基于LSSVM的VVP推力系数预报

针对神经网络存在结构较难确定、训练易陷入局部最优以及容易过学习等问题和标准SVM训练速度较慢等问题,提出最小二乘支持向量机算法,最小二乘支持向量机算法(LS-SVM)具有比其他非线性函数逼近方法具有更强的泛化能力;并且LS-SVM采用径向基核函数,得到LSSVM模型的待定参数比标准支持向量机少,仅为2个.将最小二乘支持...     

基于BP神经网络的电力系统负荷预报

电力系统负荷变化易受多方面因素的影响,负荷曲线呈现出强烈的非线性。而BP神经网络具有较强的非线性映射特性,它只需输入输出样本数据而不需要做复杂的相关假定即可完成系统的建模。通过实验证明将该方法用于电力系统负荷的预报是有效可行的。     

基于改进BP神经网络的传感器集成故障诊断

针对传感器故障，提出了一种基于改进的BP神经网络的集成故障诊断方法。在测量回路中引入“等价偏差”向量，用改进的BP网络建立传感器故障模型，对系统的状态和故障参数进行在线估计，然后将故障参数与修正的Bayes分类算法（MB算法）相结合．进行传感器故障在线检测、分离和估计。对连续搅拌釜式反应器（CSTR）的仿真结果表明，该集成故障诊断方法能够对多重传感器故障进行快速准确的分离和估计，并对传感器故障具有容错性。     

基于BP神经网络的煤矿地下水水位预报方法

煤矿地下水是威胁煤矿安全生产的重要因素之一。文章在阐述BP网络原理和分析地下水水位特点和影响因素的基础上,提出了基于BP神经网络的煤矿地下水水位预报方法,并利用历史数据对该网络进行了训练学习,建立了地下水水位特征模型,可预报未来一个时期地下水水位的变化趋势。实验表明该方法效果良好,相对误差小于2%。     

基于BP神经网络的水下机器人推进器故障辨识算法

常规无人水下机器人推进器故障诊断中,均假设推进器处于几种固定故障模式,这与实际推进器故障情况有较大差别。该文将信息融合故障诊断技术引入推进器拥堵故障在线辨识之中,提出基于BP误差反传神经网络（Error Back Propagation Network）信息融合在线故障辨识模型,将水下机器人控制信号和故障情形下的方向偏转率作为BP神经网络融合模型输入,其输出即为反应推进器故障大小的拥堵系数,不仅提高了故障辨识精度,而且对连续不确定故障实现有效辨识。     

基于BP神经网络的智能认知频谱预测技术研究

为了使通信用户频谱接入更为有效,增强在时域和空间域的频谱利用灵活性,首先介绍采用最速下降法进行学习的BP神经网络过程,并对BP神经网络的频谱预测算法进行数学建模.通过对一段时期内的电磁频谱状态的学习训练,调节参数使算法模型建立输入数据与输出结果之间的认知关系,进而改变BP神经网络算法自身的结构,优化权值与阈值,最终使得...     

基于BP神经网络的水下机器人推进器故障辨识算法

常规无人水下机器人推进器故障诊断中,均假设推进器处于几种固定故障模式,这与实际推进器故障情况有较大差别。该文将信息融合故障诊断技术引入推进器拥堵故障在线辨识之中,提出基于BP误差反传神经网络(Error Back Propagation Network)信息融合在线故障辨识模型,将水下机器人控制信号和故障情形下的方向偏转率作为BP神经网络融合模型输入,其输出即为反应推进器故障大小的拥堵系数,不仅提高了故障辨识精度,而且对连续不确定故障实现有效辨识。     

基于遗传BP神经网络的数据挖掘技术

数据挖掘技术是从大量数据中挖掘知识的有效的工具。BP神经网络和遗传算法是运用在数据挖掘中的两种新兴算法,神经网络的结构复杂、网络训练时间长、收敛速度慢,但其具有较高的正确率,把BP神经网络与遗传算法相结合,可以提高收敛速度,并在有限步内达到较高的精度要求,因此本文提出了一种遗传算法和BP神经网络相互结合的新算法,并把算法运用在数据挖掘技术中。     

基于BP神经网络的图像局部模糊测量

目的 目前模糊测量方法难以处理存在纹理平坦区域时的局部模糊测量.针对该问题,提出一种基于BP(back propagation)神经网络的图像局部模糊检测方法.方法 该方法采用所有奇异值以描述不同尺度信息随模糊变化情况,并与描述高频信息变化的DCT(discrete cosine transform)非零系数结合,实现奇异值向量和DCT非零系数个数联合的混合模糊测度,达到空频联合的模糊度描述.在此基础上,通过训练BP神经网络分类器,实现图像块模糊值预测.结果 单幅局部模糊图像实验中,较好区分纹理平坦区域和模糊区域的模糊程度;多幅局部模糊图像的统计实验中,召回率-准确率(RP)评估曲线显示在相同召回率下准确率较其他方法高.结论 该方法可以较准确地实现局部模糊图像(特别是存在纹理平坦区域的局部模糊图像)的模糊测量.     

基于BP神经网络的轧机当量刚度系数的研究

从轧机变刚度定义出发,结合轧辊弹跳方程,建立了轧机当量刚度的数学模型,分析影响轧辊刚度系数的因素,得到轧辊位置补偿系数函数,给出三层BP神经网络的训练算法。仿真结果表明BP神经网络在轧制过程中能够很好地预测轧辊的当量刚度值,轧件出口厚度偏差曲线收敛速度快,显著提高了控制系统性能。     

基于BP神经网络的BBS上帖子回复数预测

建立BP神经网络模型,以中华网社区上实际数据为原始数据样本,对网络进行训练后,对帖子的回复数进行预测,并计算预测值和实际值的误差。实验结果表明,该模型预测精度高,收敛速度快。     

基于灰色BP神经网络的瓦斯爆炸的预测

瓦斯浓度在很大程度上决定了煤矿井下发生爆炸的可能性,而原有灰色模型预测方法精度不是很高,但是所需的数据较少,而BP神经网络有高度的非线性计算、自学习和自组织能力。本文结合了灰色系统与BP神经网络各自的优点进行预测,使预测结果更加精确,可靠性得到很大的提高。     

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。     

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神经网络的电力负荷预测算法

将BP神经网络用于电力负荷预测。给出了具体的数据处理方法、神经网络构造及预测结果评价方法。在南京市夏季电力负荷统计数据集上面的实验结果表明,BP神经网络能够对电力负荷进行较好地预测。     

基于BP神经网络的光伏阵列温度预测

针对现有太阳能光伏阵列仿真实验中因采用环境温度代替光伏组件温度而导致的光伏阵列建模不正确问题,指出应在光伏电池仿真模型中区分环境温度和组件的实际工作温度;分析了光伏组件温度与环境温度和输出功率的关系,给出了一种基于BP神经网络的光伏阵列组件温度预测方法,并将预测结果与实测结果进行比较,得出结论:该方法可有效预测光伏阵列组件温度,且采用前一天数据和前三天数据都有较好的预测效果,因此实际应用时可采用前一天的数据来预测当天的组件温度。     

基于灰色BP神经网络模型的煤矿地下水位预测研究

针对煤矿地下水位监测精度不高的问题,提出灰色BP神经网络预测煤矿地下水位的模型.分别利用灰色预测理论、BP神经网络模型和灰色BP神经网络对某煤矿一观测井地下水位进行预测,仿真数据表明采用灰色BP神经网络模型预测煤矿地下水位更为准确.     

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BP神经网络的土壤水力学参数预测

为了获取区域土壤水分和溶质运移模拟所需的土壤水力学参数,利用黄淮海平原曲周县的试验资料建立基于BP神经网络的土壤转换函数模型。本文采用土壤粒径分布、容重、有机质含量等土壤基本理化性质,来预测土壤饱和导水率Ks、饱和含水量sθ、残余含水量θr、以及van Genuchten公式参数α、n的对数形式ln(α)和ln(n),并与多元线性逐步回归方法进行比较。t检验结果表明,BP神经网络训练和预测得到的模拟值与实测值之间吻合很好,该方法具有较高的预测精度。通过对平均相对误差的比较,得出在粒径分布的基础上增加容重、有机质含量等输入项目,可以提高部分土壤水力学参数的预测精度,而有些参数的预测精度反而降低。以误差平方和为标准的比较结果表明,BP神经网络模型的预测效果总的来看要优于多元线性回归法。