改进BP算法在城市土壤环境质量评价模型的应用

首先采用随机函数生成训练样本,并利用"比例压缩法"进行预处理;而后采用"试错法"确定隐含层神经元数,最终建立了结构为7∶8∶1的BPANN的土壤环境质量评价模型,并采用Matlab6.0进行模拟计算。模型检验结果表明:所建模型的拟合精度、检验精度以及实际评价效果均较好,能够比较客观、准确地对城市土壤环境质量进行评价。对长春市城市表层土壤的评价结果表明,其总体环境质量较好,约81%的土壤面积符合国家一级土壤标准,但局部重金属污染不容忽视,应注意控制重金属污染物排放,以保证土壤资源的可持续利用。     

基于遗传神经网络的环境质量评价

介绍了基于遗传神经网络的环境质量评价方法.这一算法克服了BP算法收敛速度慢、易陷入局部极小等缺陷,环境质量评价实例证明提高了预测精度.阐述该方法的评价结果比传统的专家评价法的评价结果更加准确,为环境质量评价提供了一种新的研究思路和分析方法.     

人工神经网络BP算法在评价网站中的应用

简要介绍了人工神经网络BP算法的基本原理及其发展趋势,构建了网站的测评指标体系,探讨人工神经网络BP算法在评价网站中的应用。     

基于遗传神经网络的环境质量评价系统

基于遗传神经网络的环境质量评价方法是用遗传算法和BP算法相结合的混合算法来训练环境质量评价神经网络预测模型的权值,即先通过遗传学习算法进行全局训练,再用权重调整BP算法进行精确训练,这一算法克服了BP算法收敛速度慢、易陷入局部极小等缺陷,环境质量评价实例证明提高了预测精度.又将三种评价方法的评价结果进行对比,得到该方法的评价结果比传统的专家评价法的评价结果更加准确.因此该方法也为环境质量评价提供了一种新的研究思路和分析方法.     

基于BP神经网络的环境质量评估

利用人工神经网络对地区综合环境质量进行了评价,提出了基于BP人工神经网络、以Matlab为平台的算法程序的人工神经网络环境质量分类模型．并以某地区环境监测数据值为样本,进行了环境质量评价分析．研究结果表明,BP神经网络应用于环境质量评价无需构建复杂的参数方程,且具有基于知识学习的特性,结构简单实用,具有客观性和通用性．     

BP 算法的可视化研究与 BP 智能算法

本文利用算法的可视化技术，从ＢＰ算法的基本原理出发，分析、研究了梯度、共轭自适应算法的长与短，提出了共轭梯度自适应算法的设想，并在此基础上，利用模拟退火算法思路，构制了ＢＰ智能算法。最后对实际资料进行了多种算法的对比试算，证实了共轭梯度法和ＢＰ智能算法与原算法相比，提高了速度，增强了算法对不同对象的自适应性和智能性。     

BP网络的最大误差学习算法*

综合了标准ＢＰ算法与“批处理”ＢＰ算法的各自特点,提出了一种新的ＢＰ网络的学习算法,该算法既具有“批处理”ＢＰ算法收敛时迭代次数少的优点,又能克服“批处理”算法对大样本集进行学习时每次计算量较大且收敛时间长的缺点,该算法具有“批处理”算法同阶的迭代次数,但每次迭代所需计算工作量大约是“批处理”算法的样本几分之一。     

BP神经网络的算法及改进

本文介绍了目前人工神经网领域中BP神经网络的特点及其算法原理,通过分析BP网络算法的缺点,提出BP算法的改进方法。从而加快了网络的收敛速度,优化了网络的拓扑结构,最后对BP网络在实际中的应用进行了讨论。     

BP神经网络模型在城市环境质量评价中的应用

针对城市污染问题,运用人工神经网络理论和方法,建立城市环境质量评价的BP神经网络模型。通过实例进行评价分析,并与灰色关联模式识别评价结果进行比较,说明用BP神经网络方法评价城市环境质量是可行的。该模型具有很强的学习、联想和容错功能,其分析结果和过程都接近人脑的思维过程和分析方法,使得城市环境质量评价结果的精度大大提高。     

基于BP网络的银行竞争力综合评价

基于BP神经网络模型对银行竞争力进行了评价，根据神经网络原理，对银行竞争力综合评价模型的构造，网络的系统训练过程、BP学习过程等进行了讨论，用实例进行了验证，结果表明BP网络在评价中是一种很好的方法和工具。     

LM神经网络在环境质量评估中的应用

环境质量评估与社会、经济、管理等各个领域紧密相关,是一个多目标、多层次、多因素的复杂系统工程。神经网络可实现非线性关系的隐式表达,据此提出基于Levenberg-Marquardt神经网络的环境质量评估方法,并用MATLAB实现模拟计算。结果表明,该方法不仅简化了评估过程,而且稳定、快捷,预测结果精度较高。     

遗传算法在BP神经网络学习中的应用

在遗传算法与BP神经网络结构模型相结合的基础上,设计了用遗传算法训练神经网络权重的新方法．     

基于BP神经网络的教材质量评价研究

教材质量评价是教材管理工作的关键环节。为了对教材质量进行科学有效地评价,提高评价工作的效率,建立了基于BP神经网络的教材质量评价模型。经过BP神经网络的构建、训练和分类等主要工作,建立了一个具有较高准确率的教材质量评价模型。通过分析结果表明,该模型能够科学和高效地评价教材的质量,具有较高的实用性。     

BP神经网络的模型优化研究及应用

随着神经网络在数据分析、预测及生产控制中的应用,神经网络的优化学习成为研究的一个重要课题。通过探讨BP神经网络模型的建立过程,针对BP神经网络的模型优化问题进行了详细研究。并通过对银行客户分类的仿真实验证明,优化模型能够有效地提高BP神经网络的收敛速度及预测精度。     

基于BP神经网络的汾河水质评价

以汾河流域21个控制断面的水质监测数据为研究对象,建立了基于BP神经网络模型的汾河水质评价方法,对汾河流域水质进行了评价,并与传统的单因子指数评价法、综合指数评价法进行了对比.结果表明,80.9%的断面三种评价结果完全相同,11.1%的断面三种评价结果有差异,其中,BP评价结果较单因子法和综合污染指数法更为客观,更多地考虑了多种污染物的综合影响,更有利于水质评价和管理.经训练的评价模型应用于实例的评价结果表明,该模型设计合理、抗干扰能力强,对汾河水质评价具有较好的客观性、通用性和实用性.     

渭河宝鸡段水环境质量的BP人工神经网络分析

选取代表地表水环境质量的五日生化需氧量(BOD5)、化学需氧量(COD)、高锰酸盐指数、氟化物、氨氮(NH3-N)、总磷(TP)和总氮(TN)等7个指标和地表水环境质量标准(GB 3838-2002)建立地表水环境质量评价的BP人工神经网络模型,利用训练好的模型对2009年渭河宝鸡段6个过水断面的水环境质量进行综合评价,结果表明,林家村和胜利桥断面的水环境质量分别为Ⅰ类和Ⅱ类标准,其余4个断面的水环境质量均为Ⅲ类标准.