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神经网络的新疆平原地区水面蒸发量预测模型研究

利用新疆地矿局昌吉地下水均衡试验场1997-2000年非冻结期20m^2水面蒸发池的蒸发量数据，基于BP神经网络，建立新疆平原地区水面蒸发量的预测模型，结果表明：模型构建简单，误差较小，且所需资料易于获得．     

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。     

纤维素生物质热解特性及其BP神经网络预测研究

利用化学方法测量纤维素生物质稻杆、棉杆及松木屑的纤维素及木质素含量,并通过热重法分析纤维素含量对热解特性的影响规律.利用Malek法得到最概然机理函数,得出生物质热解过程需分为两个阶段分别建立动力学模型,前一阶段为D1模型,后一阶段为F1模型,最终求得较为合理的反应活化能及指前因子.实验结果得出,纤维素含量越大,热解速...     

BP神经网络和RBF神经网络模型对图书流通量的预测分析

图书流通量是评价图书馆工作的重要指标.为解决图书流通量预测问题,引入BP和RBF神经网络预测模型.结合北京建筑工程学院图书馆2002年至2010年建筑类图书的流通数据进行了matlab仿真,结果表明,两种模型都能有效预测图书的流通量.     

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神经网络的筒纱长细节纱疵预测研究

分析了筒纱长细节纱疵形成的原因,简述了BP神经网络的算法,讨论了神经网络在纺织领域研究的一些新进展,构建了基于BP神经网络的筒纱长细节纱疵预测模型。将预测值和实验值进行比较,结果表明BP神经网络模型对于筒纱长细节纱疵预测是行之有效的。     

基于粒子群BP神经网络的短期电力负荷预测

电力负荷预测通常采用神经网络方法,该方法训练时间较长,并且由于负荷受到气象因素影响,该算法预测的精度不是很高.为了克服当前存在的问题,采用粒子群算法优化BP神经网络的权值和阈值,归一化处理气象因素,利用神经网络预测短期电力负荷.实验结果表明,该方法比单纯BP神经网络预测具有明显优势.     

BP神经网络在洪流预报中的应用

通过归纳分析,结合实际的采集数据,对降雨径流预报的人工神经网络模型进行了改进,并针对不同的预报系统,采用改进的自适应BP算法进行分析,指出了今后洪流预报发展的方向.     

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。     

基于灰色理论和神经网络的短期电力负荷预测

利用灰色理论中累加生成方法能够削弱负荷中随机成分的特点,以及人工神经网络可以逼近任意函数的能力,对具有任意变化规律的数据序列进行拟合和预测．实验结果表明,基于灰色理论和神经网络的最优组合模型的平均相对误差为1．307％,比BP神经网络预测和灰色理论模型预测的精度更高,具有明显优势．     

基于聚类分析和PSO优化的神经网络短期负荷预测研究

为了提高电力系统短期负荷预测的精度,本文在分析传统的负荷预测模型在实际应用中存在问题的基础上,提出了一种新的预测模型:基于聚类分析和粒子群优化的BP神经网络模型。由于负荷具有波动性大、日周期性强等特点,对初始负荷数据进行预处理,按时段对数据空间进行划分,对每个子空间的数据分别建模,可以大幅度的提高神经网络的预测精度和泛化能力,同时利用惯性权重线性微分递减的粒子群算法优化神经网络的连接权值和阀值,可以提高神经网络的全局搜索能力和收敛速度。以某市公布的全网负荷数据进行预测验证,证明了此方法所建立的模型的合理性和有效性。     

基于人工神经网络的加权负荷预报

针对矿区电力负荷系统的特点，提出了基于人工神经网络的加权负荷预报．仿真结果表明，其预报精度符合要求．     

神经网络在城市用水量预测中的应用研究

考虑城市用水量受众多因素影响 ,具有系统稳定性和非线性的特点 ,探讨了基于神经网络的城市用水量预测的非线性时间序列递推预测方法 ,并利用该方法对郑州市城市用水量进行了时间序列模拟 ,实例证明了该方法的正确性和科学性 .将神经网络的BP算法应用于城市用水量系统的建模和预测 ,并给出了较为详细的计算结果 ,具有一定的理论价值     

城市生活用水量预测的PLS-ANN模型

城市生活用水量受到多重因素的影响,这些因素之间的相关性都较大.将偏最小二乘回归与神经网络耦合,建立了城市生活用水量预测模型.将自变量利用偏最小二乘回归处理,提取对因变量影响强的成分,既可以克服变量之间的相关性问题,又可以降低神经网络的输入维数;利用神经网络建模可以较好地解决非线性问题.实例表明本预测模型的拟合和预测精度均较好.     

基于改进的GABP神经网络光伏发电短期出力预测

分析了影响光伏出力的主要因素,选取了太阳辐射量,以及隐含前一日综合气象信息的历史出力数据为关键影响因素,建立了改进的GA-BP神经网络的短期光伏发电功率预测模型.对样本空间进行了合理降维和去噪,并利用遗传算法逐步迭代出优化的初始权值,将得到的最优权值(阈值)赋值给预测网络各层进行学习和预测.仿真结果表明,改进的GA-BP神经网络模型能够剔除冗余的样本数据和优化初始权值,既具备了较快的收敛速度又不易陷入到局部极值中,具有较强的泛化能力,预测精确度大幅提高.     

BP神经网络预测技术在企业能源管理系统中的应用

针对企业能源管理系统(EMS)开发过程中的问题,提出了一种基于BP神经网络的预测技术,并运用BP神经网络算法对某钢铁企业能源管理系统能源消费量进行建模与分析。将MATLAB算法工具箱和编译技术开发组件嵌入到系统中实现实时在线计算。结果显示算法达到了很好的预测效果。可以让企业能源管理者预先掌握企业能耗动态趋势,指导企业生产和调度,保障企业能源供需平衡。