基于BP神经网络的丝状真菌生长预测研究

本文利用BP神经网络描述了丝状真菌的生长状态,经验证网络模型能够准确地反映丝状真菌的生长状况,与传统的回归建模方式相比,明显的降低了误差,提高了准确度.     

基于灰色BP神经网络模型的文胸压力预测研究

为了更准确地预测文胸压力,以40名在校健康女大学生为研究对象,在其穿着合适尺码的文胸后,对文胸10个重要部位进行压力测试。建立BP神经网络和灰色BP神经网络预测模型,利用人体5个测量参数对文胸10个部位的压力值进行预测。结果表明,通过BP神经网络模型预测的文胸压力值只能达到真实压力值的73.55%,而通过灰色BP神经网络模型预测的文胸压力值可以达到真实压力值的84.70%。灰色BP神经网络模型可以结合BP神经网络模型和灰色模型的优点,发挥两种模型的优势,对文胸压力值做出较为准确的预测。     

基于灰色BP神经网络模型的文胸压力预测研究

为了更准确地预测文胸压力,以40名在校健康女大学生为研究对象,在其穿着合适尺码的文胸后,对文胸10个重要部位进行压力测试。建立BP神经网络和灰色BP神经网络预测模型,利用人体5个测量参数对文胸10个部位的压力值进行预测。结果表明,通过BP神经网络模型预测的文胸压力值只能达到真实压力值的73.55%,而通过灰色BP神经网络模型预测的文胸压力值可以达到真实压力值的84.70%。灰色BP神经网络模型可以结合BP神经网络模型和灰色模型的优点,发挥两种模型的优势,对文胸压力值做出较为准确的预测。     

基于BP神经网络的大气中CO浓度的预测

大气污染物浓度的检测是一个复杂的系统,影响因素较多,本文引入非线性分析的有效工具——BP神经网络,利用BP神经网络中的误差反向传递算法对大气中CO浓度进行分析,建立基于BP神经网络的CO浓度预测模型,并利用淮安市环保局和气象局2013年的相关数据对模型进行训练与测试,取得较好结果,证明该模型在预测大气中CO浓度方面具有较好的效果,并误差小。     

用BP神经网络预测棉织物的手感

采用BP神经网络技术建立和训练反应织物手感的预测模型，对比预测值和实验值，表明用神经网络方法预测织物手感有相当的准确性。     

BP神经网络预测废水处理过程的研究

通过在实验室条件下进行追纸废水处理试验取得的数据对BP神经网络进行训练，建立了造纸废水处理过程的网络模型。该网络模型仿真实际废水处理过程的结果表明，BP神经网络具有很强的学习能力。利用BP神经网络模型实现了对造纸废水处理过程的预测，平均相对误差为19％，表明网络泛化能力不是很好。经过动态训练的BP神经网络模型能够比较准确的预测造纸废水处理过程，平均相对误差为1．9％，大大优于未经动态训练的网络模型。     

基于BP神经网络的童装流行元素预测

为了准确预测儿童服装流行趋势,针对传统预测方式中存在的主观性问题,提出了基于BP神经网络的童装流行元素预测模型.该预测模型以国内淘宝、天猫、京东、苏宁易购等主要电商平台在2000—2020年间的历史销售数据作为反映流行程度的指标,以童装流行色作为预测案例,采用虚拟变量的方法,对童装的造型、款式、材料、色彩、图案、结构、工艺、搭配和风格九大流行元素进行量化,并使用MatLab平台编写程序建立预测模型,对样本数据网络进行训练,调整隐含层节点数,以BP神经网络模型模拟预测结果,对2021—2022年秋冬的童装流行色三要素进行预测并输出.得出的预测结果与市场流行趋势一致.     

基于BP神经网络算法的汇率价格短期预测研究

随机信号预测在金融行业有着重要应用。文章基于Back Propagation Network的随机信号预测方法,利用三种国际货币汇率价格的历史数据作为参考,对未来汇率价格进行短期预测,与实际价格进行比较分析,并得出结论。有助于对外汇市场的发展方向和趋势分析,无论是对监管层进行决策还是对投资者提供投资选择,都将会具有非常重要的现实意义。     

基于BP神经网络对图书借阅量的预测研究

建立BP神经网络系统模型,阐述其基本原理与计算方法。以某地方图书馆2012年借阅量为例使网络进行训练学习,得到基于BP神经网络理论的图书借阅量预测系统模型,经验证,此模型对图书借阅量的预测有一定的理论意义。     

BP神经网络预测棉织物悬垂性能

采用BP神经网络技术建立和训练反应织物结构参数与织物悬垂性能之间关系的三层神经网络模型，对比预测值和实验值，表明用神经网络方法预测棉织物悬垂性能有相当的准确性。     

基于BP神经网络的春夏女装流行色预测

应用科学的CIELab色度测量方法,对国内权威机构发布的2001-2011年度春夏女装流行色色卡进行量化,色卡量化样本分项统计和图表分析结果显示,春夏女装流行色属性存在不变、渐变与突变的三重特征.在此基础上,进行2011年春夏流行色色相、色调频数以及红色调L*、a*、b*对应的最小和最大值估计下色调分布的BP神经网络预...     

基于BP神经网络的精纺毛织物透气性能的预测

在34种精纺毛型织物实验数据基础上,利用三层BP神经网络方法,建立了织物透气性能与织物结构参数之间的神经网络模型,重新采集7种织物对网络模型进行验证和评估,结果表明:神经网络可以用来预测织物的透气性能指标,织物透气量的预测误差率范围为3%～24.2%,平均误差率为14.3%,最大误差率小于25%,神经网络预测精度受样本大小影响,进一步丰富学习样本后,神经网络的泛化能力可望得到改善.     

基于遗传算法优化BP神经网络的粮食温度预测研究

针对粮食储存中温度参数的非线性时间序列问题,提出一种基于遗传算法(GA)优化BP神经网络算法的粮食温度预测模型,选取影响粮食温度的10个因素(仓外温度、仓外湿度、仓内顶温度、仓内中心温度、仓内底温度、仓内顶湿度、仓内中心湿度、仓内底湿度、仓内氧气浓度、粮食湿度)作为输入参数,分析后输出粮食温度。经验证,GA-BP模型具有比传统BP神经网络更好的预测精度和实用效果,在粮温预测领域中具有一定的应用前景。     

BP神经网络预测上浆率

上浆率是衡量浆纱质量的重要指标之一,在生产过程中受到多种工艺因素的影响,其中主要可控因素为浆液浓度、浆槽温度、浆纱机速度和压浆辊压力。为建立以上4个因素与上浆率之间对应关系的数学模型,保证准确预测上浆率,以纯棉精梳斜纹织物实际生产中的经验数据为训练样本,建立3层BP神经网络系统预测模型,采用Levenberg Marquardt算法,对网络进行反复训练,使其达到预设精度。应用该网络模型对上浆率进行预测,结果表明,预测上浆率与实际上浆率非常接近,可以满足实际生产要求。     

基于BP神经网络的烟熏香肠色泽预测研究

以传统烟熏方式加工的香肠为研究对象,利用反向传播(Back-Propagation,BP)神经网络建立烟熏香肠色泽的预测模型。通过试验获得不同烟熏温度、烟熏时间和肥瘦比条件的烟熏香肠,测定其L*、a*、b*和△E值,并对BP神经网络算法、隐含层神经元个数、学习速率和动量系数进行优化,获得最佳的BP神经网络预测模型结构。基于Levenberg-Marquardt算法建立精确的L*、b*和△E预测模型,性能测试显示L*、b*和△E预测模型的相关系数(R2)分别为0.847、0.825和0.924。相应的均方根误差(root mean square error,RMSE)分别为4.609、3.564和5.012。基于拟牛顿BFGS算法建立精确的a*值预测模型,性能测试显示模型的R2和RMSE分别为0.905和2.237。     

棉织物透气性能的BP神经网络预测研究

采用BP神经网络技术建立和训练反映织物结构参数与织物透气性能之间关系的三层神经网络模型，可预测织的透气性能，比较预测值和试验值，表明用神经网络方法预测织物透气性能有相当的准确性，从而在一定程度上实现用神经网络预测织物的透气性能。     

基于BP神经网络的网络直播皮革服装销量预测

针对影响网络直播带货销量因素彼此之间复杂不可控,将人工神经网络引入网络直播销量预测领域.以皮革服装为例进行实证研究,对神经网络层数、输入层、输出层、隐含层神经元节点进行设计,构建了BP神经网络的网络销量预测模型,并进行了不同隐含层节点数的训练和优化测试.结果 表明,隐含层节点数为6,神经网络性能最佳,平均绝对值误差为6...     

BP神经网络模型在纺纱质量预测中的应用

论述了配棉工艺系统中纺纱质量的预测建模与算法实现。通过分析数据仓库的各方面特性，面向纺纱质量设计数据仓库；通过BP算法，对纺纱质量进行网络建模，实现纺纱质量的预测。该系统在某纺织公司运行良好。     

BP神经网络在白砂糖含硫量预测中的应用

通过测定清汁pH值、清糖浆pH值、清汁中残留SO2含量、清糖浆中残留SO2含量以及成品白砂糖的含硫量,建立BP神经网络模型并预测白砂糖的含硫量。结果表明,该方法可行,模型预测结果具有较高的精度。     

真丝绸透气性能的BP神经网络预测研究

采用BP神经网络技术建立和训练反映织物结构参数与织物透气性能之间关系的三层神经网络模型，对比预测值和实验值，表明用神经网络方法预测丝织物透气性能有相当的准确性。