基于BP神经网络模型的商务型饭店微观选址研究——以重庆市为例

在文献分析和实证调查的基础上,归纳出影响商务饭店选址的7个影响因素的16个具体因子,引入BP神经网络,设计出基于BP神经网络的商务型饭店选址分析模型,通过样本学习和训练建立起稳定神经网络;并以重庆市为例进行了实证研究,认为BP神经网络模型在商务型饭店的选址评价中具有可行性和实用性.     

基于径向基函数神经网络的高校图书馆用户满意度评价模型

如何客观准确的评价高校图书馆用户满意度是一个比较困难的问题.近年来,BP神经网络技术完全以客观数据为基础,可充分挖掘出潜在的有用信息,有效避免人为主观因素的影响,成为高校图书馆用户满意度评价的热点之一.相比传统BP神经网络,将学习速度更快、易于收敛的径向基函数神经网络技术应用于高校图书馆满意度评价中,重点论述了径向基函数神经网络评价模型的设计和实现,并通过实例分析验证了该模型的有效性.     

基于PCANN的Zn对油菜Cd胁迫的缓解效果研究

【目的】为研究Zn对Cd胁迫下油菜抗逆性及抗氧化系统的影响,提出一种基于PCANN(主成分神经网络)的智能评价方法。【方法】实验采用沙培法,用不同浓度的Cd、Zn胁迫处理油菜幼苗,处理结束后测定根长、MDA含量、H_2O_2含量、SOD活性、POD活性、CAT活性指标。首先采用主成分法对各项指标进行优化,并分析得到评价结果,然后用神经网络对优化后的指标和评价结果进行学习和测试,并采用遗传算法优化神经网络的权阈值。【结果】300μmol/L的Cd和300μmol/L的Zn配施时效果最好,采用主成分法优化油菜指标后,对评价等级的界定没有影响,神经网络测试误差不超过2.93%,测试效果很好。【结论】该方法可以避免人工的主观干预,更加客观地对油菜生长进行评价,同时具有自适应性,能够自动识别Zn、Cd的配置情况,为油菜种植提供一种更加科学高效的智能化评价方法。     

基于SOM神经网络的地下水灌溉水质综合评价

在分析影响灌溉用水水质因素的基础上,选择酸度、碱度和矿化度为评价因子,利用MATLAB仿真软件建立了自组织映射神经网络(SOM)模型,并将该模型应用于某灌区地下水水质综合评价.研究表明,SOM神经网络具有对输入模式保持拓扑结构不变的优点,在聚类过程中能直观反映不同类在竞争层二维平面的相对位置,能避免高维样本数据对评价结果的影响,保证评估结果的准确性和客观性,同时避免了大量的繁琐计算,使评价工作简单易行.     

基于BP神经网络的土壤适宜性评价——以溪洛渡水电站嘎勒移民安置区为例

人工神经网络具有大规模并行处理、分布式储存、自适应性、容错性等特点,可以解决复杂的非线性问题.本文将BP人工神经网络应用到溪洛渡水电站嘎勒移民安置区土壤适宜性评价中,构建了影响土壤适宜性的评价因子训练集,对隐层神经元数量的选择、训练过程的建立等问题进行了探讨.通过MATLAB神经网络工具箱对专家样本的学习,建立具有泛化能力的土壤适宜性评价BP神经网络模型,确定网络模型结构为9-7-1,均方误差为0.00033,并对预测地块进行评价,得出评价区域以中等适宜性的土壤为主的结果.     

基于BP神经网络的耕地土壤重金属污染评价——以宜宾市翠屏区土壤重金属污染评价为例

本研究将土壤重金属污染评价神经网络预测模型分为3层,7-6-1为该模型的神经网络结构,输入层共包括7个神经元,分别是土壤耕地有重要影响的Pb、As、Cr、Hg和Cd共5个重金属元素,以及2个限制条件:土壤类型(水田或旱地)和土壤pH值;以已知的成都市不同生态区土壤重金属指标作为本模型的训练和检验样本,本研究采用的软件为Matlab,利用这个软件训练和检验BP神经网络,然后对宜宾市翠屏区土壤中的重金属进行综合等级评价。评价结果显示BP神经网络对检验样本的模拟输出跟期望输出是相同的;同时,对研究区土壤重金属综合等级评价结果跟模糊模式识别、传统内梅罗指数评价法得出的结果也是基本一致的。     

聚类分析和神经网络相融合的网络信息系统风险评价

为提高网络信息安全风险评价精度,提出一种聚类分析和神经网络相融合的信息系统风险评价模型。本文对信息安全风险进行聚类分析,从每一类聚类结果中任意提取一个子类组成单个神经网络的训练样本集,并给每个单独的神经网络赋予不同的权重,将单个神经网络组成加权融合神经网络,得到网络信息安全风险评价精度。仿真结果表明,该模型提高了网络信息安全风险的评价的精度,加快了评价速度,能够很好地克服传统网络信息安全风险评价模型的缺陷。     

基于神经网络的管道沿线土壤腐蚀态势评价

利用神经网络极强的非线性逼近特点,采用神经网络评价管道土壤腐蚀态势。介绍了基于BP神经网络的管道土壤腐蚀态势评价模型建立的方法和过程,在实例计算中考虑土壤pH值、土壤电阻率、土壤氧化还原电位和电解失重四个主要因素,选取9个学习样本对BP神经网络进行训练,分别用训练好的BP神经网络和模糊综合评价对现场管道6个实测点进行腐蚀态势评价,结果表明,两种方法得到的评价结果完全一致,该方法可以用于对管道沿线土壤腐蚀态势的评价。     

基于KPCA-SSA-BP的农业气象灾害预测

农业气象灾害对农业发展有很大阻碍,为优化农业气象灾害预测的估算模型,本研究以山东省作为研究区域,利用核主成分分析(KPCA)对影响因子进行降维,以传统反向传播(BP)神经网络模型为基础,基于麻雀搜索算法(SSA)、粒子群算法(PSO)、遗传算法(GA)3种优化算法,构建了SSA-BP、PSO-BP、GA-BP 3种优化模型。结果表明,在旱灾受灾率的模型评价指标对比中,发现与传统BP神经网络模型相比,SSA-BP、PSO-BP、GA-BP神经网络模型的均方根误差(RMSE)分别下降23.55%、12.28%和17.74%;在洪灾受灾率的模型评价对比中,发现与传统BP神经网络模型相比,SSA-BP、PSO-BP、GA-BP神经网络模型的RMSE分别下降了29.96%、9.49%和13.88%。说明SSA-BP神经网络模型对旱灾受灾率、洪灾受灾率的预测效果优于传统BP神经网络模型以及PSO-BP、GA-BP优化的神经网络模型。     

基于因子分析的BP神经网络在需水预测中的应用

需水预测涉及农业、工业、生活和环境等多种因素,是典型的多指标评价问题,需对多因素进行综合评估.以广东省珠海市为例,利用1986～2000年的需水量数据,采用因子分析法对影响需水量的8个变量进行因子分析,根据确定的主要影响因子构造BP神经网络的输入样本,从而进行不同水平的需水量预测.结果表明:前4个公因子,即综合实力因子、畜牧影响因子、环境影响因子和补充分析因子,累计贡献率达99%以上,为影响研究区需水量的主要因子,以此作为输入样本建立的BP神经网络需水预测模型既能合理地构造神经网络的拓扑结构,又可加快网络的收敛速度,精度较高.因子分析与BP神经网络结合是多因素需水预测的一个有益尝试.     

基于神经网络的模糊风险评价技术的应用

将模糊系统和BP神经网络有机结合起来,形成了基于BP神经网络的模糊风险评价方法,并结合城区埋地燃气管道建立了基于模糊系统的神经网络模型.对某市埋地燃气管道进行了管道失效后果严重度的模糊评判,结果表明,该方法与模糊综合评价有相同功效,而且省去了各影响因素权重的确定与逐层运算的繁杂过程,评价效率高.     

BP神经网络的土壤肥力评价研究

为给用户提供准确、科学的施肥指导。在建立BP神经网络评价模型的基础上,构建了以黑龙江850农场为研究区域的土壤肥力评价的空间信息平台,实现地块肥力等级在线评价及等级空间分布。因BP神经网络方法不需要人为干预,更具有客观评判性,与相关方法进行比较,该评价方法能更有效地对该农场的土壤肥力进行正确的评价。     

基于神经网络的农业生态环境质量评价

通过对农业生态环境影响因素的考查,选择15个影响因素作为农业生态环境质量的评价指标,建立完整的指标体系。并利用神经网络对农业生态环境质量进行评价,得出农业生态环境质量的评价模拟结果。     

随机模型预测UASB反应器对奶牛养殖废水处理效果

为实现UASB反应器运行人工智能控制,采用三层BP神经网络(Back Propagation Artificial Neural Network,BP-ANN)预测升流厌氧反应器处理奶牛养殖废水COD去除效果。运用BP神经网络构建出水与进水COD浓度、水力停留时间、p H、温度、碱度、挥发性有机酸、有机负载率和悬浮固体之间非线性模型,比较不同算法。Levenberg-Marquardt算法为BP神经网络最佳算法,最佳结构为8-8-1,模拟训练效果较好。BP神经网络预测值与真实值接近,一致性较高,模型拟合程度较好。利用线性-非线性模型评价不同输入参数对废水COD去除率影响,比较BP-ANN与线性-非线性模型预测效果,为奶牛养殖废水处理智能化管理提供技术支持。     

基于模糊综合评价对机械水质的评价

本文主要研究神经网络、层次分析法和模糊综合评价法在机械产生的废水中的评价结合应用;选取了KMnO4、TN、TP、NH3-N、BOD5 5项评价指标,通过神经网络确定了5项指标的权重;根据国家水质评价指标,利用模糊综合评价模型,对采样点水质进行了评价,为水质修复领域提供了依据。     

基于烤烟颜色特征构建烤烟感官质量预测模型

为了解烟叶颜色特征对感官质量的影响,以豫中烟区烟叶颜色特征值为输入变量,烤烟感官质量指标为输出变量,分别构建拓扑结构为10-12-1的BP神经网络模型,对烟叶感官质量进行预测评价。结果表明,样本的颜色特征值与感官质量指标统计特征较好,均服从正态分布;所构建的BP神经网络模型的模拟值与目标值差异较小,其中杂气与刺激性的决定系数达到显著水平,香气质、透发性等其他7项指标的决定系数均达到极显著水平。所构建的BP神经网络预测模型拟合效果较好,在烟叶质量评估中可利用烟叶的颜色特征值对烟叶的感官质量进行预测评价。     

基于BP网络的查新工作人员服务质量评价研究

将BP神经网络理论应用于查新人员服务质量评价领域,采用定量、定性相结合的方法。建立查新员服务质量评价体系及其影响因素之间的非线性关系。通过采集数据对模型进行训练和测试,表明采用该方法所建立的评价模型是有效的。为考核评估查新员工作状况,促进查新队伍健康良性发展提供积极方案。     

RBF神经网络的土壤养分肥力评价研究

土壤养分肥力等级是土壤特征的综合反映。以黑龙江850农场为研究区域,应用RBF神经网络方法构建该区的土壤养分肥力评价模型。以土壤养分指标作为神经网络的输入,土壤养分等级作为输出。通过实验模拟训练和预测,RBF神经网络取得的结果较好,与相关的BP神经网络模型进行实验比较,实验结果表明RBF神经网络得到的等级结果精度更高,该模型的建立与预测为土壤养分肥力等级评价提供了新途径。     

基于BP神经网络和支持向量机的农用地分等方法研究

为建立农用地(耕地)质量评价模型,客观准确地进行农用地(耕地)分等,减少现行农用地分等方法中的人为因素影响,提高农用地分等的精度。以福建省长泰县丘陵山地区为实证研究区,通过无监督网络——自组织特征映射网络(SOM)筛选出2 602组典型样本,分别进行有监督网络——BP神经网络和支持向量机(SVM)的学习训练,将分等指标作为输入变量,以农用地自然质量等指数和等别作为输出变量,分别建立BP神经网络农用地分等模型与SVM农用地分等模型并对其精度进行分析。BP神经网络模型的评价正确率为89%,精度较高;支持向量机(SVM)模型的评价结果正确率为99%,达到高精度等级。2种模型均能满足农用地分等的精度要求,但SVM模型较BP神经网络效果更好,更适合应用于农用地分等工作。     

基于粗糙集RBF神经网络在东丰县开发区企业管理上的应用

为提高基层企业管理效率,根据吉林省东丰县开发区2015年企业调查数据,使用粗糙集与RBF神经网络算法结合算法对企业工业生产总值、用电量、用工量等3个主要影响因素进行分析,并根据各参数之间差异划分企业等级。研究结果表明:根据算法对数据分类结果,该结果与东丰县开发区企业分级情况比较接近,说明基于粗糙集RBF神经网络算法,是一种在企业绿色发展分级方面有效的评价方法;通过2种算法之间的可视化图形对比,得出粗糙集RBF神经网络算法较BP神经网络算法分类效果更加明显;因而,基于粗糙集RBF神经网络算法对东丰县开发区进行企业划分准确性强、效率高、易于推广,为东丰县开发区关于企业管理工作起到技术指导作用。