改进粒子群优化 BP 神经网络的洪水智能预①测模型研究

该文提出改进的PSO‐BP算法在洪水预测应用中建立预测模型。以BP神经网络为基础,提取观测站往年平均径流量作为洪水属性。采用改进的PSO‐BP算法对神经网络的各个参数进行优化,最后建立模型应用于流域观测站的洪水预报模型,叙述了PSO粒子群算法和BP神经网络算法,详细阐述粒子群算法优化BP神经网络的权值和阈值,得出最优的BP神经网络预测适应度值。通过实验仿真对比,结果表明此方法预测结果比BP神经网络算法和混沌径向基神经网络模型算法精度更高,提高了预测的效率。     

改进遗传神经网络在甘蔗产量预测中的应用

传统甘蔗产量预测方法对外界多因素关联作用的农作物产量预测的难度大、精度差、准确度低,本文提出改进自适应交叉和变异算子的遗传BP算法,多元逐步回归简化BP网络的输入变量,应用改进的遗传BP算法策略,并以甘蔗产量实例数据进行了验证和分析,结果表明,改进的遗传BP算法总体效果最优.     

基于人工神经网络的农民收入预测模型的应用分析——以陕西省为例

阐述了神经网络及其BP算法的工作原理,将神经网络的BP算法引入农民收入研究领域,并应用MATLAB神经网络工具箱对陕西省农民纯收入进行了预测研究。预测模型在预测精度和算法的收敛速度方面都达到了较好的效果,对未来农民收入的研究具有重要意义。     

基于遗传神经网络的采暖季PM10浓度预测

用GA算法和BP算法相结合的算法预测西安市PM10污染浓度,首先采用GA算法优化BP神经网络模型的初始权重,再用BP算法进行精确训练,在此基础上进行浓度预报。实例表明GA-BP神经网络解决了BP神经网络收敛速度慢和易于陷入极小值的问题,提高了预测精度。     

优化BP神经网络算法在油茶产量预测中的应用

针对标准的BP神经网络模型对我国南方的重要木本油料树种油茶产量进行预测过程中存在的缺陷,采用相对误差逐步优化回溯算法在迭代过程的参数,使原始的BP神经网算法在运算精度和计算速度上均得到显著的提高,即一种改进的回溯算法优化BP神经网络预测模型。经过试验效验与仿真证明,得到的改进算法不仅能提高油茶产量预测的收敛速度,而且在油茶产量预测精度上也有很大的提高。优化后的BP神经网络算法为多要素因子之间相互影响事件的结果预测,提供了新的设计思路和更好的解决方法。     

基于L-M算法的BP神经网络在大坝安全监控预报中的应用

为克服BP神经网络收敛速度缓慢的缺陷,以L-M算法代替梯度下降法训练网络.建立了基于L-M算法的大坝安全监控整体L-M模型和逐一L-M模型,并与快速BP模型进行对比.应用实例研究表明:整体L-M模型和逐一L-M模型的预测效果及训练速度均显著优于快速BP模型,逐一L-M模型的预测精度及泛化能力均优于整体L-M模型,且预报时间短,可以用于大坝监控的实时预报.     

BP神经网络算法的一种改进及在小麦赤霉病预测中的应用

针对BP网络收敛速度慢,计算量大等缺点,提出了动量法和批处理梯度下降学习算法相结合的BP神经网络改进算法,用以提高BP网络训练速度。该方法成功地实现了小麦赤霉病流行程度预测,效果显著。     

基于灰色理论的BP神经网络入侵预测模型

提出一种基于灰色理论BP神经网络的网络入侵预测方法。针对传统的预测方法难以高效预测大规模网络的复杂攻击行为,利用基于灰色理论的BP神经网络算法,对网络传输中的数据包建立模型、分析和检测识别,结果表明了改进后的入侵预测模型具有更好的预测精确度和效率。     

改进的BP神经网络在单桩竖向承载力预测中的应用

提出了用改进的BP神经网络对单桩竖向承载力进行预测的新方法,并编写了相应的训练程序.实例计算表明,改进的BP神经网络算法比一般的BP模型结果误差小、收敛快,对单桩竖向承载力的预测行之有效.     

改进BP神经网络在管道腐蚀速率预测中的应用

针对影响管道腐蚀速率预测精度出现的BP算法易陷入局部最小值、收敛速度慢和引起振荡效应等问题,根据改进自适应遗传算法在广泛的空间搜索和向最优解的方向尽快收敛于最优目标的特点,提出了使用改进自适应遗传算法优化BP神经网络,构建了优化的混合算法神经网络模型.实际应用表明,该模型将大大提高网络的学习效率和预测评判的准确率.     

混凝土强度预测的混沌优化神经网络模型

BP神经网络方法由于综合考虑了高强度、高性能混凝土强度的各种影响因素，能够实现非线性关系，可以用于混凝土强度预测上。为克服传统BP网络收敛速度慢、易出现麻痹现象等不足，本文采用自适应变步长(ABPM)算法来改进的BP神经网络，提出了基于混沌优化的自适应变步长(ABPM)神经网络模型，并将其预测结果和训练效率进行了分析。该方法主要利用混沌运动的遍历性为梯度算法创造一个良好的搜索界面。仿真结果表明，混沌优化的ABPM神经网络用于混凝土强度的预测，方法简单可行，搜索速度快，预测结果可靠、精度高。     

车辆牌照自动识别的原理和实现

车辆牌照自动识别是智能交通系统(ITS)的重要组成部分，在交通、治安、管理等方面有着广泛的应用。在车牌的自动识别系统中，因自然因素或采样因素使得原本规则的印刷体字符产生畸变，给字符识别带来了很大困难。我们研究的这套系统着重于应用，使用简洁、快速的定位、二值化、分割和识别算法，在字符提取的基础上，采用BP神经网络进行分类，该算法简便，识别率高，可适用于多种高噪声环境中的印刷体字符识别，在现场应用中取得了良好的结果。     

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。     

基于BP神经网络的缺测降水数据插补

 缺测降水数据的插补可以有效改善数据系列的完整性,以元江境内的元江、洼垤、因远、街子河、阿支、磨房河等水文和雨量站点逐月及年降水数据为基础,研究缺测降水数据的插补。站点之间月降水数据相关分析表明：各站点之间相关性较差,相关分析难以满足本研究流域内部分月降水数据插补精度,故尝试采用BP神经网络模型对研究流域降水数据进行插补。研究表明：基于本流域降水数据建立的神经网络模型检测样本合格率达到89.6%,具有较好的插补精度,说明神经网络可以用于本研究流域的缺测降水数据插补,为降水数据缺测的插补提供了新的途径。     

基于人工神经网络的井灌水稻区地下水位预测

利用带动量项学习规则的改进 BP算法 ,对三江平原创业农场井灌水稻区逐月地下水埋深进行了模似仿真 ,将人工神经网络技术 (ANN)与广大井灌水稻区生产实际相结合 ,通过网络检验与预测 ,模型精度与预测精度均达到满意效果。该网络模型对于节约地下水开采量 ,恢复该地区的地下水动态平衡、制定农作物优化灌溉制度、发展节水灌溉、促进农业及水资源的可持续发展提供参考作用     

基于BP神经网络技术的土壤水(盐)环境监测

本文根据区域水环境预测中水盐监测与评价的要求,利用内蒙古河套灌区内1个试验区春季水盐网格采样数据,采用BP神经网络技术进行了水盐估计。结果表明:BP神经网络技术可以用于二维区域水盐监测。     

基于BP神经网络的马铃薯气候产量预报模型

为了准确预测马铃薯气候产量达到趋利避害的目的,利用1980—2015 年山西省大同市马铃薯产量及同期国家基准观象台观测到的气候资料,选用传统的统计回归方法和BP神经网络方法分别建立马铃薯产量预报模型。结果表明：通过二次函数曲线和最小二乘法确定马铃薯敏感期的气候因子是气温、日照和降水,其中降水对马铃薯产量的影响最大。通过改进的气候产量算法可以更好地反映气候要素与作物单产之间的函数关系。在Matlab 平台上训练精度设为0.005、学习率0.01 的BP神经网络方法可以很好地逼近非线性函数。用大于1/3 样本进行预报检验表明,在预报精度和拟合精度上,BP神经网络模型都明显优于传统的回归模型,BP神经网络方法在马铃薯产量预报中有具有非常广泛的应用前景。     

基于MATLAB下BP网络在力学反问题中的应用*

 在简介MATLAB语言和BP神经网络的基础上,建立了薄板力学参数反求的BP模型,调用了MATLAB软件中的神经网络工具箱,模型经过训练,并应用于实例求解,取得了良好的效果。表明运用BP神经网络进行力学反问题求解是可行的。同时,运用MATLAB神经网络工具箱,免去了繁琐的编程工作,计算效率明显提高。     

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。     

马尾松人工林经营密度模型研究

采用人工神经网络的建模技术建立了林分蓄积与立木密度、林分年龄和地位指数间的全林分生长模型,并以所建全林分生长模型为基础构造目标函数,采用改进单纯形法对建立的目标函数进行搜索寻优,以找到最佳的经营密度及对应的间伐时间。结果表明,拟合结果符合林分生长规律,可以用BP神经网络建模技术建立相应的全林分生长模型;用改进单纯形法对目标函数进行优化,不仅可以求得最优的保留密度,而且可以求得对应的间伐时间。