基于BP神经网络的水质预测方法的研究

为了建立相应的水质预测和评价管理决策支持系统,在了解和分析一些常规水质模型的基础上,提出了用BP神经网络进行智能建模的方法,并结合东江自动监测站的实测水质数据进行了初步的探索,建立了东江水质预测的BP神经网络模型,并给出了仿真结果。结果表明,BP神经网络模型可以很好地对水质进行预测,解决系统中复杂的非线性关系,具有预测精度高,简便可靠等特点。     

基于BP神经网络的空调物料库存预测研究

空调制造中需要的物料种类较多,物料的供应风险和产品重要程度对空调物料的库存量有着极大影响,影响着企业库存总成本。通过卡拉杰克矩阵对空调物料进行分类研究,建立了基于BP人工神经网络的空调物料预测模型。笔者根据空调物料企业库存数据,验证了模型的有效性。     

改进BP神经网络在API预测中的应用

空气污染指数（AIR POLLUTION INDEX,简称API）是一种反映和评价空气质量的方法,本文以厦门市环境监测部门公布的API数据为依据,通过对BP神经网络模型的研究并对比几种API预测模型。结果表明BP神经网络模型预测值与实际值非常接近,完全可以满足对预测的要求。     

基于BP神经网络的路口短时交通流量预测方法

交叉路口是一个城市交通的重要组成部分,其各方向的交通流量预测更是该城市智能交通系统中的重中之重,本文提出一种基干BP神经网络预测路口短时交通流量的方法,该方法将路口其他非预测方向和交通信号配时方案对流量预测的影响因素考虑在内。     

基于BP神经网络的航迹预测方法研究

本文针对AUV航迹预测的实际应用需求,建立了基于BP神经网络的航迹预测模型,并应用海洋水文要素数据及数据处理后的AUV位置信息作为样本数据,对预测模型进行仿真实验。最后,利用航及预测模型实现了对AUV航迹的准确预测。     

基于BP神经网络的团购商品数量预测

随着互联网的发展与普及,网络购物已成为现代人生活中一个重要组成部分。网购为消费者带来了颠覆传统消费模式的全新购物模式,节省了大量的购物时间。目前网络团购模式已经被广大网络消费者所认同,团购商品数量是团购网站预期营业额的重要依据,因此建立有效的团购商品数量预测模型,分析影响团购商品数量的作用因素,对团购网站具有重要的实际指导意义。     

基于新型BP神经网络的沼气生产预测

为了提高BP神经网络预测模型对沼气生产预测的准确性,提出了一种基于新型BP神经网络建模的沼气生产预测方法。在原有方法中引入一种新的功能函数,它优化了传统算法,不仅克服数据量少的问题,而且,与传统BP神经网络相比,拟合精度有了一定的提高。混合配比的原料相较于单一原料产气速率高,但是配比的不同也会相对应的影响产气量,目前甲烷生产企业原料的盲目配比导致了低效益生产。仿真结果表明,本文所述方法对沼气生产过程的预测具有精度高、非线性拟和能力强等优点,克服了低效益生产,可实现相同原料种类下不同配比的沼气企业效益提前精确预测,可广泛应用。     

基于BP神经网络的建筑能耗预测

建筑负荷的预测是现在建筑能耗工作中十分重要的一项,是建立节能减排的重要支撑条件,对建筑总体能耗的预测需要考虑建筑结构内、外部环境方面的各项因素,例如对外部平均温度、湿度等,提出了使用BP神经网络的理论解决负荷的预测问题,结合某地的事实数据,用Matlab建立负荷预测模型,进行仿真预测的结果进行分析,预测的误差较小,能够比较有效地进行实用。     

一种基于BP神经网络算法的旅游人数预测方法

旅游人数趋势预测可以为旅游规划与开发,制订与旅游发展相关的策略,提供非常重要的依据,有利于引导市场消除内部矛盾,协调旅游业资源合理分配。笔者研究了旅游人数的影响因素,制订了网络模型,分别讨论了网络层数、各层神经元个数、学习速率、误差期望值和激励函数等问题,构造了一个BP神经网络模型,以预测国内旅游人数。实验结果表明,该算法具有较好的准确性及鲁棒性,能有效预测旅游人数。     

基于MATLAB的BP神经网络预测系统的设计

利用MATLAB设计了BP神经网络预测系统.介绍了MATLAB的BP神经网络工具箱函数和图形用户界面,详细介绍了BP神经网络预测系统的设计,并对所设计的预测系统进行了性能评价.系统具有良好的性能,在很多领域可以发挥较大的作用.     

基于BP神经网络的港口货物吞吐量预测

港口货物吞吐量的预测对于港口的建设和规划有着极其重要的意义.本文将BP神经网络理论引入港口货物吞吐量的预测中,建立以港口货物吞吐量影响因素作为输入神经元,港口货物吞吐量作为输出神经元的三层BP神经网络模型,并对南京港货物吞吐量进行预测,得到较好的预测结果.     

基于改进型BP神经网络的碎解时间预测及应用

碎解是废纸处理的初始工艺,也是关键阶段,只有将大部分的杂质在该阶段进行分离,才能保证后续工序的正常工作;碎解时间是碎解过程中最重要的影响因素,而实践中的碎解时间都是来源于经验值,缺乏整体评判;在介绍了某造纸厂碎解工艺过程的基础上,通过一些已有的良好数据,建立碎解时间预测的改进型BP神经网络模型,从理论上获取了比较合理的碎解时间;并将碎解时间的预测用于碎解过程控制,最终达到了节省能源和提高纸浆质量的目的。     

基于BP神经网络的矿山地下水位预测研究

采用BP神经网络技术,将矿区的降雨量、排水量及前期水位三个因素作为输入层,矿山地下水位作为输出层,建立矿山地下水位预测模型.文章详细介绍了BP神经网络实现矿山地下水位预测的基本算法,将研究区矿山的长期观测孔实测水位作为实验数据并作出误差分析.最终成果能够达到矿山地下水位预测目的,并为分析地下水降落漏斗趋势提供有力依据.     

基于BP神经网络算法的企业财务风险预测方法研究

随着我国经济的快速发展,企业财务方面出现诸多问题,企业财务面临着巨大的风险,需要对于风险问题有及时的预测机制.因此,针对企业财务风险的实际情况,利用BP神经网络算法实现企业财务风险的预测,建立基于BP神经网络的风险预测模型.首先,分析组合预测方法,利用组合预测方法优化BP神经网络;其次,构建神经网络的组合预测模型,将模...     

基于BP神经网络的电路负荷预测研究

基于电力负荷预测在电力系统中的重要性,提出了电路负荷分析方法,并通过对某市负荷数据的分析,建立了神经网络短期负荷预测模型,并进行实验验证,模型具有较高的精度,且具有很强的稳定性,适合多种不同的预测环境。     

遗传BP神经网络在网络流量预测中的应用

由于BP神经网络本质上采用的是梯度下降算法,具有收敛速度慢、容易陷入局部极小点等缺陷.针对这种情况,用具有良好全局搜索能力的遗传算法来改进BP神经网络模型,对神经网络的初始权值和阈值进行优化.仿真结果表明,遗传BP神经网络具有良好的预测效果,预测精度比传统的BP神经网络要高,误差更小,说明了遗传BP神经网络对网络流量预测是高效可行的.     

基于模拟退火优化BP神经网络的变形监测数据预测方法

针对BP神经网络模型用于变形监测数据处理时容易陷入局部极小值并且收敛速度慢的问题,提出一种基于模拟退火(Simulated Annealing,SA)算法优化BP神经网络的建筑物变形预测方法,利用SA的全局寻优能力对BP神经网络的模型参数进行优化,使参数迭代过程始终保持较高的"温度"和"能量",从而确保BP神经网络能够得到全局最优解的同时具备较高的预测精度和收敛速度。采用实际算例对所提SA-BP方法在低信噪比和小样本条件下的预测精度进行验证,结果表明所提方法相对于传统BP神经网络法和小波方法能够获得更高的预测精度,并且在小样本和低信噪比条件下优势更加明显。     

基于优化BP神经网络的销售预测算法研究

已知国内房屋售价具有一定的不完整的规律性,其会因季节变换、人群流动、国家相关政策等一系列因素而呈现一定的规律.与此同时,该规律性并没有确定的单一因子可以直接影响,故其售价与全部因素之间的关系也是非线性的.针对这一问题,利用神经网络输入量的非线性、冗杂性和可不完整性,对一段时期内的房屋售价进行预测是一种合理的预测方法.基...