共查询到20条相似文献,搜索用时 62 毫秒
1.
基于BP神经网络的港口货物吞吐量预测 总被引:2,自引:1,他引:1
港口货物吞吐量的预测对于港口的建设和规划有着极其重要的意义.本文将BP神经网络理论引入港口货物吞吐量的预测中,建立以港口货物吞吐量影响因素作为输入神经元,港口货物吞吐量作为输出神经元的三层BP神经网络模型,并对南京港货物吞吐量进行预测,得到较好的预测结果. 相似文献
2.
3.
基于RBF神经网络的CPI预测 总被引:2,自引:0,他引:2
采用RBF神经网络的结构、特性和训练算法,根据CPI(消费者物价指数)与其影响因素之间存在的映射关系,应用神经网络建立了多因素非线性时间序列预测模型.最后通过仿真实验和研究,把RBF神经网络与传统的BP网络预测结果进行比较,结果证明,该模型的预测精确度更高,结果令人满意. 相似文献
4.
电影作为典型的短周期、体验型产品,其票房收益受众多因素的共同影响,因此对其票房进行预测较为困难.本文主要构建了一种基于加权K-均值以及局部BP神经网络(BPNN)的票房预测模型对目前的票房预测模型存在的不足进行改进,从而提高票房预测的精度:(1)构建基于随机森林的影响因素影响力测量模型,并以此为依据对票房影响因素进行筛选,以此来简化后续预测模型的输入;(2)考虑到不同影响因素对票房的影响力不同的现实情况,为了解决以往研究中对影响因素权重平均分配的问题,本文构建了基于加权K-均值和局部BP神经网络的票房预测模型,以因素影响力为依据对样本数据进行加权的K-均值聚类,并基于子样本构建局部BP神经网络模型进行票房预测.实验证明,本文所构建的模型平均绝对百分比误差(MAPE)为8.49%,低于对比实验的10.39%,可以看出本文构建的基于加权K-均值以及局部BP神经网络的票房预测模型的预测结果要优于对比模型的预测结果. 相似文献
5.
如何根据影响因素较好地预测碳通量是许多环境监测者非常关注的问题。但至今尚无一种非常有效的预测模型,为此研究ε-支持向量回归机在碳通量预测中的具体应用,并与BP神经网络模型的预测结果做了比较,分析了两种方法在核函数及相关参数、网络结构、神经元数目选择方面各自不同的特点。实验结果表明,基于ε-支持向量回归机和BP神经网络模型的碳通量预测结果与碳通量实测值之间存在显著相关性。但ε-支持向量回归机方法的预测过程更易掌控,整体预测精度高于BP神经网络的精度。 相似文献
6.
7.
针对高压线损预测精度不高的问题,提出一种基于均衡优化器(Equilibrium Optimizer,EO)和BP神经网络相结合的线损预测模型。首先,为了提高EO算法的寻优能力,利用多种混沌映射关系初始化种群,使种群多样性增加,全局搜索能力得到改善;同时,采用物竞天择概率跳脱策略改进EO算法,使模型依概率跳出局部最优而收敛于全局最优解。其次,采用改进的EO算法对BP神经网络的权值和偏置进行优化,进而改善BP神经网络的预测效果。最后,实验结果证明,所提线损预测模型相对于回归模型、BP神经网络模型、模拟退火算法优化BP神经网络模型和EO优化BP神经网络模型具有更高的预测精度。 相似文献
8.
针对实际交通流变化的不稳定性和复杂性的特点,应用交通流预测模型获取更准确的交通流信息,是智能交通领域的一个研究热点。提出一种基于小波分析与神经网络结合的预测模型。模型主要思想是通过小波多分辨率分析和Mallat算法对原始交通流数据进行平滑降噪处理,处理过程选用db10小波和软阈值去噪函数使得交通流曲线更加平滑稳定,更能真实反映交通流的真实情况;再采用激活函数为Tan-Sigmoid,训练函数为trainlm,各层神经元节点数为1-12-1的三层BP神经网络对消噪后的交通流数据进行训练,用训练好的预测模型对实际交通流信息进行预测,最后获取准确的交通流信息。实验结果表明,采用小波分析与BP神经网络结合的方法得到的预测结果平均相对误差为0.03%,最大相对误差为0.39,拟合度(EC)达到0.96。仅使用BP神经网络预测模型对交通流数据进行预测后得到的预测结果的平均相对误差为0.08%,最大相对误差为0.89%;实验对比采用BP神经网络预测模型和卡尔曼滤波、GM(1,1)预测模型对交通流的预测,BP神经网络预测模型的误差指标大大减小,拟合度大大提高,有较好的准确性和可行性,能较准确地反映交通流真实情况。而经过小波去噪与BP神经网络结合的预测模型提高了预测精度,为交通流的实时动态预警提供了更加准确真实的情况。 相似文献
9.
在神经网络中引入粗糙集理论和模糊聚类方法,实现建模预测。首先用粗糙集和模糊聚类进行属性约简,去掉冗余的属性。然后根据模糊逻辑规则获取合理的网络输入层、隐含层和输出层,建立优化的粗神经网络预测模型。该模型可以有效地去除神经网络中输入层的冗余神经元,合理地确定隐含层神经元的数目,使神经网络提高收敛性能,获得更好的非线性逼近能力。仿真实验结果说明:优化的粗神经网络预测模型,可提取有用信息,简化网络结构,减少训练时间,提高预测精度。在地质样品元素的预测实验中,取得了良好的效果。 相似文献
10.
基于改进BP神经网络的道路交通事故预测 总被引:1,自引:0,他引:1
道路交通事故因受多种随机因素的影响而呈现出非线性的特点,传统的线性分析方法无法完全揭示其内涵。在分析道路交通事故与人、车、路等因素关系的基础上,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基于改进BP神经网络的道路交通事故预测模型。选取人口密度、路网密度和机动车辆密度作为交通事故预测模型的输入神经元,采用道路交通综合死亡率作为道路交通事故的输出评价指标,对道路交通事故进行预测。实验结果表明,该预测模型能很好地适用于道路交通事故预测,验证了该模型的可行性和有效性。 相似文献
11.
基于动力特性的结构损伤识别方法 总被引:2,自引:0,他引:2
介绍了一种基于结构动力特性变化的损伤识别方法.通过引入一个损伤分布函数,讨论了均质等截面BernoulliEuler梁的动力响应,构造出“损伤影响矩阵”.该矩阵反映了结构由于损伤所引起的振型耦合,最后介绍了基于损伤影响矩阵的结构损伤定位和评估方法. 相似文献
12.
13.
动能拦截毁伤效果的数值仿真研究 总被引:2,自引:0,他引:2
根据质量守恒、动量守恒和能量守恒方程的基本理论,建立了针对动能拦截器高速直接碰撞毁伤的模型.借助ANSYS/LS-DYNA数值仿真软件,进行了数值模拟仿真.分析了拦截器在不同着角以及偏心打击条件下对弹道目标的毁伤效果,并用相关试验数据验证了方法的可行性.仿真结果表明可以进一步利用高性能计算机对拦截器和目标进行全尺寸建模、仿真开发动能拦截器对典型弹道目标的毁伤数据库. 相似文献
14.
15.
基于量子粒子群优化算法的结构损伤识别 总被引:1,自引:0,他引:1
提出一种以广义柔度矩阵为损伤指标,基于量子粒子群优化算法的结构损伤识别方法.该方法根据结构损伤前后广义柔度矩阵差与结构物理参数变化关系,将结构广义柔度矩阵识别问题转化为优化问题,进而采用系统辨识能力较强的量子粒子群优化算法搜索目标函数最优值,从而达到损伤位置和损伤程度同时识别的双重效果.最后通过简支梁数值模拟对该方法的有效性进行了验证. 相似文献
16.
为诊断大跨度空间结构的损伤,提出了三阶段损伤诊断方法,第一阶段确定可能损伤区域,第二阶段确定可能损伤单元,第三阶段确定可能损伤单元的损伤程度.提出了一种基于柔度矩阵差的损伤指标FDI,用于判定可能损伤区域;采用损伤定位向量法确定可能损伤单元;采用二阶特征灵敏度分析确定损伤程度.以国家体育场钢屋盖结构为算例,以罕遇地震作用下弹塑性时程分析结果为模拟损伤依据,完成了三种损伤模式的损伤诊断数值模拟分析.结果表明,三阶段损伤诊断法能有效诊断大跨空间结构的损伤. 相似文献
17.
18.
19.
为了克服传统无损检测方法检测缺陷成本高、局部化等缺点,以含有裂纹损伤的棒体为研究对象,采用模态分析、结合时频小波分析的方法,实现对其损伤位置的精确定位和损伤程度的小误差量化,并通过实验论证其合理性.研究结果有助于及时发现裂纹损伤,从而避免发生重大事故,同时此方法可用于复杂结构的无损检测和评估. 相似文献