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。     

基于MATLAB的BP神经网络在农作物虫情测预报中的应用

本文主要利用神经网络理论,基于MATLAB的神经网络工具箱建立了虫害发生量预报预测的BP神经网络预测系统,确定了发生量与自然因素之间的联系。并通过对安徽省庐江县田间水稻病情的预测来检验模型的效果。实验结果证明了该模型用于虫情预测的可行性,具有很好的应用价值。     

基于逐步回归法和BP神经网络模型的苹果产量预测

本文通过逐步回归法挑选出4个影响苹果产量的关键气象因子,并运用逐步回归法和BP神经网络建立苹果产量预测模型。通过检验,2种预测模型拟合效果均较好,均能够较好地预测今后苹果的产量趋势。其中BP神经网络模型预测有较高精度,但存在局限性。     

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BP神经网络的西瓜仁重预测

人工神经网络是人工构造的模拟人脑功能而构建的一种网络,其中BP学习算法是一种单向传播的多层前向网络.利用MATLAB神经网络工具箱,设计BP网络的训练步骤,从园艺试验田观测的数据中抽取部分数据作为样本预测西瓜仁重,把影响西瓜种仁重的4个主要因素作为网络的输入向量,西瓜种仁重为网络的输出向量,根据需要调用相关程序,从而避免了编写大量的算法程序,训练结果表明,预测结果与实验结果吻合.     

基于BP神经网络的灌区耗水量模拟预测模型

青铜峡灌区耗水量是一个复杂的非线性系统,受多种因素的影响,而农业耗水量是耗水大户.将影响灌区农业耗水量的主要因素:引水量、排水量、降雨量、蒸发量和地下水位埋深作为影响因子,建立青铜峡灌区灌溉耗水量的BP神经网络预测模型.结果表明,应用此网络,对2001-2003年灌区灌溉耗水量进行了预测,误差满足要求,精度较高,说明网络函数的选取和结构设计较为合理,该模型可用于灌区农业耗水量的预测.     

BP神经网络模型在象山港水环境承载力研究中的应用

为研究近年象山港水环境承载力状况,根据2010—2013年象山港水质指标DO、COD、DIN和DIP的统计数据获取指标阈值,应用BP神经网络技术建立象山港水环境承载力研究模型。模型输入指标为DO、COD、DIN和DIP的监测值,输出为水环境承载力指数。应用构建的模型对2014年春、夏、秋、冬象山港水环境承载力进行研究,结果表明:2014年象山港水环境承载力指数季节平均值都小于0. 4,水环境承载力总体不理想。象山港湾内的水环境承载力整体高于外海。湾口受外海影响,水环境承载力常年偏低;内湾水环境承载力季节变化复杂,主要为局部影响;湾中部水环境承载力春季偏高,夏季偏低,这与生物活动有关。BP神经网络模型结构简单、数据结果直观可靠,可应用于象山港水环境承载力问题的研究。     

水质预测的因素状态网络模型研究

通过对因素神经网络理论的研究,提出了因素状态BP网络;通过将信息扩散原理和落影技术结合,形成信息扩散式落影,并与因素状态BP网络有机结合,解决了知识非完备性的问题以及由于训练样本有矛盾样点而使平凡BP因素网络无法训练出结果的问题.以此建立的水质预测的因素状态人工神经网络模型应用于丹江口水库,获得了令人满意的结果.     

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 %。     

基于相空间遗传BP神经网络的径流预测研究

基于混沌时间序列的重构相空间、遗传算法的良好全局搜索和神经网络精确的局部搜索特性,以重构相空间中的饱和嵌入维数作为神经网络输入层节点数,通过采用遗传算法优化神经网络初始权重,将重构相空间、遗传算法、神经网络三者有机地结合,提出并建立了相空间遗传BP神经网络预测模型。将该模型用于黄河上游月径流预测,结果表明,该模型应用在水文时间序列的预测中是合理、可行的,并具有较高的精度。     

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。