共查询到10条相似文献,搜索用时 31 毫秒
1.
2.
研究了BP神经网络用于大气中可吸入颗粒物(PM10)及SO2、NO2预测的可行性.针对1999年至2001年的杭州市区大气中SO2、NO2和PM10的实测数据,通过选用合适的BP网络,进行训练,得到预测模型,训练结果及结果检验表明BP网络适用于大气中SO2、NO2和PM10的预测,并且该预测模型具有良好的适应性. 相似文献
3.
作为成本管理重要环节的产品成本预测是个非线性系统,目前还很难对其建立准确的数学模型.引入BP神经网络算法对产品成本进行预测,针对BP算法容易陷入局部最小的缺陷,提出了改进BP算法.根据产品成本的具体特征提取特征值并建立相应的神经网络,通过训练,网络具有较强的适应和学习功能,经测试表明,网络具有较高的预测精度,能够为企业生产运营提供可靠的依据. 相似文献
4.
为了通过提高供应链柔性网络来提高企业运营效率,考虑供应端(节点中断)和需求端(需求量波动)的不确定性,运用含多隐层的机器学习模型——深度信念网络,构建了以中转点选择和流量分布优化为目标的供应链柔性网络模型,制定了网络训练步骤,并以某大型制造企业为例,在供应链柔性网络预处理的基础上,对比分析了BP神经网络与深度信念网络的流量预测精度。实例分析结果表明,深度信念网络克服了BP神经网络容易陷入局部最优的缺陷,比传统的BP神经网络预测精度更高、训练时间更短、学习能力更强,最大程度地缩短了供应链网络应对不确定风险的响应时间,提高了供应链网络柔性。 相似文献
5.
6.
《制造技术与机床》2019,(9)
针对磨削加工中材料去除率(MRR)在线检测困难这一问题,构建材料去除率的预测模型显得尤为重要。考虑到单独运用BP神经网络不仅存在收敛速度较慢,而且容易坠入局部最优解等问题,故建立了遗传算法与BP神经网络相结合的模型来对给定的超声频率、砂轮速度、工件速度、磨削深度等工艺参数对材料去除率(MRR)进行预测。首先运用遗传算法的全局搜寻作用来对BP神经网络的最初权值以及阈值进行优化,而后运用L-M优化算法对网络进行多次训练,利用训练好的BP神经网络模型来对输出进行预测。结果表明:遗传算法与BP神经网络相结合的模型比单独使用BP神经网络模型预测效果要好,能够提高材料去除率的预测精度和收敛速度。 相似文献
7.
神经网络具有非线性函数逼近能力,常用于非线性趋势预测。为了预测旋转机组故障特征量的非线性发展趋势,提出指数加权量子神经网络。参考传统的BP(backpropagation)神经网络及指数平滑的预测方法,将量子计算与神经网络相结合,选择误差修正学习算法,并在神经网络输入层进行指数加权,构建三层指数加权量子神经网络。该网络具有非线性逼近能力,并且能通过指数加权系数反映近期和远期历史数据对将来预测值的不同贡献程度。在将指数加权量子神经网络应用于大型旋转机组故障特征量的非线性趋势预测时,实验结果表明该网络训练的速度与预测的精度均好于传统的BP神经网络预测。 相似文献
8.
带料纠偏是高度非线性过程,传统的模型预测控制(MPC)无法有效地处理这种过程.模糊神经网络(FNN)方法可以实现非线性过程模型.通过测量得到的数据作为样本来训练神经网络.预测准确度由前馈网络的插值能力保证.多维搜索技术用来解决非线性最优化问题,最优结果被嵌入BP神经网络预测控制器中.BP神经网络的快速计算能满足实时控制需要.带料纠偏试验结果已经证明了FNN预测控制的有效性. 相似文献
9.