基于BP神经网络的动态交通流量预测

本文通过对BP神经网络和影响交通流量因素的分析,采用Windrow-Hoff学习算法、Kolmogorov定理和trainlm训练方法,实现对长春市开运街和湖西路路段动态交通流量的预测.     

基于BP神经网络模型的水质评价及预测

利用BP神经网络模型对水质的评价及预测进行了研究,克服了传统评价方法工作量大,而且主观性较强的不足,测评结果客观、准确,过程中不需要对监测数据进行很复杂的预处理,工作量小。     

基于BP神经网络变参数设计的广义预测控制

针对广义预测控制算法中控制参数整定困难这一缺陷,提出了一种基于BP神经网络变参数设计的广义预测控制算法,实现了广义预测控制中的输出柔化系数α和控制增量加权系数λ的在线调整。仿真结果表明,该算法无论在跟踪性能、控制精度及鲁棒性上,均优于固定参数设计的广义预测控制算法,并对干扰有一定的抑制作用。     

基于BP神经网络的交通流量预测设计

在研究交通流量特性的基础上,以交通流量控制为最终目标,建立了基于BP（Back Propagation）神经网络的交通流量预测模型。以某市某三叉口路段为例进行仿真模拟,结果表明预测系统能较准确地预测出交通流量状况。     

基于BP神经网络的宏观经济季度预测

运用BP神经网络预测技术对季节性宏观经济数据进行了预测,筛选出效果优良的模型,提出了对于季节性时间序列一般的神经网络建模步骤.     

基于BP神经网络的宏观经济季度预测

运用BP神经网络预测技术对季节性宏观经济数据进行了预测,筛选出效果优良的模型,提出了对于季节性时间序列一般的神经网络建模步骤。     

露天煤矿爆破振动的BP神经网络预测

由于爆破振动效果的影响因素繁多,能够综合考虑各因素并对爆破振动进行合理预测亟待研究。通过分析爆破各影响因子与爆破监测数据间的相互关系,利用神经网络之间的权值训练,找出变量之间的非线性关系,然后用训练好的神经网络对爆破振动进行预测。模型预测结果与实际监测得到的爆破振动数据基本吻合,与常规经验公式的预测效果对比表明,基于BP神经网络的爆破振动预测模型的预测方法更为简单适用,精度高而且误差更小,说明将BP神经网络模型应用到爆破效果预测中是适用的和正确的。利用该模型获得了满足布沼坝露天煤矿西帮生产爆破要求的一组最优参数。     

基于BP神经网络模型的温度预测方法

车间里特定高温环境下对多点的温度监测数据是风机是否工作的重要参数。为了能更好地保护风机,提出一种基于BP神经网络来分析预测温度变化趋势的方法,达到了减少风机工作时间,延长风机寿命的效果。     

BP神经网络预测压裂井施工参数的研究

介绍了BP神经网络模型和网络具体计算过程。以江汉油田黄场区块45口已压裂井为训练样本，孔隙度、渗透率、含油饱和度、声波时差、射孔段深度、有效厚度、共小层数、压前日产油量、压前日产水量等9个指标作为网络输入，砂量、砂比、排量、破裂压力、施工压力等5个施工参数为网络输出，建立了压裂井施工参数预测的BP网络模型，重点研究网络参数变化对预测精度的影响关系。另外选5口未训练井进行预测，通过适当调整各参数，预测结果与现场施工结果吻合程度很高，为压裂施工设计提供有力支持。     

基于BP神经网络的股票价格趋势预测

研究了股票价格趋势的预测问题,并给出了基于BP神经网络的股票价格趋势预测方法和预测的总体流程.讨论了输入参数的选取,描述了神经网络的结构.实验结果表明,该方法预测精度较高,特别是在对股价拐点的预测上效果良好,适用于股价震荡期间的预测.     

基于BP神经网络的Ni-MH电池容量预测

针对Ｎｉ－ＭＨ电池容量检测法测量间长,工作效率低的缺点,应用ＢＰ前馈神经网络理论,提出了一种对Ｎｉ－ＮＭ电池容量进行预测的方法,具有算法简单、权值无需计算和仿真效果好等特点。     

基于BP神经网络的烟田土壤水分预测

提出了分区域、分阶段建立烟叶田间土壤水分预测简化模型的思想,并利用BP神经网络建立了烟田土壤水分预测模型,确定区域阶段土壤水分初值、蒸发量、月均气温、日照、降雨量为输入层和阶段土壤水分为输出层,实现了从输入端到输出端的非线性映射。研究表明,该预测模型具有较好的预测效果,有广泛的适应性和广阔的应用前景。     

基于BP神经网络的焊管厂库存预测研究

提升企业竞争力是管理科学的研究前沿,提高顾客满意度和降低库存成本是2个重要手段,库存控制已成为提高企业竞争力的关键因素.通过运用学习率自适应算法改进BP神经网络,然后用改进的神经网络并运用Matlab工具箱仿真实现对钢铁厂生产数据的网络训练,利用训练好的网络预测模型对焊管厂的实际安全库存进行预测.仿真及实际运行结果表明:该方法能够准确高效地预测焊管厂所需安全库存,可以为合理的库存提供决策支持,有效提高库存控制的效率.     

基于BP神经网络的面板堆石坝参数反演分析

运行多年的大坝在各种荷载的作用下,大坝及其基础的物理力学参数发生一定的变化,对大坝的安全与稳定有着直接的影响.为了准确地获取这些参数,可以利用BP神经网络非线性映射的特性,结合大坝实测资料,提出了大坝反演分析的方法,并利用反演分析的成果对大坝进行分析,计算结果与实测资料基本吻合.     

基于BP神经网络的太湖富营养化时空变化预测

建立拓扑结构为5-9-1的3层BP神经网络模型,预测太湖的富营养化水平,为水环境监测平台提供决策支持。该模型采用动量梯度下降法对太湖的湖体的富营养化水平进行预测并评价。验证结果表明,训练后的网络得出的预测结果与实际值很接近。因此,采用BP(Back Propagation)神经网络对太湖湖体富营养化水平进行预测并评价是一种有效的方法。     

纯棉机织物结构与透气性的关系研究

织物透气性作为服装舒适性的重要指标之一,受到广泛关注。利用Hagen-Poiseuille定律推导了机织物结构参数与透气率的关系式,通过对30种纯棉机织物结构及透气率的测试,分析织物理论透气率、紧度及厚度与实测透气率的相关性,并得到织物实测透气率与理论透气率及紧度间的回归方程。结果表明:织物的透气性与织物密度、纱线直径及厚度有关;在织物两侧压差较小的情况下,气体流经织物主要以层流运动为主;通过织物理论透气率及紧度得到的织物透气率回归方程,其计算值与织物实测透气率相关性显著。     

BP神经网络技术对货运量预测

运用改进的神经网络技术对现代物流系统中的货运量进行预测 ,以湖南省湘西自治州货物货运量为样本 ,详细研究运输量神经网络预测模型的操作过程 ,并证明了此方法的可行性和有效性     

基于BP神经网络的爆破振动峰值及主频预测

针对当前爆破振动安全评价实践现状及不足,建立了基于BP神经网络理论的爆破振动模型。该模型可根据各工程实际情况选取影响爆破振动的主要因素作为输入层参数,可同时预测爆破振动峰值和主振频率。工程实例表明：基于BP神经网络的爆破振动模型比常规经验公式更简单实用,预测精度高,更符合《爆破安全规程》（GB722—2003）的评价要求。