基于BP神经网络的太阳辐射预测——以兰州市为例

采用常规气象观测资料建立了兰州市太阳总辐射BP神经网络预测模型,利用神经网络释义图和连接权法剔除了模型中的冗余变量,用优化的BP网络模型预测了兰州市1996-2000年的太阳辐射,并用实测数据验证了该模型。结果表明:该方法增加了模型的透明度,提高了模型的可靠性和鲁棒性,模拟结果与实测值非常吻合,模拟值的各项误差指标值均很小,模拟值与实测值的拟合优度R2达到0.987,通过与其他经验模型的模拟结果进行对比,优化的BP网络模型的模拟效果最好,精度明显高于其它经验模型。因此,对于无太阳辐射观测的地区,优化后的BP网络模型是预测当地太阳辐射的一种有效方法。     

基于Lasso和BP神经网络的组合预测及其应用——以居民消费支出预测为例

在变量选择的基础上，构建基于Lasso方法和BP神经网络的预测模型，并对我国城乡居民的消费支出进行预测，结果显示：基于Lasso方法和BP神经网络的组合预测精度要明显高于BP神经网络、Lasso方法的预测精度；在2014~2020年，我国农村居民消费增长率有所提升，城镇居民消费增长率减缓，城乡居民消费增长率之间的差距呈下降趋势，但短期内城乡居民消费差距依然难以缓和。     

基于RBF神经网络的筑坝建库环境影响综合评价——以富岭水库为例

针对水电工程与社会、经济、生态、环境系统复杂的关系,选用PSR概念模型建立指标体系,构建了基于RBF的神经网络模型。以2014年为评价水平年,对富岭水库的环境影响进行评价。根据训练好的神经网络,输入评价指标,计算得出评价指数为0.379。结果表明:生态环境影响处于四级,总体为负效应,但影响程度较小。     

基于改进B样条神经网络-PID控制器的温室温度控制技术

针对温室温度控制系统所存在的大惯性、非线性等问题,提出神经网络PID控制算法,并利用知识局部存储且具有较快学习速度的B样条函数作为网络隐层神经元函数,同时,提出了β参数型-B样条曲线的重新参数化方法,通过学习算法对β参数搜索来动态调节B样条基函数,从而建立B-BP神经网络,并利用其对PID控制器的比例、积分和微分参数进行优化调整,从而为B-BP-PID控制器的参数自适应调整提供更好的保证,使温度控制系统有效跟踪系统模型并达到较高的辨识精度。仿真试验获得B-BP-PID控制器的最佳β因子为3.2,其温度控制超调量为27%,调节时间为0.8 s,而BP-PID控制器的超调量为25%,调节时间为4.8 s,RBF-PID控制器的超调量为40%,调节时间为1.2 s,新算法有效提高了温度控制过程的稳定性、精确性与鲁棒性。     

基于PSO-BP神经网络的外贸发展状况的评价

以我国对外贸易的实际情况为基础，建立了评价外贸发展状况的一套指标体系.使用主成分分析方法对所有评价指标进行预处理之后，借助粒子群优化算法改进了BP神经网络算法，构建了外贸发展状况的评价模型.评价模型在具体应用中，评价结果较为准确，具有一定的科学性和合理性.     

PSO-BP神经网络在多元有害气体检测中的应用

针对常见的有害气体的检测,建立PSO-BP神经网络有积极的作用.文章从检测系统的建立入手,分析了PSO-BP神经网络的特点、算法,并通过实验验证了PSO-BP神经网络的优势.     

足球过人战术在采摘机器人路径规划中的应用

随着人口老龄化的到来及农村青壮年的流失,实现农业生产自动化的需求越发迫切。采摘具有劳动强度大、技能要求高的特点,是发展自动化的核心领域。为此,以测距传感器作为检测元件,设计了采摘机器人的行走机构及路径规划系统。路径规划系统采用4层模糊神经网络架构,采用足球过人战术建立避障规则和目标导引规则。采用梯度下降法对神经网络进行训练,通过调整连接权系数ω_(li)、高斯隶属函数中心值c_(jk)及宽度值σ_(jk),使实际输出向输出期望快速逼近,当满足阀值要求时,输出机器人速度V和转角Δa。仿真实验结果表明:系统具有良好的路径规划精度,且结构简单、生产成本低,适于大范围推广。     

基于LM-BP神经网络的采摘机器人智能运动策略研究

首先介绍了BP神经网络和LM-BP神经网络的原理,然后介绍了采摘机器人运动学模型,最后采用LM-BP神经网络实现了采摘机器人智能运动策略。MatLab仿真表明:对于不同的果树种植布局及不同的起点和终点,采摘机器人采用该算法均能产生可行的无碰撞路径,以顺利完成采摘作业。     

基于图和神经网络的数控加工特征识别

本文从当前特征识别方法中存在的问题出发,提出了一种基于图(属性邻接图)和神经网络的数控加工特征识别方法,结合属性邻接图实现对产品数据相关文件的预处理,并运用遗传算法,对BP神经网络进行了优化,希望能够为特征识别提供一种有效方法。     

FCN用于母猪性能测定的探索

种猪性能测定对于猪的育种工作至关重要。目前常用B超测定猪活体的背膘厚和眼肌面积,但是也存在一些问题。全卷积神经网络(FCN)在计算机视觉方面应用广泛。基于FCN模型和猪B超图片,开展背膘厚和眼肌面积的图像识别很有价值,但是也存在一定的挑战。对FCN应用于种猪性能测定的前景和技术进行分析