BP神经网络算法在数字识别中的应用

介绍BP神经网络算法的理论和方法,并在MATLAB环境下给出了BP神经网络算法在数字图像识别系统中的应用.     

大棚气候的BP神经网络预测模型研究

以大棚外气象因子中温度、湿度、辐射等为输入量,分别以大棚内气温、地温、湿度等气象因子为单项输出量,构建了基于神经网络预测预报原理的大棚小气候预测模型,模型预测结果好,该模型一方面能够解决大棚内气候资料缺乏的问题,另一方面能够提前模拟大棚内气候,对大棚的环境调控起指导作用.     

基于BP神经网络的实验室计算机故障率预测模型

随着信息化技术在各个学科领域的渗透,高校中越来越多的课程要求学生在计算机实验室完成相关操作,随着上机人次陡增,计算机的损耗也随之增大。为了更好地对实验室进行维护,以湖北大学知行学院计算机系2005年计算机实验室210台计算机的历史故障率为样本,采用JAVA语言,利用BP网络训练模型预测该批计算机的故障率,然后对照历史数据发现一定的误差,再利用增加动量项法对该BP算法进行改进,改进后的样本训练预测结果与历史数据基本保持一致。     

BP神经网络水华预测模型的敏感性分析

敏感性分析能够定量地评价模型输入变量的变化对输出结果产生的影响,是揭示模型蕴含规律的有效途径.本文将敏感分析方法应用于BP神经网络巢湖水华预测模型中,分析结果表明巢湖水华形成受诸多环境因子共同影响,水温、溶解氧、浊度、气温、光照强度等环境因子变化与藻类质量浓度变化相关,其中气温是最大影响因素,相对贡献率达到17.01%;气压的上升则不利用于藻类质量浓度的增加;pH值的上升对藻类质量浓度的影响有正有负.     

我国煤炭需求组合预测模型及应用

煤炭需求是一个复杂的非线形系统,其发展变化具有增长性和波动性,科学地预测煤炭需求量对于正确制定煤炭工业发展规划和优化配置煤炭资源具有重要意义。本文在对我国煤炭消费历史数据分析的基础上,构建了一元回归模型、灰色预测的GM(1,1)模型和三次指数平滑模型3个单一预测模型;据此,基于二次规划法和Shapley值权重分配法分别构建了组合预测模型。实证研究结果表明,组合模型预测效果均优于单一模型,可以作为煤炭需求预测的有效工具;基于这一组合模型对我国2013—2020年煤炭需求量进行了预测,为制定未来煤炭需求发展规划提供了依据。     

基于遗传BP神经网络的区域物流需求预测

针对当前区域物流需求预测数据复杂且可变性较大、预测方法环境适应性较差的问题,提出了基于遗传BP神经网络的区域物流需求预测模型。首先,分析区域物流需求预测影响因素,并建立区域物流需求预测指标体系;其次,采用遗传算法优化预测网络中的可变参数,并建立多输入-多输出的BP神经网络多元预测模型;最后,通过实例结果表明该模型具有较高的预测精度和有效度。     

基于BP神经网络的柴油机燃烧特征参数前馈预测模型

CA50是柴油机缸压反馈控制技术中的反馈变量,对柴油机的性能有重要的影响。在一台六缸高压共轨柴油机上研究了喷油正时与CA50关系,以及CA50对柴油机经济性和排放的影响。为探究基于神经网络的前馈控制在缸压反馈控制中运用的可行性,建立了通过不同的燃烧边界条件预测CA50的BP神经网络预测模型,进行原机试验得到CA50对发动机性能影响的系列试验点数据。选取190个不同边界条件的试验点作为模型的总样本,其中用于前期神经网络训练的样本125个、用于检测神经网络泛化能力的测试样本65个。结果表明基于BP神经网络的预测模型在误差允许范围内,能较为准确的通过边界条件预测CA50,可以满足柴油机缸压反馈技术中前馈控制的要求。     

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.     

企业电能耗的BP神经网络预测模型

在我国节能减排的大环境下,企业的电能耗预测问题一直都备受关注.准确预测电能耗对企业决策有重要的意义.本文以鞍山某矿山公司电能耗历史数据为研究对象,通过Grubbs检验进行数据的离群检测,以剔除某些失真数据,并用主成分分析法对电能耗的影响因素进行降维处理,建立了BP神经网络的电能耗预测模型.利用Matlab对数据分析,给出了该公司未来一年内各月份的电能耗情况.     

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神经网络的软地基沉降分析

为了分析软地基的沉降规律,以某个高速公路的工程为例,利用BP神经网络对该工程的软土地基沉降数据进行拟合和优化分析。结果表明,使用BP神经网络方法对软土地基的沉降预测值合理,其精度优于一维固结理论方法,BP神经网络方法能成为有效预测软地基沉降数据的方法。     

BP神经网络的改进及其应用

在分析BP神经网络建模步骤的基础上,针对BP神经网络某些不足,提出了几点改进措施。首先对原始数据进行了非线性规格化;其次,提出了记忆式初始权值和阀值;最后以确定性系数最大为依据进行参数优选,并将改进后的BP神经网络应用于需水量预测。结果表明,改进后的BP神经网络不仅提高了BP神经网络预测的精度,而且加快了BP网络运行时的收敛速度。     

断层推断的改进BP神经网络方法

断层可破坏煤层的完整性和连续性 ,对采煤工作面的生产具有重要的影响 ,在矿井投产前 ,必须准确地查明采区内的断层情况。文章运用动量法和自适应调整学习率的改进 BP神经网络 ,选取 5个地震特征参数进行了断层推断。结果表明 ,改进 BP神经网络是一种有效的断层推断方法     

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.     

基于神经网络集成的经济预测模型

针对单个BP神经网络用于经济预测存在的不足,提出了一种新的更有效的经济预测模型--神经网络集成.神经网络集成通过训练多个神经网络并将各网络输出进行合成,能够显著提高网络的泛化能力.以广东省江门市的经济数据为例,采用Bagging算法训练了五个BP神经网络,构建了一个神经网络集成的GDP预测模型,并运用MATLAB 7.0语言程序实现.预测结果令人满意,优于单个神经网络预测方法.实证表明,神经网络集成用于经济预测是有效可行的,同时在一定程度上克服了单个神经网络的缺陷.     

应用改进BP神经网络进行用水量预测

针对工业用水量的特点，建立了改进的BP神经网络用水量预测模型，采用遗传算法对BP神经网络权系进行优化改进，改进的BP神经网络算法预测结果好于灰色理论预测和BP算法预测。以本溪市某供水厂用水量数据对改进的BP神经网络模型进行训练并预测，将其预测结果与灰色理论预测和BP神经网络预测结果进行比较分析，得出该方法用于供水系统用水量预测误差较小，同时克服了其他两种算法的缺陷。     

光面爆破效果BP神经网络预测

介绍了BP神经网络的基本原理，基于Matlab工具箱建立了预测光面爆破效果神经网络模型，从岩石力学性质，周边爆破参数两个方面对光面爆破效果进行分析和预测。为了加快神经网络模型的收敛速度。增强其跳出局部极小点的能力，采用了附加动量法和自适应学习速率结合的方法对网络进行训练，利用该模型对光爆效果进行了预测。取得了很好的效果。     

基于改进BP算法的水电机组轴瓦温度预测

应用人工神经网络BP算法，对水电机组轴瓦温度与影响瓦温变化的主要因素之间的映射关系进行表达，即建立水电机组轴瓦温度预测模型，并对轴瓦温度及其变化趋势作出预测；同时对BP算法进行改进，引入误差分布函数，动量项因子和组合转移函数，在一定程度上克服原有算法的局部最小问题，获得全局最小解，而且加快了网络的收敛速度。