BP网络在建筑物变形预报中的应用

为探索人工神经网络用于建筑物变形预报的可能性，采用ＢＰ网络代替传统的回归分析方法，处理变形观测数据。结果表明，当影响建筑变形的因素较多，且各因素间存在非线性关系或关系不确定时，加归分析预报的结果存在较大偏差，ＢＰ网络有助于提高建筑物变形预报的精度。     

改进的BP网络在深基坑变形监测与预报中的应用研究

从信息化施工的必要性及深基坑工程的特点,说明了深基坑变形监测与预报的重要性.因为影响基坑变形的因素很复杂,且传统的计算方法已无法准确地预测其变形.根据深基坑变形的基本特征,运用遗传算法优化BP网络建立了深基坑变形预报模型,通过对比说明优化的适用性和有效性.     

大坝变形监测的BP网络模型与预报研究

建立有效实用的大坝安全监测模型,对于馆控大坝运行意义重大。针对目前国内外常用统计模型、确定性模型等的不足,提出将基于误差逆传播算法的BP神经网络模型用于大坝变形监测数据的拟合分析及其预测预报研究,最后以福建水口混凝土重力坝变形监测为例,对坝顶垂直位移实测值建立了BP网络模型,并将模型用于坝顶垂直位移预报,结果表明,BP网络模型的拟合和预报精度明显优于相应的统计模型。     

基于BP网络的土壤水分预报研究

基于一个具有两个输入变量，一个输出变量的误差反传网络结构模型，对土壤床中10cm,20cm,30cm,40cm,50cm等不同深度处的水分含量进行预报，结果表明，该模型的预报精度较高，其最大相对误差为－4．04％，最小相对误差为－0．34％，平均相对误差为1．68％（绝对值），还能同时预报不同深度处的土壤水分。     

逐一混合遗传算法在大坝变形预报中应用

建立了大坝变形预报的逐一混合遗传模型,并将其与整体遗传模型、逐一Levenberg-Marquardt (LM)模型、整体LM模型进行了比较. 工程实例表明,在建模样本相同,预报因子相同,且结构参数不变的条件下,逐一混合遗传模型和整体遗传模型的预报精度分别高于逐一LM模型和整体LM模型,且预报结果稳定;逐一混合遗传模型和逐一LM模型的预报精度分别高于整体遗传模型和整体LM模型;随着样本的积累,逐一混合遗传模型的预报精度不断提高, 并具有实时性的优点, 可以准确、有效地应用于大坝变形监测量的实时预报.     

BP网络及其应用

基函数选取和系数求解是函数逼近中的两个关键问题,目前广泛应用的回归分析或其它映射方法均有局限性。采用人工神经网络中的BP网较好地解决了这两个问题,对理论和实际的数据进行了比较与验证,结果表明.BP网络有助于提高数据处理的可靠性与预测的精度.     

BP自适应网络在数值预报产品的释用

提出了动态指标库的概念，即不同时次采取不同的指标库，同时次在网络自适应时采取不断更新指标库的阈值，采取先建立消空指标库对样本进行消空，提高了降水样本在整体样本中的概率，然后利用BP(Back Propagation)网络作了大连短期的12h和24h降水有、无的预报，设计了网络的自适应算法，并在降水有、无预报中加以应用。结果表明，此方法比没有做消空样本和网络自适应的降水TS评分有所提高，在数值产品解释应用中更具有实际意义。     

主成分分析与BP网络组合的大坝变形预报

将主成分分析与BP神经网络相结合应用到大坝变形影响因子的优化中,建立大坝变形预测模型.可以有效地降低输入因子的维数,减小因子之间相关性的影响,简化网络结构,降低网络训练难度,提高预测的稳定性及精度,提升BP网络训练的效率,解决由影响因子内部相关性而需引入大量因子的问题.通过实验结果对比表明,主成分分析与BP网络相结合的...     

BP网络在漏钢模式识别中的应用研究

介绍了连铸结晶器中常见的四种温度模式 ,设计了几种漏钢预报神经元网络模型 ,并进行了训练和测试 ,对 BP网络在漏钢模式识别中的应用进行了研究     

延迟BP算法在洪水预报中的应用

针对现有洪水预报神经网络结构难以确定的问题，应用一种在训练中包含有延迟功能的BP算法，建立了延迟神经网络。实验研究表明，该算法在盘石头水库的应用中取得了令人满意的结果。     

基于MATLAB的BP神经网络模型在地震预报中的应用

根据人工神经网络模型,运用MATLAB的神经网络工具箱建立BP神经网络预测模型,以地震变化率作为神经网络的输入,对台湾地区和四川地区地震数据时间序列进行分析对大地震的发生时间进行预测.实验证明该模型用于地震预报的有效性和可行性,具有良好的应用价值.     

BP神经网络技术在调剖效果预测中的应用研究

调剖效果预测是对调剖措施进行决策和方案优化设计的理论基础。通过对影响调剖效果的因素分析,建立了BP网络效果预测模型并对其进行优化改进。模型网络预测结果与实际生产效果对比分析表明,所建立的预测模型可靠。可利用BP网络模型进行调剖效果预测,并为调剖方案的优化设计提供科学决策依据。     

基于 BP 人工神经网络储集层参数面向微相预测法

为了提高ＢＰ人工神经网络学习速度和精度，以及对储参预测的效果，本文从学习样本着手，针对储集层不同的沉积微相，及其沉积环境等特点的不同，选取相应的学习样本模型——面向微相预测法。充分体现了样本典型性、代表性的地质意义。其效果比人们常规作法有显著的改善。     

BP神经网络在方钢管混凝土轴心受压试验数据拟合中的应用

本文使用BP神经网络对方钢管混凝土轴心受压试验的数据进行拟合,并将BP神经网络的拟合曲线与10次多项式的拟合曲线进行了对比。结果表明,建立的BP神经网络模型能够准确拟合方钢管混凝土轴心受压的试验数据,具有较好的非线性拟合效果,拟合精度高。     

多层前馈神经网络技术在理财商务网站中的应用

针对会员理财的需求如何最大可能地发掘他们的关注点,是一个理财系统所最为关心的内容.基于聚类分析的挖掘技术可以从大量的数据中抽取潜在的、有价值的信息,而通过人工神经网络技术中的优化算法,则可以明显地提高数据挖掘的效果.     

神经网络法在水城——赫章铅锌矿预测中的应用

本文应用ＢＰ神经网络法对水城，赫章地区铅锌矿进行了预测，结果表明该方法具有很高的准确率，与实际地质情况吻合率很高，可以用作对未知矿点的预测。     

神经网络用于油田地面集输管道结垢预测

利用典型的误差反传神经网络理论,对油田地面集输管道结垢进行预测和评判,避开了各种因素对其结垢影响规律的难题,准确地预测和评判地面集输管道的结垢情况。应用人工神经网络分析某油田地面集输系统管道的结垢情况后表明,人工神经网络无需建立数学模型,学习过程通过自动调节神经元之间的连接权值完成,在选取有代表性的训练样本情况下,人工神经网络能够成功地预测和评判地面集输管道的结垢情况。     

煤与瓦斯突出的神经网络预测分析

煤与瓦斯突出是一个复杂的过程 ,做好预测预报工作显得尤为重要。本文通过建立煤与瓦斯突出的人工神经网络预测模型、原始样本的学习 ,可预测待报样本的突出情况 ,并进行了实例分析。经过检验 ,该预测模型的预测精度较高。图 1 ,表 2 ,参 3。     

神经网络在非球面镜面型多项式反求中的应用

介绍BP神经网络的结构与学习算法,建立用于非球面镜面型多项式系数反求的BP神经网络模型,并且论述模型建立的步骤与原则方法,最后阐述了利用所建立的模型对非球面镜面型多项式系数反求的实施过程.研究表明,该方法能够较好地实现复杂非球面镜面型多项式系数的反求,并具有一定的容错能力.     

神经网络在MIMO温度过程动态建模中的应用

应用神经网络ＢＰ算法对一个ＭＩＭＯ加热炉的温度过程进行了动态建模，给出了建模及模型验证的结果