基于改进的BP神经网络的彩信业务预测模型

彩信业务是一项重要的移动增值业务,但当前运营商的彩信运营却缺乏有效的系统支撑。文章重点研究了一种数据挖掘方法——BP神经网络——在彩信运营支撑中的应用,提出了混沌粒子群算法,并在此基础上改进了BP神经网络预测模型以用于彩信业务预测。     

中国Ka波段卫星通信线路的雨衰分布特性

利用ITU-R给出的降雨衰减预测模型,根据我国主要城市的分钟降雨率数据,计算出我国Ka波段(30/20GHz),轨道位置为92°E的卫星通信系统在线极化波情况下的降雨衰减等值线分布,此结果可作为Ka波段卫星通信系统设计的理论依据。     

基于改进BP神经网络的洪峰预测模型

BP神经网络擅长对数据模型进行预测,通过模拟退火遗传算法的引入,对原始BP网络进行改进,对比分析两种算法的流程及效率,同时在洪峰预测模型上进行试验,观察两者的数据结果,并分析误差和效率,发现改进BP网络优于原始BP网络,在实际工程应用中值得推广。     

Ka 波段卫星通信雨衰问题的研究

介绍了影响雨衰的要素以及常用的雨衰预测模型---IT U-R模型,通过IT U-R雨衰预测模型,以扬州地区为例计算了雨衰大小,并通过M atlab进行仿真,分析了海拔高度、卫星纬度以及信号频率对卫星通信系统的降雨衰减特性的影响。     

基于改进BP算法的软件缺陷预测模型研究

针对传统软件测试成本高及测试过程依赖于软件用例的设置等问题,设计了基于BP,JCUDA_BP和JCUDASA_BP的软件缺陷预测模型,并通过调研、实验的方式对基于改进BP算法的软件缺陷预测算法进行了相关的研究分析,探讨了JCUDA技术对于BP算法的影响,证明了模拟退火算法与JCUDA技术相结合的方式具有改进软件缺陷预测模型的可能性。     

基于量子BP网络的图像压缩技术研究

量子神经网络是一门崭新的学科,是量子理论和人工神经网络结合的产物。它融合了量子计算与神经网络的优点,具有很高的理论价值和应用潜力。本文基于具有量子输入和量子输出的量子神经元模型,利用BP网络用于图像压缩的原理,同时借助复数BP算法提出了QBP算法,构建一种用于图像压缩的3层QBP网络模型,实现了图像压缩与图像重建。仿真结果表明,在与BP网络压缩比相同的情况下,QBP网络不仅获取较好的重建图像质量,而且在最佳学习速率下迭代次数比BP网络少。     

星载SAR系统设计中的雨衰估算

主要讨论了微波信号大气传播中降雨衰减的估算方法。基于我国部分地区降雨强度长期累计分布 ,计算了部分地区X波段信号传输的降雨衰耗。针对星载SAR的特点 ,分析了雨衰对SAR的影响 ,提出了星载SAR设计时雨衰的指标     

基于改进BP算法的网络态势预测模型

准确的网络态势预测可以有效的减小网络拥塞程度.本文对网络拓扑和流量数据进行分析,提取了节点数、OD流数、大象流数、总流量等反应网络态势的参数,建立了基于BP神经网络算法的预测模型进行模拟,能够有效的预测上述参数的发展趋势,在网络管理中有较好的应用前景.     

基于改进BP算法的网络态势预测模型

准确的网络态势预测可以有效的减小网络拥塞程度。本文对网络拓扑和流量数据进行分析,提取了节点数、0D流数、大象流数、总流量等反应网络态势的参数,建立了基于BP神经网络算法的预测模型进行模拟,能够有效的预测上述参数的发展趋势,在网络管理中有较好的应用前景。     

基于BP神经网络的电视节目收视率预测模型

电视节目收视率预测是一种典型非线性预测,收视率在短时间内相对稳定。人工神经网络具有良好的容错性、自适应学习能力以及非线性映射能力,采用人工神经网络做收视率预测精度较高。基于BP神经网络建立了预测模型,并采用软件仿真的方式对预测过程以及预测结果进行分析,实验结果表明采用BP神经网络预测电视节目收视率是可行的。     

基于BP神经网络的城市交通流预测研究

交通流预测在城市交通管理和控制中起着十分重要的作用。在分析城市交通流复杂非线性特性的基础上引入BP神经网络模型,从人工智能的角度对交通流预测进行了研究,同时给出了一种基于BP神经网络模型的交通流预测方法,通过对预测数据与实测数据的比较分析,证实了该方法的有效性。     

基于BP 神经网络的能见度估测研究

利用安徽省高速公路能见度观测站网的分钟能见度及温湿风资料, 在全面分析能见度与各个气象要素相关 性的基础上, 重点探讨了高速公路能见度的短时预测模型。应用 BP 神经网络, 以湿度、温度、平均风速、瞬时风速、 极大风速作为 BP 神经网络输入层, 输出层为能见度, 结果表明整体试验数据偏差在可接受范围内。采用顺序试验样 本时, 相对误差在 20% 以内的占总试验次数的 68.6%; 在随机样本各次试验中, BP 网络模拟输出与检验样本的相关性 较好, 相关系数在 0.6∼0.8 之间; 低能见度随机样本试验结果表明, 模型输出值与样本值均方根误差集中在 700∼850 m 之间, 变化幅度不大, 说明神经网络算法具有较高的稳定性。     

基于BP神经网络的姿态测量系统摄像机标定

针对摄像机标定过程中复杂的成像和畸变模型,利用误差逆传播(BP)神经网络对复杂非线性映射关系的强大逼近能力,对姿态测量系统中的摄像机进行隐式标定,建立了姿态测量中三维空间目标特征点与它在图像平面上像点间的映射关系,使姿态测量系统无须进行复杂的摄像机标定,直接恢复目标特征点的三维信息,从而计算得到目标姿态信息.结果表明,该方法对于空间点坐标恢复的均方根误差小于0.015 mm,可以获得较高的精度.     

Ka频段卫星通信系统降雨衰减分析

Ka频段卫星通信因其具有可提供的带宽大(3.5GHz)、通信容量大、波束窄、终端尺寸小,轨道平面内可容纳的卫星多和抗干扰能力强等优势成为未来卫星通信的必然趋势。Ka频段卫星通信面临的一个巨大挑战在于它受气象因素的影响大,这一度使研究人员认为Ka频段卫星通信是不可能实现的。降雨、闪烁、大气吸收等因素都会导致Ka频段地空链路信道质量的恶化。根据Ka频段卫星通信的特点,分析了降雨衰减的特性,提出了几种抗雨衰的办法。     

基于BP神经网络的引线键合模型

提出了一种基于BP神经网络的新建模方法.利用MATLAB神经网络函数建立网络,通过组合不同参数,将50组训练样本输入网络多次训练,比较结果误差及训练步数、时间,确定了最佳网络结构及参数设置值,建立了引线键合模型.采用训练样本外的10组实验数据对模型进行验证,分析多种误差.验证结果表明,该方法对建立引线键合模型是有效的、可行的,有着较高的精确度.     

基于GA-BP神经网络的人脸检测

传统的BP神经网络算法收敛过慢、局部收敛不理想,影响其工作性能。针对以上不足以及人脸图像数据大等问题。提出GA-BP神经网络对人脸图像进行检测的新方法:将遗传学习算法和误差反向传播算法相结合的混合算法来训练前馈人工神经网络,使网络收敛速度加快和避免局部极小。通过实验表明该网络不仅收敛速度快,而且易达到最优解。证明该网络对人脸图像检测具有高的检测精度。     

基于灰色系统理论的雨衰减短期预报方法研究

雨衰减对10GHz以上频段的无线通信有很大的影响,在使用卫星通信系统时必须采取合理的策略以补偿降雨造成的衰减。为了给星地链路的自适应功率控制技术提供保障,首次将灰色系统理论应用在雨衰减短期预报中,分析给出了选择灰色系统模型和参数的原则。最后选取海口站Ka 频段地空链路的实测数据进行了验证,利用获得的雨衰减数据对未来间隔1s 和5s 的时刻进行预测,结果表明,基于灰色系统的雨衰减预测和实测数据吻合较好。     

基于GA—BP神经网络的股票预测研究

股票市场是国民经济发展变化的“晴雨表”,股票价格的涨跌也是政治、经济、社会等诸多因素的综合反映。近几年来,神经网络取得较大发展已经成为热点研究并在各个领域中得到应用。针对此,基于遗传算法和BP神经网络,以中国石化100天股票技术指标历史数据作为训练样本对收盘价进行预测,10天数据进行检验,并通过图像拟合来验证神经网络股票预测的可行性和准确性。