首页 | 本学科首页   官方微博 | 高级检索  
    检索          
共有20条相似文献,以下是第1-20项 搜索用时 281 毫秒

1.  混沌理论和灰色系统在农机总动力预测中的应用  
   许淑芹  周桂霞  许娇娜  管迪《数学的实践与认识》,2019年第3期
   农机总动力的预测可以为农业装备需求规划提供数据参考,以黑龙江省农机总动力数据作为研究对象,应用混沌理论中G-P算法计算农机总动力的关联维数,将求出的关联维数与灰色系统理论中的灰色关联分析法相结合研究其影响因素,建立了农机总动力灰色多变量预测模型GM(1,m).计算结果:应用Matlab软件编程计算得到了农机总动力7个具体的主导影响因素,并建立了农机总动力的灰色多变量GM(1,7)预测模型,模型的平均相对误差为2.14%,由结果对比可知该预测模型的预测结果高于GM(1,1),方法具有一定的预测精度与科学性.    

2.  基于改进BP神经网络的电力负荷预测  
   王吉权  王福林  董志贵  汤岩  田占伟  吴昌友《数学的实践与认识》,2017年第9期
   在现有文献研究的基础上,对BP神经网络进行了深入研究,提出了一种新的LAFBP模型,给出了模型的标准BP算法、改进BP算法、权值和阈值的初始化方法.在此基础上,用新的LAFBP模型与传统的标准BP模型对黑龙江省巴彦县的电力负荷进行了预测.预测结果表明,新的LAFBP模型不仅克服了传统的BP模型外推效果不好的缺点,而且在模型的拟合精度、学习时间和学习次数方面明显优于传统的BP模型.    

3.  基于灰色关联分析与BP神经网络的农业灌溉预测  
   《数学的实践与认识》,2020年第8期
   针对农业灌溉用水量预测存在的复杂性、不确定性和非线性等问题,提出一种基于灰色关联度分析与BP神经网络的灌溉需水量预测,首先,采用灰色关联度分析法,选取降水量、蒸发量、平均气温、日照时间、灌溉面积作为BP神经网络的输入因子;然后,根据各影响因子与灌溉用水量的对应关系,对模型训练;最后,将训练好的模型用于2007-2017年灌溉需水量预测中.结果表明,灰色关联-BP神经网络模型预测相对误差在1.81%~5.48%以内,可为农田灌溉预测提供科学依据.    

4.  基于改进粒子群算法优化BP神经网络的甜菜产量预测方法  
   《新疆大学学报(理工版)》,2021年第2期
   通过分析影响甜菜产量的自然因素,选取6个主要影响因子应用于一种改进粒子群算法优化BP神经网络的预测模型.首先,在标准粒子群算法(Particle Swarm Optimization,PSO)中引入自适应惯性权重的方法增强搜索能力并且提高收敛速度,使用反向逃逸策略避免早熟现象的发生;将改进的粒子群算法引入到BP中形成NCPSO-BP的预测模型算法,既缩短了运算时间,又提高了预测精度;最后将NCPSO-BP与PSO-BP的预测效果进行对比,结果表明NCPSO-BP预测模型其最优预测结果的相对误差平均值3.59%,绝对误差平均值0.196 9,比PSO-BP模型预测误差有所下降.通过这次智慧农业实验项目的应用,实现当年甜菜产量增产50%,为未来推广到面积更大、机械化程度更高的农田应用打下了基础,对现代化农业具有一定意义.    

5.  基于分数阶GM(1,1)与BP神经网络的电力负荷预测  
   《数学的实践与认识》,2018年第23期
   传统的灰色GM(1,1)和BP神经网络模型存在对原始序列依赖高,收敛速度慢等缺点.将分数阶累加的思想引入GM(1,1)模型,再用逐层训练算法改进传统的BP神经网络.基于我国2010-2014年的电力数据,构建分数阶GM(1,1)与BP神经网络组合模型,预测2015年和2016年的总发电量.实证结果表明,该组合模型比GM(1,1)模型,分数阶GM(1,1)模型以及GM(1,1)与BP神经网络组合模型具有更好的数据拟合效果,更高的预测精度.    

6.  改进共轭梯度算法在矿井瓦斯含量预测中的应用  
   《应用泛函分析学报》,2017年第2期
   本为预测矿井瓦斯含量,根据影响矿井瓦斯含量的煤层开采深度、煤层厚度、瓦斯压力、煤的变质程度、煤层顶板岩性与煤层底板岩性等主要因素建立三层BP神经网络分析模型.针对标准BP算法存在的收敛速度慢、容易陷入局部极小等问题,从理论分析角度对共轭梯度算法和改进共轭梯度算法进行对比分析研究,并且分别用标准BP算法、共轭梯度算法和改进共轭梯度算法对BP神经网络分析模型进行训练和测试.结果表明,改进共轭梯度算法收敛速度快,预测结果相对误差保持在1%以内,并且误差波动相对平稳.因此,基于改进共轭梯度算法的BP神经网络分析模型,能够有效预测矿井瓦斯含量.    

7.  基于遗传神经网络的耙吸挖泥船泥泵转速预测  
   曹点点  苏贞  孙健《应用声学》,2017年第25卷第10期
   耙吸挖泥船泥泵管线模型是一个复杂的、非线性的动态模型,影响模型准确性的参数较多。为了根据当前施工条件和流量的优化值准确地预测转速,为施工人员提供参考,提高疏浚效率,采用了遗传算法改进的BP神经网络对泥泵转速进行预测。首先,遗传算法对BP神经网络的初始权值和阈值进行优化。然后,BP神经网络根据优化值对网络进行训练并对转速进行预测。为了验证该方法的有效性,将遗传BP神经网络的预测输出和实测泥泵转速进行对比。仿真结果表明:遗传BP神经网络具有很强的非线性拟合能力和全局搜索能力,能够准确地预测泥泵转速。该预测输出可为施工人员提供参考,以便改变泥泵转速,提高疏浚效率。    

8.  Cox模型与BP神经网络在处理非线性数据时的性能比较  被引次数:1
   贺宪民  贺佳  范思昌《数理统计与管理》,2004年第23卷第2期
   本文采用BP神经网络、Cox模型和bootstrap方法,比较BP神经网络与Cox模型在处理非线性资料时的性能。两种方法的预测一致性的均数分别为0.7525和0.7706。对于非线性资料,BP神经网络的预测效果优于Cox模型。    

9.  基于逆模糊数的模糊时间序列模型的农机总动力预测方法  
   符晓芳  王鸿绪  廖民生  过建春《数学的实践与认识》,2016年第3期
   提出一种改进的基于逆模糊数的新模糊时间序列预测模型.应用模型研究辽宁省农机总动力预测问题,比一元线性回归模型,二次移动平均模型,指数曲线模型,灰色理论GM(1,1)模型等4种模型和它们的组合模型的平均预测误差率AFER都有较大改善,是值得推荐的一种时间序列预测方法.    

10.  基于改进的BP神经网络中国CPI运行预测研究  
   刘向荣  孙红英《数学的实践与认识》,2013年第43卷第6期
   加强和改善宏观调控,保持价格平稳运行,促进经济持续健康发展是经济工作的重中之重.鉴于BP神经网络模型具有很好地模拟非线性系统的优点,对BP神经网络模型进行了新的改进,在对权值和阈值进行修改时加入了动量项α,并根据以往两次金融危机前后中国CPI运行具有较高相关性的特点,以1997年和2008年两次金融危机集中爆发前后数年数据为基础,运用该模型对中国CPI指数运行进行了拟合,并以2011年为例对中国CPI指数进行了预测,结果与实际运行数据基本一致,预测效果很好.此方法可为改进价格预测,加强价格调控提供重要借鉴意义.    

11.  基于改进BP神经网络的煤催化气化预测模型研究  
   崔阳  徐龙  刘艳  马晓迅  杨建丽《燃料化学学报》,2011年第39卷第2期
   采用改进的三层BP神经网络建立了煤催化气化反应失重率、气化初始温度和最大气化速率所对应温度的预测模型。结果表明,采用改进BP神经网络模型在此研究中可达到较高的精度,其最大预测误差分别为5.18% 、5.65% 、2.33%,明显小于归回公式的预测误差。
   

12.  基于遗传神经网络的伺服机构健康状态预测  
   郑玉航  宁梓呈  熊鹏《应用声学》,2015年第23卷第6期
   为了及时把握伺服机构的健康状态,为装备的管理维护与任务执行提供必要的决策支持,从装备的自然退化趋势出发,提出了一种基于遗传算法优化BP神经网络的预测模型。利用BP神经网络优秀的非线性映射能力构造预测模型,将神经网络初始权值阈值编码,利用改进的自适应遗传算法确定最优解。将该模型应用到伺服机构的健康状态预测上,并与标准BP神经网络及径向基神经网络做比较。结果表明该模型有更好的预测精度及收敛速度,从而验证了模型的有效性。    

13.  基于FOA-RBF神经网络的外贸出口预测  
   许智慧  王福林  孙丹丹  王吉权《数学的实践与认识》,2012年第42卷第13期
   应用果蝇优化算法对径向基神经网络扩展参数的优化方法进行研究,给出了一种以标准误差计算公式为味道判定函数,以此确定最优的径向基函数的扩展参数值的方法,并建立了相应的预测模型.应用该预测模型对黑龙江省外贸出口额进行预测,结果表明:预测模型的预测精度优于径向基神经网络,从而证明了方法的有效性.    

14.  基于神经网络的期货市场预测及模型实现  被引次数:2
   黄颖  白玫  李自珍《数学的实践与认识》,2008年第38卷第6期
   通过对期货市场的研究,尝试用人工神经网络预测期货行情走势.介绍了如何将期货市场与改进的BP网络有机结合起来构造适合期价预测的模型,并应用Matlab工具,设计一个具有较强通用性的人工神经网络模型,在降低重复开发的同时,为更多潜在的用户提供一个适合各自需求的人工神经网络.通过实例证实运用神经网络进行期货价格预测相对于传统的经济预测方法具有更好的精确性.    

15.  基于改进BP神经网络的组合预测模型设计  
   王玉敏《数学的实践与认识》,2006年第36卷第4期
   为提高预测精度,解决非线性组合预测中的困难,利用改进BP神经网络对非线性组合预测模型进行了设计.讨论了模型设立的原则和一般程序,比较其与传统的组合预测方法之间的优劣,并给出实例加以验证.结果显示,基于改进BP神经网络的非线性组合预测模型能够准确描述系统中的非线性,提高预测精度.    

16.  基于WOA-BP神经网络的超低温冻土抗压强度预测模型研究  
   汪恩良  田雨  刘兴超  任志凤  胡胜博  于俊  刘承前  李宇昂《力学学报》,2022年第54卷第4期
   为获得超低温冻土抗压强度预测模型,探究超低温状态下冻土的物理性质及力学性质的变化,对含水率19%, 22%, 25%和28%的低液限黏土土样进行-180°C~-10°C的单轴压缩强度试验,并测量-80°C~-10°C土样的未冻水含量,建立基于WOA-BP神经网络和BP神经网络的预测模型,探究含水率、温度、未冻水含量与超低温冻土抗压强度关系.预测结果表明:含水率、温度、未冻水含量与超低温冻土抗压强度存在复杂的非线性关系,特别是在-180°C~-80°C区间内,现有的线性拟合公式已无法准确预测该区间内冻土抗压强度;基于WOA-BP神经网络预测模型的整体预测效果较好,其绝对误差平均值为1.167 MPa,相对误差平均值为7.62%, BP神经网络预测模型的绝对误差平均值为8.462 MPa,相对误差平均值为47.99%.基于鲸鱼优化算法的BP神经网络预测模型预测误差明显小于BP神经网络预测模型及线性拟合值,更接近实测值.该预测模型具有较高精确度,能有效解决超低温冻土抗压强度与其影响因素间复杂的非线性关系,可为人工冻结技术在地层应急工程中的应用提供参考.    

17.  BP神经网络在上海住宅市场需求预测中的应用  被引次数:5
   沙磊  韩丽川《数学的实践与认识》,2003年第33卷第11期
   人工神经网络是近期发展最快的人工智能领域研究成果之一 ,本文在介绍 BP神经网络的有关原理的基础上 ,建立了一个上海住宅市场的 BP神经网络模型 ,并通过该模型对上海住宅市场的需求进行了预测和分析 .分析结果表明人工神经网络方法在住宅市场需求预测中的应用是可行的并且是有效的 .    

18.  精神疾病患者经济负担分析及预测  
   范 馨 月《经济数学》,2019年第1期
   对某精神疾病的专科医院患者数量及费用进行分析,采用径向基函数(RBF)神经网络模型对精神疾病患者的看病费用进行拟合及预测,并比较该预测模型与BP神经网络的预测效果.将贵州省某精神类疾病的专科医院2015年1月-2016年12月医院HIS系统中的病人处方数据作为训练集,建立BP模型、RBF神经网络模型.分别对2017年1月1日-2017年1月16日病人用以精神类疾病看病费用情况进行预测.RBF神经网络模型均能够较好地拟合和预测精神类疾病患者看病费用,可以为医院管理者了解本院精神病患者看病费用的变化趋势提供依据,为制定精神病患者疾病负担的相关政策提供数据支撑.    

19.  基于神经网络算法的海南旅游需求测估模型  
   《数学的实践与认识》,2015年第19期
   在详细调查海南旅游相关数据的前提下,先建立模型对海南旅游需求进行了预测,然后分析了影响旅游需求的主要因素.先用GM(1,1)灰色模型对海南省旅游人数进行预测,并用马尔科夫链修正误差,在灰色模型的基础上进行了优化.进一步,我们将灰色模型与BP神经网络模型结合起来进行预测,并针对BP网络输入层提供了2种方法:三年滚动预测、多因素预测.得出结论:海南旅游人数还将会逐年递增.同时,通过比较相对误差发现,对于问题的预测精度:BP神经网络>灰色模型.最后,我们利用灰色关联度模型得出各因素对旅游需求的影响:服务>交通>景观发展>消费>环境.    

20.  广东省能源需求预测模型构建及实证分析  
   叶艺勇《经济数学》,2015年第3期
   为了对广东省的能源需求进行准确的预测,首先分析了影响广东省能源需求的各种因素,构建了预测指标体系.在此基础上,针对能源系统非线性等复杂系统特征,结合粒子群算法和BP神经网络的优点,构建了改进的PSO-BP神经网络的预测模型,并通过主成分分析法对指标体系进行数据降维,以降低神经网络的规模和复杂程度.以广东省1985-2013年的能源需求数据进行模拟与仿真,并对2014-2018年的能源需求量进行预测,理论分析和实证研究表明,该方法能够很好的反映广东省能源需求的特征,预测结果较为准确合理.    

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号