基于改进BP人工神经网络的纱线拉伸性能预测研究

本文研究了纱线拉伸性能预测问题.用HVI测试原棉指标,用USTER(R)TESTER5～S400测试成纱指标,采用改进BP算法建立断裂伸长预测的模型,进行纱线的拉伸性能预测,结果表明改进BP模型预测速度和精度较好.     

昆虫酚氧化酶抑制剂的活性预测模型

采用电性拓扑状态指数(En)表征昆虫酚氧化酶(PO)抑制剂的分子结构,通过最佳变量子集回归的方法建立了57种PO抑制剂抑制活性(pIC50)的多元线性回归模型,非交叉相关系数和交叉相关系数分别为0.920和0.908,经Jackknife和变异膨胀因子(VIF)检验具有良好的稳定性和预测能力.该模型显示影响PO抑制剂抑制活性的主要因素是—OH,—O—和C=O等分子结构片段.以模型中的3个参数E13,E14,E16为人工神经网络输入层,设定3∶6∶1的网络结构构建人工神经网络的BP算法模型,相关系数达到0.988.结果表明,与多元线性回归模型相比,BP人工神经网络模型的相关性和预测能力均有较大的提高.     

基于BP神经网络模型模拟塔里木河下游潜水埋深变化——以英苏断面C5井为例

本文以塔里木河下游英苏断面350m处C5井为研究对象,分析了影响下游英苏断面的潜水埋深影响因素,通过三层BP神经网络模型模拟了潜水埋深变化．以Matlab7．0为工作平台,将2000．7-2008．12期间的英苏C5井的步长为3个月数据资料作为一个样本,选取每个样本的输水量、输水持续天数、上季度该井的潜水埋深平均值作为模型输入量,输出量为相应的C5井的本季度的潜水埋深平均值,建立3—11-1的BP神经网络模型,模拟了C5井潜水埋深．结果表明,网络模拟相对误差小于5％,模型具有较高的精度．通过BP模型模拟潜水埋深,为塔河下游生态恢复和水资源决策提供一定的依据．     

基本养老保险基金失衡风险预警方法的选择研究——基于新疆数据的实证分析

纵观现下中国基本养老保险的发展,如何建立可持续发展的养老金制度,实现养老金的长期财务平衡,降低养老金运行中的风险等问题突出的摆在社会面前.本文尝试通过BP神经网络构建的基本养老金运行风险预警系统预测结果与多元回归模型的比较,进行基本养老金失衡风险预警方法的选择研究.在建立基金运行的风险指标体系基础上,搜集整理源于新疆的具体数据,首先进行多元回归模型的基金风险预警结果分析,然后通过MATLAB实现BP神经网络模型的反复训练、学习,并通过预警值与实际值的比较,检验BP神经网络预警模型的有效性,最后通过两种模型结果的比较,选择出BP神经网络预警方法更有优势.     

车用锂离子动力电池SOC时间序列的BP神经网络预测模型

由于车用锂离子动力电池系统具有高度复杂的非线性特性,很难建立准确的电路模型对荷电状态(State of Charge,SOC)进行实时在线获取。为此本文在分析并判别锂离子动力电池系统的混沌特性基础上,建立SOC时间序列的BP神经网络预测模型,并与二阶RC网络模型构成闭环控制系统。仿真结果表明,由二阶RC网络模型与BP神经网络模型构成的闭环控制系统具有较高的预测精度,较好的实时性及实际应用前景。     

基于粗糙集和BP神经网络算法的网络故障诊断模型研究

针对计算机网络故障诊断知识库冗余性高、神经网络与PCA、DS证据等理论相结合诊断精度不高的难题, 提出了一种新的基于粗糙集和BP神经网络的计算机网络故障诊断模型. 首先利用粗糙集算法对网络故障特征进行约简处理、提取最小诊断规则; 其次利用最小规则训练BP神经网络, 建立基于粗糙集和BP神经网络的计算机网络故障诊断模型; 最后将模型运用于真实网络故障数据诊断. 结果表明: 该模型具有学习效率高、诊断速度快、准确率高的特点, 能够快速诊断网络故障类型.     

基于BP网络分类器的交通标志识别

针对中国全部3大类116个交通标志,即禁令标志、指示标志、警告标志,用BP网络实现分类功能.实验中使用了3种测试集,即加高斯噪声、水平扭曲和日本交通标志实景图,对BP网络的分类性能进行了测试.实验结果表明:用BP网络实现交通标志粗分类功能的效果是比较理想的,对交通标志的颜色失真和形状失真均具有较好的容错性和鲁棒性.     

BP神经网络性能与隐藏层结构的相关性探究

利用BP神经网络对多个给定的复杂非线性系统控制进行定量研究,着重讨论了BP神经网络因隐藏层层数和网络学习率之间差异从而引起对复杂非线性系统控制性能上的影响.通过实验数据的对比分析发现,BP神经网络隐藏层层数的递增与系统控制性能的提升并不成正相关性,网络学习率的选取范围可控制在0~2.0之间,具体参数因控制对象而异,可采用分段调试和二分法运算以确定最佳网络学习率参数.     

BP神经网络技术在移动通信客户信用分析中的应用

提出了一种移动通信客户信用预测评估的方法．该方法基于移动通信客户行为属性的统计分析，以其作为客户信用预测评估的依据，建立BP神经网络的训练和识别的模型．通过随机选择2003年8月全网数据(403206个客户)中3％作为样本进行训练，确定了网络模型参数，与已有的信用评估方法相比，该方法的泛化性能高，适用于大规模的客户信用评估，所得到的客户特征属性对移动通信客户信用研究提供了理论和实践的依据。     

基于BP神经网络与多分类支持向量机的水质识别与分类

介绍BP神经网络与多分类支持向量机等分类模型的基本原理,并基于这两种方法对水质识别与分类的准确度进行实例比较研究,随机抽取了南昌市内2010-2013年水域水质的300组数据为样本,选取了pH,氨氮,Cl-,SO2-3,总硬度,硝酸盐氮为评价的主要特征。通过把训练后的模型在测试集中进行的检验对得到的模型进行评估,表明了BP神经网络和多分类支持向量机均可以较好地解决水质识别与分类过程中存在的复杂性,多变量,非线性等问题,相比较而言多分类支持向量机有较强的鲁棒性,预测结果更为精确稳定,将其应用到水质评价中具有一定的可行性。更多还原     

用遗传BP网络求高聚物的ZWT非线性粘弹方程的力学参数

结合遗传算法及BP神经网络的特点，构建了一个新的有机体-遗传BP网络，并对遗传BP网络进行了测试。结果表明遗传BP网络在收敛速度及收敛稳定性方面都有很好的效果。最后给出了一个用遗传BP网络求高聚物的ZWT方程的力学参数的实例。     

基于人工神经网络的区域经济子系统可持续发展指标预测研究

可持续发展系统是“黑箱”,至少是“灰箱”,各因素是间否存在因果关系还十分清楚,人工神经网络可以较为逼真地模拟该系统,本文以人工神经网络BP模型为工具,借助Matlab语言对区域可持续发展经济子系统指标进行预测研究,通过数据采集、网络结构模型设计、程序设计、网络训练等给出指标预测图并进行分析,最后提出建议,结果表明,用人工神经网络来模拟持续发展经济子系统是可行的。     

基于CRBM算法的时间序列预测模型研究

针对受限玻尔兹曼机（restricted Boltzmann machines,RBM）算法对时序数据预测存在抽取抽象特征向量能力较差和梯度下降能力有限的问题,基于CRBM（conditional restricted Boltzmann machines）算法以及信念网络（deep belief network,DBN）模型,构建了一种非线性的CRBM-DBN深度学习模型,并采用高斯分布处理输入特征值和对比散度抽样,用于预测时序数据.实验以浙江省近岸海域赤潮时序数据作为输入特征值,讨论该模型的深度及参数选取,并与经典的深度学习模型RBM、DAE和浅层学习中的BP神经网络进行对比,实验验证CRBM对于赤潮时序数据的预测拟合度要明显优于其他3种模型,该模型可有效用于赤潮类时序数据的趋势性预测.     

遗传BP神经网络在PID控制器中的应用

提出了一种基于遗传BP神经网络的自整定PID控制器的设计方法．利用遗传算法搜索出一组准优的PID参数,作为PID控制器参数的初值,在利用BP神经网络具有逼近任意非线形函数的能力,在线调整PID参数,以确保系统的响应具有最优的动态和稳态性能．计算机仿真结果表明,这种控制算法鲁棒性强,响应速度快,可用于控制不同的对象和过程．     

定速风力发电机模型参考自适应控制

在对定速风力发电机建模的基础上,设计了模型参考自适应控制器,并进行了跟随性能和抗干扰性能仿真,仿真结果表明自适应控制器的自适应能力很好.     

多氯咔唑化合物热力学性质的神经网络预测

采用取代基片段值P和原子类型电拓扑状态指数Em有效表征了135个多氯咔唑化合物(PCCZs)的分子结构,通过选择变量与神经网络(BP)算法建立定量相关(QSPR)模型,以预测多氯咔唑化合物热力学性质.将选择的P,Em结构参数作为神经网络的输入层变量,热力学性质作为输出层变量,方程均采用5∶13∶1的网络结构,利用BP算法获得了3个令人满意的QSPR模型,它们的总相关系数分别为0.998 6,0.991 1和0.979 5,标准误差分别为2.123,3.237和3.952,利用这3个神经网络模型计算得到的预测值与文献值的相对平均误差分别为0.30%,1.85%和1.14%,表明模型具有良好的稳定性和预测能力.该神经网络模型所得结果优于多元回归方法所得结果,可用于对多氯咔唑化合物性质进行理论分析和预测.     

高应变率下高聚物本构模型的BP神经网络辨识

利用SHPB技术和自编的BP神经网络程序,以尼龙为代表性研究对象,对高聚物在高应变率下的本构模型进行了辨识,研究表明：在应变小于7％范围内,以应变与应变率作为输入,以应力作为输出,BP神经网络能满意地辨识高聚物的动态本构模型;而当应变大于7％时,除应变和应变率外可取时间作为表征损伤演化的反函数共同作为输入,以应力作为输出,能获得满意的结果。     

水中Ca2+,Mg2+,Na+对水豆腐品质的影响及两种模型优化Ca2+,Mg2+,Na+配比的对比

探讨了水中Ca2+、Mg2+和Na+ 3种离子含量对水豆腐品质的影响,根据单因素试验选择Ca2+、Mg2+和Na+3种梯度溶液为自变量,利用质构剖面分析（tissue plasminogen activator, TPA）测试和穿刺测试（Puncture test）对水豆腐质构进行测试,通过已建立的反向传播（back propagation,BP）神经网络模型预测豆腐的感官指标得分和Ca2+、Mg2+和Na+的最优配比;并采用响应面法（RSM）对Ca2+、Mg2+和Na+的配比进行优化设计,得到预测回归模型和Ca2+、Mg2+和Na+的最优配比。结果表明:BP神经网络模型预测豆腐的感官得分使豆腐总体可接受性最佳时,Ca2+、Mg2+和Na+的最佳添加量分别是20,8,15 mg·L-1,且呈倒U型变化趋势;响应面优化实验中豆腐总体可接受性最佳时,离子配比为Ca2+含量19.44 mg·L-1、Mg2+含量8.35 mg·L-1、Na+含量17.25 mg·L-1;两种模型预测豆腐的感官指标得分时,Ca2+、Mg2+和Na+的最优配比相差无异,为了方便实验操作,简化Ca2+、Mg2+和Na+的最优含量为20,8,16 mg·L-1,此时水豆腐的总体可接受性得分预测值为6.95,实际的总体可接受性得分为6.85±0.50,水豆腐的总体可接受性预测值与实际的豆腐总体可接受性值接近,说明BP神经网络模型和响应面优化模型预测豆腐总体可接受性得分具有一定的可靠性。     

并行Adaboost-BP算法及其在海量图像分类中的应用

为解决基于单节点架构的传统分类算法存在的时间效率差、分类准确率低等问题,提出了一种基于并行Adaboost-BP神经网络的海量图像分类方法.将BP神经网络作为弱分类器,由Adaboost算法组合15个BP神经网络的输出,构建了强分类器;充分利用了Hadoop平台下Map Reduce并行编程模型,提出了海量图像的自动分类模型,设计了并行Adaboost-BP神经网络算法的Map和Reduce任务.多组实验表明,相对于传统的AdaboostBP神经网络算法,提出的算法在Pascal VOC2007数据集和Caltech256数据集上的平均分类准确率分别提高了14.5%和26.0%,而且算法运行耗时少,系统加速比随集群节点个数增加而增加,在图像规模增加到20 000时,加速比几乎呈线性增长趋势.实验结果充分证明,提出的方法适合海量图像的自动分类和预测.     

三唑并嘧啶衍生物抑菌活性的定量构效关系模型

基于分子图论,计算21种三唑并嘧啶衍生物的电性距离矢量,通过最佳变量子集回归建立这些化合物对小麦赤霉病菌抑菌活性的最佳三元定量构效关系模型.交叉验证和预测结果表明,该模型具有良好的稳定性和预测能力,分析显示,与三唑并嘧啶衍生物对小麦赤霉病菌抑菌活性相关的5个结构碎片分别为—S—,—O—,X—,～CH～及—C—.