基于ARIMA与BP神经网络的收视率组合预测模型

针对收视率数据的非线性、突变性等特征,仅采纳单一的预测方法不能全面描述收视率的变化规律,因此提出了一种组合预测模型(ARIMA-BP).首先采用自回归移动平均模型(ARIMA)对收视率进行预测,提取收视率的线性变化规律,再利用BP神经网络对ARIMA模型的预测值进行进一步的组合预测,提取收视率的非线性变化特征.本文以广州电视综合频道及在广州市场上的其余8个电视频道19:00 ～20:00时间段的收视率为例进行实证分析,结果表明组合模型比单一采用ARIMA、BP神经网络进行预测的拟合效果好、精度高.     

基于BP神经网络工程造价预测模型分析

文章提出了BP神经网络对于工程造价的预测方法,通过对指标的选取,确定了样本数据;再将采集的数据传入到MATLAB平台打造的BP神经网络预测模型;首先验证了该模型的可行性,再将其余的样本输入到BP神经网络工程造价预测模型中,进行工程造价预测。预测的结果是实际值与预测值误差相差很小,实现了仿真实验的目的,证明了BP神经网络对工程造价预测的精准性。     

基于BP神经网络的表面硬度预测模型

运用MATLAB中BP神经网络强大的数据预测功能,并结合VB编写的用户操作界面,建立了基于BP神经网络的表面硬度预测模型。对该模型进行训练和仿真后,其所得到的结果与实际测量值相差较小,能够达到模型预测的要求,有较好的工程实际意义。     

基于BP神经网络和遗传算法的肺结核发病率预测模型研究

对肺结核发病率进行逼近准确的预测,有助于卫生行政等政府部门在肺结核防控规划中提出适宜的目标。文章利用遗传算法对BP神经网络进行优化,建立基于BP神经网络和遗传算法的肺结核发病率预测模型,用来预测肺结核发病率。实验结果表明,模型具有良好的自我学习和预测的能力,以及全局寻优和快速收敛等特性,可以对肺结核发病率进行逼近准确的预测。     

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。     

基于BP神经网络的成本预测

分析了人工神经网络解决成本预测的可能性。介绍了BP神经网络用于非线性预测的基本原理和算法步骤。采用matlab试验方法,对某企业总产量与总成本进行仿真,对比了回归分析法和BP神经网络的预测结果。实验结果表明,BP神经网络预测算法具有较高的预测精度。     

基于BP神经网络的浙江台风损失预测

通过对新中国成立以来影响浙江的台风为样本,在对台风的数据资料整合后,以台风属性等指标作为输入向量,以台风造成的损失作为输出向量,建立了预测影响浙江地区台风损失的理想人工神经网络模型。实验结果表明运用BP神经网络对某一区域某一类型台风的灾害损失进行预测是可行的。其在一定程度上可以为气象部门和政府部门提供制定和实施抗台方案的依据,减少灾害损失。     

基于BP神经网络的虚拟机评估

排除无关变量的影响,采用BP神经网络对虚拟机性能数据的提取和分析,预测出已知配置虚拟机的具体应用性能。对样本数据进行分析与提取特征值,有良好的适应性;对虚拟机性能预测进行准确的阐释与说明,性能预测模型实现调控虚拟机对物理机资源池的占用,通过采集虚拟机配置与性能的数据来帮助使用和管理虚拟机。     

基于BP神经网络的地震预测研究

以地震特性的研究为出发点,以预报震级为最终目标,通过BP(Back Propagation)神经网络实现地震震级的预测算法,用仿真方法模拟个体行为对系统的影响,研究了地震震级的预测技术,并通过测试数据预测了系统的整体运行情况.     

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网络的卫星通信雨衰预测模型

电磁波的降雨衰减对卫星通信链路具有很大的影响。在分析基于BP算法的多层前馈网络具有逼近任意连续非线性函数的能力和降雨率与降雨衰减的非线性关系的基础上,提出并建立了基于BP神经网络的卫星通信降雨衰减预测模型,根据某地区的实测数据进行训练和预测,并与ITU-R模型进行了对比。结果显示神经网络模型具有较小的误差,为降雨衰减预测提供了一种更加准确有效的方法。     

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。     

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。     

基于概率神经网络的农作物虫情预测

为了提高对农作物虫情预测的准确度,本文主要采用概率神经网络（PNN）对农作物虫情进行预测．并将预测结果与BP神经网络的预测结果进行比较。结果表明,概率神经网络的预测准确度远远大于BP神经网络,显示了概率神经网络在模式识别领域的优势。     

组合神经网络的网络流量预测研究

提出一种组合神经网络的网络流量预测模型.首先采用SMOF网络对网络流量数据进行聚类,然后采用Elman网络对聚类后的流量数据进行训练并预测,同时采用遗传算法对Elman网络的网络结构进行优化,提高网络流量预测精度.仿真结果表明,组合神经网络加快了网络流量预测速度,提高了网络流量预测精度,克服了单一预测模型不足,为网络流量预测提供了新的思路,具有很好的应用前景.