BP人工神经网络模型在太湖水污染指标预测中的应用

【目的】利用BP人工神经网络模型预测太湖水污染指标,为探讨湖泊水污染物变化规律提供参考。【方法】利用2004～2010年浙江嘉兴王江泾断面自动监测站4项水质指标,建立了太湖水污染BP人工神经网络模型,并对太湖2012年前5周的水质情况进行预测。【结果】建立了浙江嘉兴王江泾断面的4项水质指标浓度的三层BP神经网络预测模型,其预测精度较高,对湖泊水环境污染物预测的适应性较好;对太湖2012年前5周的水质情况进行预测,结果表明,2012年前5周水质污染情况加重,基本为Ⅴ类水质,符合太湖水质污染情况发展态势。【结论】BP人工神经网络具有很强的非线性映射能力和柔性的网络结构,与传统的统计建模方法相比,其预测精度较高,能较好地反映水质指标的内在变化规律,为控制水环境污染提供了科学预测方法。     

BP人工神经网络在罗非鱼价格预测中的应用

通过分析影响罗非鱼价格波动的因素,利用BP神经网络良好的非线性映射特性,建立罗非鱼价格预测模型。选择时间、地理环境和经济条件因素作为输入层变量,价格作为输出单元,输入样本进行训练和仿真,对训练好的网络输入预测样本,将预测结果与市场实际价格进行比较,结果表明,该模型收敛速度快,预测精度高。该方法为水产品价格预测提供了一种新思路,有较高的应用价值。     

镉在鲫鱼体内积累规律及BP人工神经网络模型预测

鲫鱼暴露在低浓度镉溶液中 ,鱼体不同部位对镉具有一定的积累功能。积累能力排序为内脏 >鳃 >肌肉 ;积累量随暴露浓度的增大而增加 ;内脏及鳃中的积累量随时间的增长而增加 ,肌肉中的积累量先随时间的增长而增加 ,达到一定时间后又下降。BP人工神经网络应用于Cd的积累量预测 ,模型精度较高。     

BP人工神经网络在聚合物溶液体系活度预测中的应用

应用不同BP人工神经网络对不同聚合物溶液体系的活度进行了训练，共12个系统，613个数点，总的平均相对误差为0．0263，在采用相同BP人工神经网络对聚合物PS与不同溶剂溶液体系的活度进行试练时，总的平均相对误差为0．0212，而利用相同BP人工神经网络对同一聚合物不同溶剂溶液体系的活度进行预测时，总的平均相对误差为0．0484。     

BP人工神经网络在植物病虫害预测中的应用

简单介绍了误差反向传播网络(BP)的工作原理,并且综述了BP人工神经网络在植物病虫害发生流行程度预测方面的研究进展,最后讨论了为提高人工神经网络预测精度应注意的问题。     

神经网络BP模型的设计与实现

应用人工神经网络中的BP前馈网络模型和改进的BP算法 ,对棉铃虫发生程度进行预测 ,结果表明 :该算法可靠 ,验证符合率达百分之百 ,在农作物病虫害预测方面有广阔的应用前景     

BP神经网络在需水预测中的应用

阐述BP神经网络的计算步骤及其改进方法。将BP神经网络模型应用到抚顺市需水预测的实例研究中,通过实例的结果来验证该方法的精度。实例证明该方法具有较大的研究潜力,需要进一步深入研究解决现有问题提高其实用性。     

人工神经网络在电力系统短期负荷预测中的应用

根据电力系统短期负荷变化的特性，提出BP模型在实际负荷预测应用中的方法和步骤．对BP网络结构、样本空间、收敛性等作了有针对性的研究．结果表明：多层神经网络应用于电力系统短期负荷预测是可行和有效的．其预报结果比传统的负荷预测方法更准确、经济、效果更好．     

森林火灾成灾面积的人工神经网络BP模型预测

应用人工神经网络BP模型对河南省森林火灾成灾面积进行预测,网络模型的最大相对误差为1.15%,最小相对误差是0,平均为0.42%,表明预测值与实际值吻合程度很好,模型精度较高,建模简单,是预测森林火灾成灾面积的有效方法.     

基于人工神经网络的森林资源预测研究

应用人工神经网络方法分别建立土地资源预测，森林蓄积量预测，各龄组蓄积量预测三层前馈反应传播神经网络模型对森林资源进行预测模拟，预测结果表明：在小样本条件下，森林资源预测神经网络模型预测精度较高，开辟了森林资源新途径。     

人工神经网络在滁州市酸雨多维预测中的应用

使用酸雨时间序列作为训练样本的基础,生成训练样本输入数据和期望输出数据,建立时间序列神经网络预测模型。通过误差反向传播的算法训练神经网络,获得输入输出之间的映射关系,得到未来3年的酸雨数据。BP神经网络模型的应用设计借助于MAT-LAB软件包中的神经网络工具箱完成。     

人工神经网络在农业病害预测中的应用研究

人工神经网络是属于机器学习领域中的监督学习,利用神经网络的非线性逼近能力,对病害的发生时间、感染程度以及病害迁移方向进行预测。相比较于传统的病害预测方式,人工神经网络具有实时性高、精度高、容错性强等特点,为农业现代化提供了另一种技术支撑。本文通过研究资料发现农业病害的发生跟气候有巨大的关系,结合这点并利用神经网络的强大学习能力对历史病害数据与发生程度进行分类处理,最后再利用已训练好的网络模型预测未来病害的发生趋势。     

降水量的BP人工神经网络预测模型及其应用

由于影响因素的复杂性 ,预测降水量具有相当的难度。在假设区域长时间内降水量和蒸发量保持平衡的基础上 ,用 BP人工神经网络建立了陕西省汉中市的降水量预测模型 ,根据前 3个月降水量和蒸发量对降水量资料进行了模拟预测 ,结果认为其准确率为 84% ,合格率为 10 0 %。     

BP神经网络模型在烟草烘烤过程中叶温变化预测中的应用

【目的】建立合适的BP神经网络模型,了解散叶烘烤过程中一系列烘烤因素对叶温变化的影响,为烤烟烘烤调制过程中叶温变化研究提供参考。【方法】运用叶温测定仪和温湿度自控仪记录烘烤过程中干球温度、湿球温度、相对湿度及干球温度与叶温的差值,并将此4项指标作为输入变量,叶温作为输出变量,建立一个拓扑结构为4—4-1的BP神经网络模型。【结果】所建立的BP神经网络模型模拟结果很快收敛,预测结果的绝对误差与相对误差小,预测所用的20组数据中相对误差〉1％的有8组数据,相对误差〉2％的有2组数据,相对误差〈1％的有12组数据。【结论】所建立的BP神经网络模型在对烟叶烘烤过程中叶温变化的预测效果较好。     

人工神经网络在林分生长模型中的应用

在介绍人工神经网络定义、特征、结构及其局限性和发展趋势的基础上,重点介绍其在国内外林分生长模型中的研究现状,为构建精准林分模型提供参考。     

煤层底板突水人工神经网络预测

本文综合考虑水源、水压、隔水层、断层等因素对煤层底板突水的影响，建立了煤层底板突水人工神经网络预测模型。实例分析表明，该模型具有较高的预测精度，预测结果比较可靠。     

土壤水分预测的BP神经网络方法及模型

土壤水分预报是农田适时适量灌水的基础。田间土壤水分的变化受到外界气象因素及土壤特性、作物生长的影响,关系比较复杂。笔者利用多年实测土壤水分资料和气象资料,建立了考虑多个因素对土壤水分影响的BP人工神经网络模型。模型结果表明:所建立的模型具有较好的预测效果;用神经网络建立土壤水分预测模型的方法是可行的。     

人工神经网络在农产品干燥中的应用

综述了人工神经网络技术在农产品干燥领域的应用现状,包括人工神经网络在参数预测、在线预测、智能预测控制、模型预测、结果预测、仿真检验中的应用。并对这项技术的应用做了进一步展望。     

农产品价格风险预警模型的建立与应用——基于BP人工神经网络

农产品价格风险的防范要通过管理水平的提高来化解,农产品价格风险预警的引入则可实现农产品市场风险管理方法的创新.本文建立了基于BP人工神经网络的农产品价格风险预警模型,并以生猪为例进行了验证.生猪价格风险预警模型的成功构建进一步说明了基于BP人工神经网络的农产品价格预警模型是切实可行的.     

BP神经网络在气象数据预测研究中的应用

BP(Back Propagation)网络是一种被广泛运用的神经网络.它的核心是BP算法,本文是在建立影响气象环境状态指标体系基础上,收集各指标在研究期内的有关数据,对数据进行整理分析并建立数据库,尝试利用基于BP算法的三层向前神经网络对气象数据进行预测.