络的短期电力负荷预测

电力负荷受温度、湿度等因素影响,因而呈现出典型的非线性和随机性特征,传统单一模型存在预测精度低,泛化能力弱等问题,为此提出一种联合灰色模型(Grey Model,GM)和BP神经网络的组合模型实现对短期电力负荷的高精度预测.GM在小样本、贫信息条件下具有较强的预测能力,但是面对非线性问题时表现不佳,而BP神经网络具有强...     

基于神经网络的水泥回转窑温度预测模型

回转窑的生产过程是一个复杂的物理化学反应过程,具有大惯性、纯滞后、非线性等特点.工艺过程复杂多变,难以得到精确的数学模型,本文利用BP神经网络可以实现任意非线性映射的特点建立其神经网络预测模型,结合广西某大型水泥厂实时采集的生产数据,进行仿真研究.仿真结果表明,该模型能够很好的预测水泥回转窑的温度.     

基于神经网络的证券市场预测

利用BP网络很强的非线性映射功能，建立影响股票相关因素与股票开盘价、收盘价之间的关系，综合传统预测和滚动预测方法，建立了一个预测股票走势的模型，并用2000年的上证综合指数进行了验证。     

复杂环境中的车牌字母和数字识别研究

当前车牌识别的研究大都是针对正常环境进行的,对于复杂环境下的车牌难以达到识别要求。本文提出一种用BP神经网络构造并行神经网络的车牌字母和数字识别方法,利用PVM网络在虚拟并行平台上实现了并行神经网络,最后对复杂现场环境下获取的车牌进行了实验。实验结果证明,该算法具有良好的性能,能在28ms内实时准确的识别车牌字母和数字。     

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.     

基于分层自适应学习率的改进BP算法

在自适应学习率算法的基础上提出一种新的BP网络改进算法——分层自适应学习率附加动量项算法。仿真结果表明该算法较之自适应学习率算法能进一步提高网络的学习速度。     

基于神经网络理论的现场总线系统安全性评价的研究

本文在介绍神经网络基本原理的基础上，提出了BP神经网络的优化算法：BP-1算法。进而分析了神经网络应用于现场总线系统安全性评价的优点，提出了基于神经网络理论的现场总线系统安全性评价模型和实现方法。最后，以一个原型系统证明了该方法的有效性。     

基于AFSA—BP神经网络的基坑变形预测模型研究

为改善BP神经网络收敛速度慢、初始权阈值对计算结果影响较大且易陷入局部最优等缺陷,为提高模型的预测精度和稳定性,使用具有全局优化能力的鱼群算法优化BP神经网络的初始权阈值,依托工程实例,将BP模型及改进的模型用于基坑变形预测中,通过预测值与实测值进行对比,结果表明：AFSA-BP模型的预测精度要高于BP模型,且预测结果稳定、预测速度较快、预测误差可以满足工程的要求,对于下一步施工具有良好的指导作用,所以AFSA-BP模型是一种有效的基坑变形预测模型。     

基于BP神经网络的防火墙系统综合性能评估方法研究

本文建立了防火墙系统综合性能评估指标体系，探讨了基于BP神经网络的防火墙系统综合性能评估方法，并给出了评估模型及算法实现。在Matlab中的仿真实验证明该方法是可行的。     

基于BP神经网络的防火墙系统综合性能评估方法研究

建立防火墙系统综合性能评估指标体系,探讨了基于BP神经网络的防火墙系统综合性能评估方法,并给出评估模型及算法实现。在Matlab中的仿真实验证明该方法是可行的。     

基于BP神经网络和CELTS-22的网络课程评价研究

基于对人工神经网络和CELTS-22的研究,建立了以CELTS-22中主要评价规范为参照的指标体系.该系统应用三层BP神经网络结构,设计出能模拟专家进行评价的计算机辅助评价模型,可以弥补评价过程中的人为失误.     

基于BP神经网络的大豆叶片病害诊断模型的研究

本文以大豆叶片为研究对象,主要针对大豆灰斑病、霜霉病和细菌性斑点病进行诊断。首先,在东北农业大学教育部大豆生物学重点实验室的实验基地培育灰斑病、霜霉病和细菌性斑点病的纯正样本,然后通过对病斑特征的分析,确定病斑特征与病害种类的关系,建立大豆叶片病害的BP神经网络诊断模型。测试结果表明,针对轻度病害,灰斑病、霜霉病、细菌性斑点病和其它病害的识别精度分别为88.75%,87.50%,87.50%,85.00%;中度病害识别精度分别为91.25%,90.00%,91.25%,88.75%;重度病害识别精度分别为93.75%,92.50%,93.75%,92.50%。     

基于MATLAB的BP-LVQ神经网络组合分类模型

综合考虑神经网络分类误差率以及训练速率,文中从组合分类器结构出发,提出一种树形多层的BP-LVQ神经网络组合分类器模型。该组合分类器利用BP神经网络独立性以及自适应性解决了一般分类器难以不断学习和适应新攻击的问题,利用LVQ神经网络的竞争性将客观分类信息转变成使用者所定义的类别。利用MATLAB神经网络工具箱对该BP-LVQ神经网络组合分类模型进行仿真实验,实验结果表明,该组合分类器的分类效率明显高于单一分类器。