基于最大偏差相似性准则的BP神经网络短期电力负荷预测算法

针对企业电力负荷随机性强、稳定性低、预测精度不理想等问题,提出了一种基于最大偏差相似性准则的BP神经网络短期电力负荷预测算法。首先对最大偏差相似性准则算法进行修改,并提出使用预测日的负荷特征向量与最大偏差相似性准则算法聚类之后的类中心负荷特征的距离来确定预测日的相似日类别;然后将聚类后的相似日类别负荷数据作为BP网络的训练数据,输出预测日起始的连续三天96整点负荷值。实验表明,该方法提出的短期电力负荷预测方法在精度和网络训练时间上都有较大的提升,具有较高的有效性和实用性。     

基于重标极差法和神经网络的隧道变形趋势判断

为准确、科学及全面地对隧道变形进行趋势判断和预测分析,将隧道的变形过程划分为中期阶段和长期阶段,利用R/S分析对其位移序列和速率序列进行趋势判断研究,再利用PSO-BP神经网络对各阶段的变形进行预测,将预测结果与R/S分析结果进行对比,验证两者的一致性。利用两个工程实例进行检验,得出各序列的Hurst指数均大于0.5,说明各序列均具有持续变形的长期性,且位移序列的趋势性均大于速率序列的趋势性;同时,变形预测结果也显示隧道后期变形将持续增加,验证了R/S分析的准确性。     

基于BPNN-PID的风电机组桨距控制分析

变桨控制技术是风力发电机组的核心技术之一,开展对风力发电机组变桨控制方面的研究具有重要的理论和应用价值。根据风力发电机组在额定风速以上如何保持输出功率稳定和降低风轮转速波动的控制技术进行研究,在传统的变桨距控制策略基础上,提出了基于BP神经网络(Neural Network,NN)整定PID的控制策略,并在Matlab/simulink环境下对PID控制和BP神经网络控制相结合的复合控制系统进行建模与分析。对1.5MW风电机组的仿真验证了BPNN-PID算法的有效性,提出算法不仅能够解决传统PID控制器参数整定困难的问题,而且优化效率更高,可以得到优良的控制性能。     

基于神经网络的轮胎胎号字符识别

介绍了采用BP神经网络来进行轮胎胎号字符识别的一种尝试性方法。用Matlab来模拟用神经网络进行胎号数字识别这一过程，用投影—变换系数法进行特征提取，确定特征输入、隐含层的神经元和输出后，经训练后可识别胎号，识别率尚可。     

BP网络在加热炉效率评定中的应用

以工艺管式炉有关数据为例，将BP网络有效应用于数据的压缩存储和快速计算，为加热炉效率评定软件提供了BP网络模型。利用MATLAB软件实现了BP网络的训练及仿真分析，并讨论了应用过程中参数的选择以及训练数据的特点对网络训练产生的影响。     

Synthesis of AlPO4 Molecular Sieves with AFI and AEL Structures by Dry-Gel Conversion Method and Catalytic Application of Their SAPO Counterparts on Isopropylation of Biphenyl

AlPO₄-5 and AlPO₄-11 were synthesized by dry-gel conversion (DGC) method. Steam-assisted conversion (SAC) and vapor-phase transport (VPT) techniques were applied for this purpose. The synthesis was successful in presence of a certain minimum amount of external bulk water, without which the crystallization failed. Crystallization by VPT method was slower than corresponding SAC and HTS method. SAPO analogs of the samples, SAPO-5 and SAPO-11 were also synthesized by DGC method. Samples made by DGC methods had higher yield than the conventional hydrothermal synthesis (HTS); otherwise the samples showed similar characteristics as that made by HTS. XRD, SEM and N₂-adsorption results showed high crystallinity and purity of the samples made by DGC, and ²⁷Al MAS NMR spectra indicated the tetrahedral framework nature of Al. SAPO-5 and SAPO-11 were tested for their catalytic activity in isopropylation of biphenyl, and in terms of conversion and selectivity, SAPO-5 was found to be suitable for this application.     

基于遗传算法优化神经网络的房地产评估模型及实证研究

针对房地产价格和影响因素之间存在复杂且非线性的关系,用传统评估方法预测房地产价格精度不高的缺陷,提出一种基于遗传算法(Genetic Algorithm,GA)和BP神经网络(BP Neural Network,BPNN)的房地产评估预测模型。该模型利用BPNN确定房地产价格影响因子与评估价格之间的函数映射关系,并采用GA优化BPNN的权值和阈值来提高BPNN的收敛速度,解决了算法陷入局部极值点的问题。最后,通过对100组实际交易样本数据的计算机仿真实验,证明了该方法对房地产估价的有效性和准确性。     

基于条件对数似然的BP神经网络多类分类器

BP神经网络分类器存在收敛速度慢的缺陷,为了提高分类器性能,针对这一缺陷对BP算法进行改进. 提出将条件对数似然（CLL）准则融入到监督性BP神经网络多类型分类过程中,利用CLL的可分解性优势,计算测试样本的条件概率,在误差反向传播时利用条件概率对权值进行相应的加权降权操作,简化误差反馈过程中的计算量. 在实验中对改进算法的收敛速度和准确率进行了测试,说明了该算法的有效性及实用性.     

基于BP神经网络的手写数字识别的算法

由于BP神经网络具有并行处理信息、自组织、自学习信息等优点,本文采用了BP神经网络对手写数字识别进行运算,提取笔画密度、长宽比和欧拉数等特征作为训练样本.并用Matlab对其算法进行仿真,并且很准确的识别出来,说明其有非常广泛的前景.     

基于BP神经网络的城市环境空气质量预测模型

本研究以监测所获得的数据为基础,运用BP神经网络算法原理,建立了城市环境空气质量预测模型,并对该模型的泛化能力进行了误差评价.结果表明：通过BP神经网络建立的空气质量预测模型具有较高的预测精度,预测结果的相对误差均在5％以内,能够很好地满足实际应用的需求.更重要的是,所建立的预测模型无需了解空气质量变化的内部机制,比传统的基于复杂数学模型的预测方法更为便捷,为环境保护部门可以提供更加可靠的决策依据.