基于PCA-BP神经网络的羊肉价格预测研究

价格波动受到多种因素的影响,准确的价格预测对市场稳定具有重要的作用。为了更好地服务于市场经济,笔者选取苏尼特羊为研究对象,提出了基于PCA和BP神经网络结合的价格预测方法,首先对影响羊肉价格的指标数据进行PCA降维,选取主成分特征最大的因子为BP神经网络的输入层,羊肉价格作为输出层建立预测模型,将预测结果与已有的苏尼特羊肉价格进行比对验证。结果表明:与标准的BP神经网络相比,结合PCA降维的BP模型具有更小的拟合误差和更高的精度。     

3种不同方法对肉牛胴体性状预测能力的比较研究

本研究为了寻求一种对肉牛胴体性状预测准确性较高的方法,运用DPS数据处理系统和SAS软件比较偏最小二乘回归、GM(1,N)灰色系统和BP神经网络3种常用的预测模型对肉牛胴体性状的预测能力。选择肉牛7个宰前生长性状(体高、体长、胸围、腹围、管围、宰前活体质量、平均日增体质量),对2个重要的胴体性状(胴体质量和净肉质量)进行预测。结果表明:偏最小二乘回归方法在肉牛胴体性状预测方面准确性最高;GM(1,N)灰色系统和BP神经网络预测准确度偏低。本研究还将3种预测结果相结合,取其均值,大大提高了预测的准确性。这一研究将为肉牛生产实践提供一定的科学参考。     

基于BP神经网络的煤矿配电网故障测距研究

本文提出了一种基于小波分析与BP神经网络的煤矿配电网故障测距方法。该方法首先采用小波包提取故障暂态零序电流的模极大值,并在小波基函数、分解尺度、BP网络各参数选择等方面进行了分析,进而在BP神经网络训练的基础上,将各故障特征的模极大值输入到BP网络中进行测试,输出了故障发生的位置。大量仿真实验表明,该方法在不同接地电阻及故障距离情况下,均能准确计算出故障发生的位置。     

基于BP神经网络的变形监测数据处理与分析

本文以济南幸福逸居住宅楼项目为例,采用了BP神经网络模型和MATLAB中的数值处理方法 ,对累积沉降量的时间变化曲线进行了预测,证明了BP神经网络在变形监测中的有效性和预测的精确性,为提高信息预测的精度和自动化有着积极的意义。     

基于径向基神经网络的舰船备件需求预测

针对舰船装备保障过程中备件数量的确定方法缺乏科学性和实际操作繁琐的现状,分析了影响舰船备件数量主要因素,研究了径向基神经网络的工作原理,提出基于径向基函数神经网络的舰船备件需求预测方法。最后给出了预测实例,并与BP神经网络预测结果进行对比。结果表明,径向基神经网络预测方法操作简单,预测结果符合实际情况,拟合效果优于BP。     

基于改进BP神经网络的凉山半细毛羊生产性状预测

为了对凉山半细毛羊生产性状进行预测,试验以遗传算法优化的BP神经网络建立预测模型,通过观测凉山半细毛羊从初生到断奶的5个早期性状(羔羊初生重、羔羊断奶重、初生～断奶日增重、断奶毛长度、断奶毛细度)对其2个成年生产性状(成年体重、成年剪毛量)进行预测。预测值与实测值的相关系数分别为0.878和0.889,说明该预测模型具有较高的准确性,且网络训练时间为39.53 s。与传统的BP神经网络相比,预测精度和训练时间都得到较大提高。     

基于神经网络的电动黄油枪运行参数的预测

本文首先介绍了神经网络预测控制模型,然后建立BP网络预测模型并运用Matlab编程语言,对黄油枪的运行参数进行预测。预测用的学习样本和测试数据都是实际测量数据,经过BP网络训练与测试达到了相应的要求。从测试结果看,采用输入参数正常的数据所得到的预测误差很小,而采用异常输入数据则产生了较大的预测误差。说明该网络预测模型有较高的准确性,能够预测出产品的异常运行参数,为产品的质量控制提供可靠依据。     

基于灰色神经网络评价教学质量的研究

为了提高教学质量评价的准确性,提出一种基于灰色理论和BP神经网络相融合的教学质量评价方法,研究首先确定对评价结果有重要贡献率的13个指标作为灰色神经网络输入向量,然后在BP神经网络中引入灰色模型构建灰色神经网络模型,最后通过发放问卷的形式收集课程的30个样本数据并训练灰色神经网络,利用训练后的神经网络评价测试样本及数据。结果表明:灰色理论的神经网络模型误差均方差是0.92,小于BP神经网络模型,可以有效评价课程的教学质量。     

基于近红外透射技术的乳制品成分含量检测

使用自行设计的近红外透射光谱仪系统,针对牛奶的蛋白质、脂肪和乳糖建立定量分析模型进行检测,利用Fisher分类方法和BP神经网络分类方法建立了针对酸奶品牌的分类模型。结果表明,上述两种方法都可以用于酸奶品牌和种类的分类检测,其中BP神经网络方法具有更高的准确性。     

BP神经网络在新城疫预测研究中的应用

对气象条件和新城疫发病率进行相关性分析,结合动物流行病学理论确定影响新城疫发病的关键气象因素。利用Matlab软件进行BP(Back-propagation)神经网络预测模型构建,计算预测值与实际发病率的误差绝对值和决定系数R2对所建预测模型进行检验。结果表明将6种气象因素作为预测研究的关键气象因子,BP神经网络模型其决定系数R2=0.760,证实预测效果较好。初步构建出新城疫发病的神经网络预测模型,探索性地将BP神经网络理论在动物疫病预测研究领域中运用,为进一步展开动物疫病预测的研究提供理论参考。     

基于GA-PSO-BP神经网络的羊群动态称重方法改进

为了解决羊只称重时因应激反应过大导致测量不精准问题,试验搭建了羊群动态称重系统并设计了一种改进GA-PSO-BP神经网络的羊群动态称重方法,即利用滑动平均滤波算法对干扰数据进行平稳处理,采用改进GA-PSO混合算法优化BP神经网络的权值和阈值;并对BP神经网络、PSO-BP神经网络、改进GA-PSO-BP神经网络三种模型进行训练和性能比较。结果表明：改进GA-PSO-BP神经网络的预测准确度最高,预测误差在1.00 kg内的体重值占85%;平均绝对百分比误差为0.679 6%,较BP神经网络(1.007 4%)和PSO-BP神经网络(0.975 2%)都有明显提升,但测量单只羊只所需时间为11.2 s,较PSO-BP神经网络(10.5 s)稍低。说明改进GA-PSO-BP神经网络的羊群动态称重方法可满足牧场智能化饲养需求。     

基于烟花算法的BP神经网络预测含根土抗剪强度

为了解决BP神经网络在对含根土抗剪强度的预测中存在的预测精度低，计算收敛速度较慢，容易陷入局部极值等问题，本研究通过直剪试验、团聚试验、根系分形分析试验等探究了不同因素对含根土抗剪强度的影响，并对各因素进行相关性分析，从中选取了大团聚体含量（R0.25）、平均重量直径（MWD）、几何平均直径（GMD）、土壤分形维数（Dd）、根表面积、平均直径6个影响含根土抗剪强度的因素作为模型输入层节点，含根土的抗剪强度作为输出层节点。参考FangfaGorman理论公式、Kolmogorov理论公式以及一种经验公式分别计算，并对结果进行讨论，确定了本研究中神经网络的最佳隐含层节点数量为13。建立6∶13∶1的BP神经网络模型，并引入了烟花算法（FWA）对BP神经网络进行优化。结果显示，BP神经网络、粒子群算法（PSO）优化的BP神经网络、FWA-BP神经网络的预测值与期望值的最大相对误差分别为11.12%、9.06%、7.44%，平均相对误差分别为4.60%、3.24%、1.96%，相较于BP神经网络和PSO-BP神经网络，FWA-BP神经网络预测误差值有明显降低；对比引入的统计参数，均方根误差（R...     

基于BP神经元网络的鱼塘溶氧预测模型研究

为了能够提高水产养殖中水体溶氧量短期预测精度,提出将遗传算法和反向传播(BP)神经网络相结合的预测模型。根据相关研究,采用对池水含氧量影响较大的几个影响因素,作为预测模型的输入端变化量;BP神经网络优化的阈值和初始权值通过遗传算法来获得,遗传算法具有全局搜索能力。采用改进后的BP神经网络建立起短期鱼塘含氧量预测模型,该方法具有较高的预测精度。     

基于BP神经网络和支持向量机的降水量空间插值对比研究——以甘肃省为例

为探究降水数据产品的高精度空间插值方法及其应用差异,以BP神经网络和支持向量机模型为研究对象,选取甘肃省为研究区域,构建降水量空间插值模型,分别完成基于两种模型的甘肃省降水量空间插值结果,并划分西区、中区、东区3个建模分区,对比分析两种模型空间插值的精度和应用差异。结果表明:支持向量机模型的插值精度显著高于BP神经网络模型,且支持向量机模型在降水空间分布中能体现更多细节;西区平均相对误差最大,其中,BP神经网络模型32.32%,支持向量机模型仅23.74%;东区平均相对误差最小,BP神经网络为8.28%,支持向量机模型为6.15%;另外,分区建模的插值精度有所提高,但两种模型的提高幅度存在差异,BP神经网络的平均相对误差降低了5.08%,支持向量机模型仅降低0.66%,表明支持向量机模型更加稳定,对影响降水量的经纬度和高程等因子自身变异性的适应能力更强。此研究解决了常用的反距离权重、样条函数、克里金插值等方法在降水量插值过程中准确性差,精度低的问题,为提高降水量空间插值的精度提供了新方法和思路。     

BP神经网络模型用于气象因素对PRRS发病预测的研究

对气象数据和猪蓝耳病发病率进行相关性分析,结合动物流行病学理论确定影响猪蓝耳病发病的关键气象因素.利用Matlab软件进行BP(Back-propagation)神经网络预测模型构建,计算预测值与实际发病率的误差绝对值和决定系数R2对所建预测模型进行检验.结果表明,将13种气象因素作为预测研究的关键气象因子,BP神经网络模型其决定系数R2=0.821,证实预测效果较好.初步构建出猪蓝耳病发病的神经网络预测模型,探索性地将BP神经网络理论在动物疫病预测研究领域中运用,为进一步展开动物疫病预测的研究提供理论参考.     

能源总量的BP网络与粒子群优化预测

能源是影响人类生存、发展的最重要的因素之一,它决定着生活水平和经济发展的快慢,准确预测能源总量具有重要意义。本文提出一种采用BP网络及粒子群优化对能源总量进行预测的方法。仿真实验表明,BP神经网络预测精度与网络参数初始值有很大关系,将粒子群优化BP模型与传统的BP网络预测结果进行比较,证明PSO-BP模型预测比传统BP网络的预测结果更加准确。     

电力短期负荷预测的研究

电力短期负荷预测是电力部门的一项重要工作,在电力系统的安全、可靠及经济运行中起到了很重要的作用。在本文中,利用模拟退火算法的全局寻优能力和BP神经网络的非线性学习能力,提出了模拟退火BP神经网络的电力短期负荷预测模型来实现短期负荷的预测,从而能有效地克服BP神经网络容易限入局部极小的缺陷。通过某市的实际数据为算例,验证了本算法的有效性和优越性。     

基于DEA与BP神经网络混合系统的设计与开发

DEA是一种基于线性规划理论、广泛应用于效率评价的系统分析方法,属于事后评价的范围。BP神经网络的容错能力、学习能力、纠错能力使其在非线性系统预测方面有着广泛的应用。目前DEA与BP神经网络的混合模型已得到广泛研究,其可以在资源投入阶段就进行评价,这样一旦发现问题可以及时调整,变事后评价为事前控制。但是软件的分离使用极大地限制了此混合模型的应用。本文基于DEA与BP神经网络,利用MATLAB将DEA软件与BP神经网络工具箱结合在一起,设计开发了混合效率预测模型系统。利用此系统可以进行效率预测,及时调整投入指标以减少投入资源的浪费,提高能源利用率,并且此系统提供了良好的人际交互界面,避免了复杂的人工操作。     

BP神经网络在煤相预测分析中的应用

应用煤相分析完成煤层气潜力评价和生气有利带预测已成为煤层气勘探开发中十分重要的方法 ,然而复杂多样的成煤环境导致不同的层位(纵向上)和不同地区(平面上)的煤相特征存在明显差异,使用传统方法很难实现快速准确的煤相描述,本文采用BP神经网络的方法,利用其较强的自适应非线性学习能力,建立了煤相神经网络模型,并进行了网络训练及预测。结果表明,BP神经网络预测值与实际值非常吻合,从而为煤相研究提供了一种高效准确的方法。     

利用BP网络预测初产母牛305天产奶量

利用三层BP神经网络对非线性系统的函数所具有的以任意精度逼近的良好特性,设计了一个用于预测初产母牛305d产奶量的BP模型,通过对初产母牛日最高产奶量、90d产奶量与初产母牛305d产奶量的相关分析,来确定网络的拓扑结构,经仿真实验结果表明,应用BP网络预测方法可以提前210d左右预测初产母牛305d产奶量,模型预测精度高,预测方法可行,具有一定的实用价值。