基于BP神经网络的我国碳排放情景预测

碳排放预测有助于碳减排目标和碳减排路径的科学制定。借鉴STIRPAT模型的影响因素,选取人口、城镇化率、人均GDP、第三产业GDP比例、能源消耗强度、煤炭消费比例等6项因素为自变量,以1980-2009年的指标数据为训练样本,运用BP神经网络方法构建了我国碳排放预测模型,并对2010-2015年我国碳排放进行预测,结果表明我国“十二五”期间应适当降低GDP增速,促使碳排放目标的有效实现。     

基于BP神经网络的钛合金切削力研究

由于切削力预报与控制直接影响切削加工的质量和成本,为了节省大量的切削试验成本与精力,提高建模效率,本文提出在进行少量的切削钛合金试验,获取一定的样本数据的条件下,建立基于BP神经网络对切削钛合金切削力预报,获得较好的预测精度,精度误差控制在4%以内.     

基于BP神经网络的股票价格预测

影响股票价格变动的因素有很多,且股票数据具有高度的非线性和时变性等特征,因而采用经典线性时间序列模型可能无法完全提取非线性部分的信息.针对这一问题,建立了BP神经网络模型、PCA-BP神经网络模型、GA-BP神经网络模型和ARIMA(6,1,6)模型对上证综合指数的收盘价格进行预测.计算各预测模型下的统计指标RMSE和MAE,并对4个模型进行对比分析.结果表明,GA-BP神经网络预测模型与其它三种模型相比具有更小的误差,也就是说GA-BP神经网络预测模型对上证综合指数的收盘价格预测效果更好.     

BP神经网络在热轧中厚板力学性能预测中的应用

基于神经网络原理,采用BP算法训练网络,建立热轧控制参数(轧制温度、化学成分、变形量等)对描述产品力学性能的参数的映射关系。离线仿真表明,将神经网络模型应用于热轧控制预报,具有现实意义。     

基于BP神经网络的高速公路交通量预测

基于甘肃高等级公路收费年收入的统计数据,结合其收入和交通量之间的粗略关系,运用BP神经网络预测高等级公路各收费站年收入,从而间接地对高等级公路交通流量进行预测,为提高高速公路的管理与服务水平,对提高高等级公路管理部门的信息感知能力和应急处置能力、提高路网运行效率、建设和谐高等级公路具有极其重要的意义。     

基于BP神经网络的水质预测技术

针对城市污水处理厂在生化处理污水过程中测量重要过程变量困难、无法及时检测的问题,提出了基于BP神经网络的预测技术.利用某化工污水处理厂的实际运行数据对提出的BP神经网络结构进行了训练和仿真.结果表明:通过合理选择辅助输入变量,可以实现对过程变量的在线预测.     

基于BP神经网络的充填钻孔使用寿命预测

针对充填钻孔的使用寿命受很多因素的影响,并且影响因素与钻孔使用寿命之间不存在显著线性关系的特点,采用人工神经网络方法来研究钻孔使用寿命预测的问题。通过对金川公司充填钻孔进行调查分析,找出影响钻孔使用寿命的主要控制因素,建立结构为3—9—1的三层BP神经网络模型来预测金川矿区充填钻孔的使用寿命。结果表明,预测值与实际值拟合得较好,最大误差为13．58％,验证了用BP神经网络预测钻孔使用寿命的可行性。     

基于灰色模型和BP神经网络的交通量预测研究

在分析公路交通量影响因素的基础上,通过灰色模型对各影响因素进行预测.以湖北省为例,以各影响因素为输入层,将交通需求量作为输出层,构建BP神经网络交通量预测模型,在对模型有效性进行检验后,得到未来年湖北省公路交通量预测值.     

基于BP神经网络的股票预测

股票投资是一项非常复杂的活动。对股票走势的正确预测是非常重要的。本文基于BP神经网络预测模型,对未来股票的走势进行预测,通过实例分析及实际结果,表明BP神经网络的准确性和科学性。     

基于BP神经网络的干热风灾害预测

干热风是我国新疆,西北等地农业气象灾害之一,其形成因素呈现复杂的非线性关系．利用传统方法很难建立起一个精确完善的预测模型．人工神经网络具有强大的非线性映射能力,尤其是BP神经网络在预测领域中被广泛应用．本文利用BP神经网络对干热风灾害进行了预测．结果表明,基于BP神经网络的干热风预测模型误差小,能达到满意的效果．     

基于聚类分析和神经网络的高炉焦比预测模型

为降低高炉生产焦炭的消耗,对高炉操作参数和燃料比指标进行关联性分析,提出了一种组合聚类分析与神经网络进行高炉焦比指标预测的方法。聚类分析将数据集聚划分为几类,数据的相似度比较高,分类训练相应的神经网络模型,实现高炉焦比指标的预测。结合聚类分析构建的神经网络模型,用某高炉生产数据进行仿真学习,并跟传统的神经网络模型进行比较。结果表明,加入聚类分析的神经网络模型平均绝对误差降低3.13 kg/t,平均相对误差降低5.19%。     

镁渣和矿渣对复合水泥性能的影响

掺加10%～40%镁渣制备了镁渣矿渣复合硅酸盐水泥,研究了镁渣对复合水泥物理性能的影响规律。结果表明:镁渣中主要矿物是β-C2S和γ-C2S,具有较好的火山灰活性。随着镁渣矿渣比(MS/BS)的增加,复合水泥凝结时间延长,强度逐渐下降,当MS/BS为0.67时,即镁渣掺量20%,矿渣掺量30%时复合水泥28d抗折强度达9.10MPa,抗压强度达42.53MPa,达到了国标42.5#复合硅酸盐水泥要求。     

调质高炉渣纤维化过程析晶行为的热力学研究

以Ca O-Mg O-Si O_2-Al_2O_3四元渣系为研究对象,利用Factsage 6.4热力学软件,研究冷却过程中黄长石等高熔点矿相的析出热力学现象,解析碱度、Mg O和Al_2O_3含量等因素对不同组分调质高炉渣中晶相析出的影响规律。结果表明:随着碱度的增加,析晶温度逐渐升高,液相量逐渐减少,黄长石的析出量先增加后减少,当碱度为1.2时黄长石的析出量达到最大;随着Mg O含量的增加,析晶温度逐渐升高,1 275~1 420℃黄长石的析出量逐渐增加,液相量逐渐减少,1 240~1 275℃黄长石的析出量逐渐减少,液相量逐渐增加;随着Al_2O_3含量的增加析晶温度逐渐增加。     

基于BP神经网络的供应商选择研究

供应商的选择在整个物流系统中占有非常重要的地位.本文建立了基于BP神经网络的供应商评价指标体系,给出了BP神经网络的评价模型,并结合算例进行分析.实例证明,该方法是可行的.     

助磨介质作用对矿渣微细化过程的影响

采用勃氏比表面积、SEM、激光粒度分析及IR测试研究了不同类型助磨介质作用下矿渣的微细化过程.结果表明:不同类型的助磨剂在矿渣的不同粉磨阶段作用不同.初磨阶段润滑性差的助磨剂NS的助磨效果最好;细磨阶段能有效改善物料流动性的助磨剂A等助磨作用明显.在相同的粉磨时间下尤其是细磨阶段,助磨剂显著提高了粉磨细度,改善了物料的颗粒分布,改变了颗粒形貌及粉磨物料的微观结构,加剧了物料的晶格畸变与晶格缺陷,加速了物料结构中化学键的破坏,从而增加了物料的反应活性.     

基于动量BP神经网络的英文字符识别

英文字符识别已经广泛地应用于很多重要领域.已有的英文字符识别算法很多,一种典型的算法是BP神经网络算法.但是,BP神经网络算法有时不收敛,或陷入震荡.这就导致识别率下降.为此,本文研究了一种改进的称为动量BP神经网络算法用于英文字符识别.这种算法在BP神经网络算法的网络参数控制中添加一个动量系数和一个动量项.这样可以避免迭代的震荡,加快收敛速度.提高识别率.利用动量BP神经网络算法,对52个英文大小写字符进行了识别试验.实验结果表明,这种算法能获得满意的识别率.     

基于BP神经网络模型的企业综合绩效评价方法研究

以平衡计分卡法为基础构建了企业综合绩效评价体系,重点介绍了BP神经网络模型在此企业综合绩效评价体系中的应用方法和步骤,最后对该方法的优缺点进行了分析.     

由熔融高炉渣制备微晶玻璃

采用熔融法,由熔融高炉渣制备性能稳定的基础玻璃.通过对基础玻璃的差热分析确定微晶玻璃的热处理工艺制度.结合X射线衍射分析、扫描式电子显微镜观察等现代研究方法,确定了微晶玻璃热处理制度的最佳工艺参数,并研究了微晶玻璃的晶体生长方式.微晶玻璃的热处理最佳工艺参数为：核化温度850℃,保温1.5 h;晶化温度935℃,保温1 h.玻璃首先从表面开始析晶,然后逐步向内部生长.实验所得微晶玻璃的力学性能,如抗折强度、耐酸碱性和硬度,均优于天然大理石.     

基于AR模型和BP网络的表面EMG信号模式分类

提出了一种以AR模型和BP网络相结合的表面肌电信号处理方法 .首先 ,将采集到的肌电信号进行预处理 ,提取AR系数作为其特征值 ;其次 ,设计了一个三层的BP神经网络 ,利用AR系数对手臂的各种肢体动作进行运动模式的分类 .实验表明 ,这种方法不仅减少了计算工作量 ,同时取得了比较理想的识别效果 .     

基于改进的BP网络数字字符识别

提出了一种基于改进的BP网络方法来实现数字字符识别.通过对BP网络的神经元的研究与学习,设计了一种结构合理,收敛速率快的BP网络.试验测试结果表明,改进的BP网络方法对印刷体数字的识别率达到了100%,对手写数字的识别率达到了98%以上.