BP神经网络在粮食干燥预测模型中的应用

粮食干燥系统是一个大时滞、多干扰的强非线性系统,难以获得精确数学模型,针对粮食干燥这一难题,利用玉米干燥实际生产数据建立BP神经网络预测模型,通过干燥机排粮频率实际值和模型预测值进行研究对比,得出利用BP神经网络可以快速、准确地建立模型来描述排粮频率变化规律.该神经网络预测误差较小,预测效果较好.     

基于BP神经网络算法的粮食储存品质预测模型构建研究

粮食安全预警对于储粮企业意义重大,本研究基于BP神经网络算法,采用Python软件构建了粮食储存品质预测模型。通过使用全国各储粮生态区的质量品质数据来训练和测试,构建了基于BP神经网络算法的两种预测模型,时间序列品质预测模型可进行连续单指标跨期预测,温湿度-品质预测模型可进行度夏后粮情预测。经验证,时间序列品质预测模型对粮食储存品质指标预测效果较好,预测误差均低于15%。     

BP神经网络在烟草蚜传病毒病预测中的应用

利用1980~1998年在山东青州调查的数据资料,结合相关气象因子及烟草蚜传病毒病的病情指数,采用BP神经网络方法建立了烟草蚜传病毒病的预测模型。利用该模型对1999~2002年的发病情况进行预测,预测准确度较高。BP神经网络为烟草蚜传病毒病的预测预报提供了一种新方法。      

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。     

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神经网络在羊毛品质预测中的应用研究

用BP神经网络方法对加工毛条时所需的羊毛品质进行预测 ,阐述了利用BP神经网络预测羊毛品质的工作原理 ,给出了羊毛品质预测系统的BP神经网络模型 ,并得出了实验结论。     

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。     

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。     

BP神经网络在羊毛品质预测中的应用研究

用BP神经网络方法对加工毛条时所需的羊毛品质进行预测，阐述了利用BP神经网络预测羊毛品质的工作原理，给出了羊毛品质预测系统的BP神经网络模型，并得出了实验结论。     

BP神经网络在白酒包装成本预测中的应用

目前市场上白酒包装成本不一,为了估算白酒的包装成本,本文基于MATLAB构建白酒包装成本预测的BP神经网络模型,依据市场调查数据,在MATLAB中确立预测模型,从而实现预测模型的训练、仿真及验证,为白酒包装成本的确定提供决策方案.     

预报细纱条干不匀率的BP神经网络方法

介绍了BP神经网络及其算法 ,分别建立了两类细纱条干不匀率CV值预报模型 ,并对预报结果分别作了对比分析 ,得出了两类模型的最佳结构 ,从而证明BP神经网络应用于纺纱质量预报的合理性和良好前景。     

BP神经网络分类器在储粮害虫图像检索中的应用研究

针对储粮害虫图像检索特点,将BP神经网络分类器技术应用于储粮害虫图像检测和识别,成为近年来的一个研究热点.对采集到的包含储粮害虫的图像使用基于BP神经网络分类器的图像的储粮害虫图像检索方法,可以在线将储粮害虫从图像背景中分离出来,很好地保留了储粮害虫各个部分的纹理特征,并将信息分类存储以备查询.试验和仿真结果证明该算法不仅在线计算量小、便于实时控制,而且能够快速、高效地检测到储粮害虫的有效特征,同时进行分类检索.     

神经网络在粮食储藏领域中的应用概述

粮食储藏安全是保障粮食安全的重要环节,近年来随着科技的快速发展,信息技术成为粮食储藏领域重要的科技支撑技术之一.面对粮食储藏数据的数据量大、多维度等特点,构建数据模型和建立适用的算法是研究的重点,神经网络凭借其自适应性、快速寻优、自学习功能和适合处理复杂数据等特点逐步应用到本领域.本文重点总结神经网络在粮食储藏领域中的...     

应用BP神经网络建立水射流粉碎模型

应用Matlab神经网络工具箱 (NNT)和BP神经网络理论 ,建立了水射流粉碎机优化设计的BP神经网络模型 ,应用该模型对水力粉碎机产量进行了预测 ,预测结果和实测结果基本吻合。为实现水力粉碎技术的工业化提供了一种优化设计方法。     

BP神经网络在服装人体工效学中的应用

文章通过介绍BP神经网络在服装样板自动生成、号型选择和服装舒适性预测等服装人体工效学领域的研究进展,表明BP神经网络作为一个智能化工具,可简化服装人体工效学中一些复杂问题的能力,特别对解决由诸多非相关因素共同影响下的服装舒适性等问题具有重要的意义。     

BP神经网络在液浆浓度检测中的应用

针对液浆浓度检测系统中,浓度与折射率、温度之间的非线性关系问题,以实验数据为基础,采用了多元线性回归建模和BP神经网络建模2种方法,分别建立了检测系统的数学模型。利用MATLAB进行仿真,研究了采用不同的数据处理算法的差异,通过误差对比分析,得出了应采用BP神经网络技术建立智能化液浆浓度测量模型,提高测量精度,克服温度变化的非线性影响的结论。     

BP神经网络对活性染料染色K/S值的预测

传统的K/S值的测定方法是先用色彩色差计测试出试验中各块染色织物的CIEL＊a＊b＊数值,再根据CIEL＊a＊b＊数值,用Hyper Choshoku-Senka TX软件计算出样品在可见光区域波长400～700 nm范围内10nm间隔的K/S值.把人工神经网络方法用在活性染料染色上,对活性染料染色后的K/S值进行预测,预测结果和实验值的相关系数达到了0.995.说明人工神经网络用于活性染料染色上是可行的.     

织物柔软度等级评价的BP网络方法

文章基于织物柔软度等级评价体系,建立一个织物力学指标与柔软度关系的BP神经网络模型,对织物柔软度进行评价。借助KES-F风格仪测得的12组数据对BP神经网络进行训练,训练好的模型对织物进行检验。结果表明：网络迅速完成训练,误差平方和低于10^-3;对检验用的织物进行等级评价,其输出等级与综合评价等级保持一致。此方法客观、准确、简捷。     

BP神经网络在洗毛工艺中的应用

基于BP神经网络方法,建立了洗毛工艺参数与洗毛质量之间关系的模型,对洗毛新工艺进行判别。实验结果表明：网络迅速完成训练,输出误差低于10^-3,模型具有很高的精度和准确性可以用于对洗毛新工艺的判别,为客观准确地制订洗毛工艺提供新思路。