基于BP神经网络的卧虎山水库水质评价

在MATLAB环境下,建立适用于水库水质评价的BP人工神经网络模型,将模型应用于卧虎山水库2010年8月到2011年12月的水质评价。结果表明,2010年8月到2011年6月在丰水期时比枯水期时水质高,水质稳定为Ⅱ类水,2011年7月到12月在枯水期时比丰水期时水质高,水库水质为Ⅲ类水。将经过训练的模型应用于卧虎山水库水质评价的结果说明,该模型能够准确评价卧虎山水库水体的未知水质类别。     

基于BP神经网络模型的水质评价方法探讨

运用人工神经网络理论和方法,建立了水质评价的BP神经网络模型,并对长治市10眼水井的地下水水质进行了评价,并与综合指数法、模糊综合评判法的评价结果进行了比较。结果表明,用BP神经网络模型评价水资源水质是可行的,为水资源水质评价提供了一个新的方法。     

基于改进的BP神经网络的地下水水质评价研究

运用人工神经网络的理论和方法,建立地下水水质评价的BP神经网络模型。根据《地下水质量标准》(GB/T14848—1993),通过训练该模型对昆明盆地实测12个孔隙水井的地下水水质进行评价,并与层次分析法的评价结果进行了比较。对比结果表明,用BP神经网络模型评价地下水水质是可行的,该模型训练速度快、精度高,能如实地评价地下水质情况。     

基于模糊BP神经网络的水质评价

在BP网络模型基础上构建了隶属度BP网络模型,针对模型特点,建立了水质评价标准指标矩阵,并采用扩展方法构建了网络训练样本,将所建立的模型应用于佛山某污水处理厂的出水口水质评价,应用模糊隶属度方法实现水质级别评价,可以简明地表示水质接近于某类标准水质的程度。研究表明,本算法使评价的结果更具体准确、更符合评价水体水质情况,...     

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.     

基于模糊神经网络的汉江水质评价

水质评价对于水质维护和进行决策有着极其重要的作用。本文考虑到水文学的模糊性和其内在的非线性特点,将模糊理论与神经网络相结合建立模型,对汉江水质进行评价。通过实验验证了该模型的有效性和准确性,为水质评价和预测提供科学客观的方法。     

地下水水质评价的人工神经网络方法

应用人工神经网络理论与方法建立了地下水水质评价的BP神经网络模型，对涡北井田地下水水质进行了评价，并与灰色聚类结果进行了比较。结果表明，BP神经网络模型能很好地解决评价因子与水质等级间复杂的非线性关系，评价地下水水质简便可靠，预测精度高，具有通用性和客观性。     

基于BP神经网络的人口预测

利用BP神经网络建立三层神经网络结构模型,以全国人口的出生率,死亡率,老年抚养率等5个指标作为输入样本,对全国总体人口进行预测.隐含层采用多种方法使人为因素降到最低,同时文中采用自适应学习速率和附加动量法相结合的方法,对网络进行训练和学习.将BP预测人口和其他数学方法做比较,预测结果显示该方法是可行的.     

基于模糊神经网络的水质评价模型研究

将模糊系统与神经网络结合,提出了一种水质评价模型.根据水质评价过程,采用5层结构的FNN,且使用自适应学习步长以加速网络收敛速度.该模型具有推理过程清晰,泛化能力强的特点.为了验证该算法的性能,进行了仿真试验,结果表明:和常见的方法相比,该模型的评价结果更为准确.     

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MATLAB的RBF神经网络建模及应用

MATLAB中的神经网络工具箱是进行神经网络系统分析与设计的有力工具。RBF神经网络以其计算量小,学习速度快,不易陷入局部极小等诸多优点为系统辨识与建模提供了一种有效的手段。将二者结合起来,解决了油田试井系统中压力值的建模问题,取得了令人满意的结果。     

基于模糊神经网络的城市建成区面积研究

城市建成区面积的大小反映了一个城市的规模,本文在利用SPSS软件对城市建成区面积的影响因素进行主成分分析的基础上,运用模糊神经网络对城市建成区面积进行了研究,结果表明该模型的精度是理想的.     

基于RBF神经网络的股市预测及MATLAB实现

RBF网络是一种有效的前向型神经网络,适合于非线性时间序列金融系统的预测。以中国银行的实际收盘价作为预测对象,介绍了基于MATLAB的RBF神经网络应用。     

BP神经网络在大气环境质量评价中的应用研究

针对城市大气环境质量问题,运用人工神经网络理论和方法,建立城市大气环境质量评价的BP 神经网络模型.通过实例进行评价分析,说明用BP 神经网络方法评价城市大气环境质量是可行的.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,使得城市大气环境质量评价结果的精度大大提高.     

MATLAB神经网络工具箱在河流水质预测中的应用

根据计算河流水质的数学模型,使用MATLAB神经网络工具箱建立了河流水质预测系统的神经网络,并以长期监测的珠江流域东江水质状况为例,对建立的网络系统进行了仿真,结果表明了方法的有效性．     

基于人工神经网络的遥感图像分类研究

随着人工神经网络系统理论的发展,神经网络技术日益成为遥感图像分类处理的有效手段,并有逐步取代最大似然法的趋势.本文重点讨论了遥感图像分类处理研究中应用效果显著的BP神经网络方法,并在MATLAB平台下对基于BP神经网络的分类算法进行了研究,最后将它的分类结果与最大似然法的分类结果进行了精度比较分析.结果表明基于BP神经网络的遥感图像分类效果是较好的,是一种有效的图像分类方法.     

基于优化BP神经网络算法的网络质量评价

针对现有的BP神经网络算法,提出了在变步长BP神经网络算法基础上的优化方案,并将其应用于网络质量评价当中.在优化方案中,对步长的上升和下降阶段分别采用不同策略进行优化.理论分析表明:优化后的算法能够克服传统算法权值收敛过慢,和变步长算法误差收敛中的震荡问题.仿真表明,优化后的算法会使神经网络的学习误差和网络质量分类的总体误差明显下降并大幅提高评价的准确性.优化算法较传统算法相比误差收敛过程更加稳定,且学习误差下降达9.64％,网络质量分类的总体误差下降达23.1％；优化算法的验证准确率在传统算法的基础上提高了19.65％,在变步长算法的基础上提高了9.88％.由此可见,优化算法在BP神经网络的预测精度方面起到了大幅度提高的作用.     

基于修正的BP神经网络的教学质量评价模型

为改进和完善高校教师教学质量的定量评价,给出了3种评价方法:层次分析法;基于聚类法的多元回归分析法;基于BP神经网络的评价方法.重点分析了3种方法的评价原理,指出了它们的优缺点,并提出了基于修正的BP神经网络的评价模型,为建立科学的高校教师教学质量评价体系提供参考.