正交试验协同BP神经网络模型预测充填体强度

为准确预测充填体强度,基于18组混合水平的正交试验样本,以水泥熟料、脱硫灰渣、芒硝和钢渣的掺量作为4个输入因子,以充填体的7d和28d抗压强度作为输出因子,建立4×Y×2的BP神经网络充填体强度预测模型,并通过训练误差和预测强度误差的对比获得当隐含层神经元的个数Y取值为9时,模型的预测强度误差最小,其平均误差为0.7%。研究表明,该预测模型拟合的相关系数R高达0.999 89,7d和28d预测强度的最大相对误差分别为4.33%和0.84%,通过正交试验协同BP神经网络模型预测充填体强度可行性较强、准确度较高。该方法具有输入数据均匀分散、齐整可比和非线性优化的优点,为充填体强度的准确预测提供了新思路。     

基于BP神经网络的混凝土综合性能预测

本工作采用BP神经网络系统进行混凝土综合性能预测。由于影响混凝土材料性能的因素众多,且实验周期长,实验量大,因此能在少量实验前提下得到精确的实验结果,对于混凝土方面的研究工作显得十分重要。利用BP神经网络系统进行该实验设计,可以对混凝土性能做出预判,对实施实验及实验结果有较强的导向作用。本研究以影响混凝土性能的诸多因素作为输入向量,通过预测系统运行,得到较为精确的结果,与实验值相比,误差主要分布在15%以内,极个别出现24%的预测误差。以此为依据,进行混凝土材料实验工作,使得实验工作有明显的趋向,快速得到满意的实验结果。     

基于BP神经网络的交通事故预测

本文利用神经网络具有描述非线性特性的能力，将影响交通事故的多种因素综合起来建立了BP神经网络的道路交通事故预测模型。选取人口数量、公路里程数和客运量作为神经网络的输入神经元，道路交通死亡人数和交通事故经济损失作为网络的输出神经元，对道路交通事故进行预测。     

基于BP神经网络的汽油辛烷值预测

辛烷值是汽油最重要的品质指标,传统的测试方法不适合在线测试。BP神经网络通过训练和学习可以实现预测的功能。本文介绍了BP神经网络的相关知识及其在汽油辛烷值预测中的应用。通过对网络输出结果的分析,证明了该网络的有效性。     

基于BP神经网络的油井出砂预测

研究BP神经网络的特性并利用该网络预测油井出砂,建立了一个BP神经网络模型,最后利用MATLAB环境下的神经网络工具箱开发相应的程序,并最终将其用于油井出砂的预测。     

基于BP神经网络预测TiC基金属陶瓷硬度

通过BP神经网络,对TiC基金属陶瓷硬度进行了模拟和预测.结果表明,该方法能够比较精确地预测TiC基金属陶瓷硬度与其成分变化的关系.     

BP神经网络预测风电功率

本文运用BP神经网络预测某风电场70台风电机在指定时间段内的输出功率,并通过软件仿真得到预测结果。得到672个时间点（15分钟为一个时间点）的预测数据后,采用日准确率、日合格率等四个指标对预测结果进行了评估。仿真发现,BP神经网络用于预测时,虽然动态性能较好,但准确度仍有待提高。     

基于BP神经网络的微差爆破震动预测研究

爆破震动危害是矿山安全评估的一个重要指标,爆前对其震动预测,做好安全防护,是保证矿山安全生产的重要措施。爆破对象及其地质情况的不确定性、爆区周边环境的复杂性,使得震动监测难以用一套统一的公式进行准确预测。人工神经网络可实现复杂环境、多因素影响下的仿真模拟,利用BP神经网络建立爆破震动预测模型,将爆破的原始数据及监测数据输入模型,利用Matlab软件自带的神经网络软件包自编程序对其进行训练,使得模型的传递函数达到最优。实践证明,将模型用于爆前震动预测,能够有效的预测震动,指导施工。     

基于BP神经网络的爆破振速峰值预测

在分析爆破振动主要影响因素的基础上,建立了对爆破振动质点速度峰值进行预测的BP神经网络模型.将某露天铁矿的爆破振动监测数据分别与模型预测结果和应用传统经验公式进行预测的结果比较,发现由于每次爆破的地震波传播不同,直接应用萨氏公式的K、α值进行预测会引起较大误差,相比之下,BP网络模型的预测结果更为准确和可靠.     

爆破振动的BP神经网络预测方法研究

爆破所引起的震动强度在很大程度上具有随机性,它受到众多因素的影响,而且各因素之间存在着极其复杂的非线性关系.运用人工神经网络原理,以孔深、孔数、孔距、最大齐爆药量、总药量和爆源距作为影响爆破振动的主要因素,建立BP神经网络模型1,对爆破振动速度进行预测,并与仅考虑最大齐爆药量和爆源距作为输入量的BP神经网络模型2和萨道...     

用灰关联分析法和人工神经网络优选达克罗涂液

为寻找达克罗涂液配制的最优配比方案,基于灰关联分析方法,解析了达克罗涂液组分对涂层性能的影响.以CrO3,H3BO3,锌粉和还原剂4种组分作为输入数据,以涂层性能指标作为输出数据,采用4-7-2层结构,建立BP人工神经网络建立非线性模型,分别训练和预测了试验结果,同时以关联度的大小顺序为依据,分别拟合了各组分对涂层性能指标的影响曲线.根据预测结果,寻找出最优配比方案.采用BP人工神经网络结合灰关联分析方法,为达克罗涂液的制备提供了一种新的方法.     

基于BP神经网络的企业标准化综合评价方法研究

神经网络作为解决当前大多数非线性科学和计算智能领域问题的主要工具,对解决一些定性问题定量处理发挥了重要的作用.标准化是介于社会科学和自然科学之间的一门复杂性科学,其具有非线性的典型特点,对一些指标进行量化就显得尤为困难,目前对一些单位和项目进行标准化评价,主要采用的方法是专家打分法,对相关的管理工作带来了一定的不便.本文借助于神经网络在处理非线性问题中的优势,通过标准化工作综合评价指标体系,建立了三层BP神经网络模型,并给出了相关的算法,从性能分析可以发现,该方法对于标准化工作的综合评价具有一定的先进性,对后续提升标准化工作的科学性具有一定的参考意义.     

基于BP神经网络的飞行器外观设计评价模型

目的建立基于BP神经网络的飞行器外观设计评价模型,使飞行器外观设计更加科学化、符合实际需求。方法基于BP神经网络的飞行器外观设计评价方法是通过建立综合评价指标体系,并组织专家对样本进行评判打分,得到神经网络的训练、检验数据,由MATLAB仿真计算出各项指标的权重关系,并提炼出反应各项评价指标和综合评价结果的非线性关系。结论 BP神经网络的评价模型降低了综合评价法、层次分析法评价过程中主观因素的影响,能够客观、全面地对飞行器外观设计做出评价,为选择最优的飞行器外观设计方案提供有效的参考依据。     

BP神经网络在备货型企业销售预测中的应用

结合BP神经网络能学习和存贮大量的输入-输出模式映射关系,无需事前揭示描述这种映射关系的数学方程的特点,分析了BP神经网络在备货型企业销售预测中算法实现过程,根据某备货型企业的销售记录情况,建立了基于BP神经网络的销售预测模型。实例结果表明,此方法计算结果误差较小,结果明显优于移动平滑法等方法,可用于指导实际生产决策。     

基于神经网络的建筑工程造价预测研究

采用误差反向传播人工神经网络模型（BP网络模型），以建筑特征参数为输入变量，通过实际资料对网络进行训练和模拟，并用贡献分析法筛选输入变量，对网络结构进行优化，结果显示了该模型在建筑工程造价预测中的有效性     

基于BP神经网络的诊室空间配色设计研究

目的 以感性工学为理论基础,运用BP神经网络构建神经内科诊室使用者的情感与诊室配色设计之间的映射关系。方法 首先,通过文献查阅和访谈等途径获取神经内科诊室使用者情感感受的意象词汇,并运用聚类分析选取代表性感性意象词对;然后,运用案例分析法,对神经内科诊室进行空间配色设置分析并提取典型色彩样本,经过搭配形成典型配色设计方案,通过语义差异法构建感性评价矩阵;最后,运用Matlab软件,建立神经内科诊室空间配色设计的BP神经网络模型,经验证得出,模型映射了感性意象和空间配色设置之间的关系。结果 运用该模型可获得神经内科诊室空间配色感性意象评价得分预测值,指导诊室空间色彩设计。结论 该方法提高了诊室空间色彩设计的准确度,同时为医疗空间色彩设计提供了重要参考依据。     

基于三角模糊和BP神经网络的产品意象造型设计

目的 针对目标产品造型与用户模糊感知意象适应性欠佳问题,探索性提出一种基于三角模糊和BP神经网络的意象造型设计方法.方法 在分析产品意象造型设计流程的基础上,以三角模糊方法作为BP神经网络模型意象输入数据的预处理工具,将用户模糊感知意象量化转换;并采用因子分析法降维获取优势感知意象;借助KJ和专家评定法获取差异性较大样本,根据形态分析和建模特点划分产品部件造型特征,通过Delphi法多轮选出优势样本;基于Matlab平台,采用权值惯性可调节、学习率可变的traingdx网络训练算法,对产品优势样本进行学习、训练和预测,构建部件造型要素与用户感知间的关系模型,实现造型设计元素的最佳定量化组合,使BP神经网络对用户模糊意象的定性更为有效,将该方法应用于腰椎牵引器造型设计中.结论 实验结果表明,该方法能有效实现模糊意象的定量分析,所建立的腰椎牵引器神经网络模型输出符合设计要求,促进设计概念转化.     

基于BP神经网络的上市公司财务预警

针对上市公司财务危机风险预警问题,把具有智能综合评价性质的BP神经网络引入该领域,克服了人为确定权重的困难及模糊性和随机性的影响。结合实证分析,将上市公司财务风险警度分为4类并对上市公司的财务数据进行预警,最后与实际数据相比较,说明该方法用于财务预警具有很高的正判率,能够有效地帮助上市公司防范潜在的财务危机。     

基于BP神经网络的引信贮存可靠性预计

根据引信贮存可靠性的特点和BP神经网络结构．建立了引信贮存可靠性预计的神经网络模型;结合库存引信可靠性的实测数据,应用BP神经网络的误差反向传播算法．对引信贮存可靠度进行了训练并预计出引信贮存可靠度下限值,并与极大似然估计的可靠度下限值进行了比较,结果相吻合．神经网络在引信贮存可靠性预计中的应用．对处理目前库存引信的决策具有重要意义．