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．     

晚稻稻瘟病BP神经网络分区预报

应用相关分析方法分析了浙江省19个县1988～1999年晚稻稻瘟病发病与有关环境因子的关系,筛选了8个气象因子用于晚稻稻瘟病发生程度长期预报。根据各预报因子与稻瘟病发病程度相关性,采用邻接二维图论聚类分析法,将19个点(县)划分为4个生态区。每个生态区内运用BP神经网络技术建立模型,并进行拟合和试报。1997～1999年试报验证,在划分稻瘟病生态区的基础上,应用BP神经网络模型对稻瘟病进行长期预测预报是可行的,3年试报成功率分别是78.95％、84.21％和78.95％。文中还对该方法与过去常用的预报方法的试报结果作了比较。     

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LM算法的BP神经网络的电力负荷短期预测

清代书院课艺总集多为连续出版物，或具有连续出版物的刊行初衷。刊期短则一季，多则一年或数年。经费充足与否，会影响刊期。发表周期多为一年至五年，也有十余年的。用稿率以10%~20%居多，偶见“关系稿”。时文的用稿标准是“清真雅正”。题目多为官师所拟。一般全文刊登，也偶有“论点摘编”。多经润色，并附录评点。有的以袖珍本刊行，有的宣称“翻刻必究”，标出定价，附载广告。稿费已在膏火费中预支，优秀作品可被转载。从本质属性和诸多要素来看，书院课艺总集实开今日“大学学报”、“学术集刊”之先河。     

Multiple Layer BP Neural Network for Fuzzy Calculating

The FCBP(Fuzzy calculating BP) algorithm which is proposed by this paper hasovercome the sensitivity for samples,reduced the number of input layer's samples,lightened the burden of input layer.it is suitable to fuzzy inference and pattern recognition.     

Using BP Neural Network to Determine the Membership Function of the Input of Fuzzy Control System

While design the fuzzy controller, it is very important to determine the membership function of fuzzy variables.The data can be broadly classified as fuzzy sets by using the classification property of the BP neural network. The author selects a BP neural network with one hide layer and uses S function to the input and hide layer, and linear function to the output layer.Advanced BP algorithm isused to train the BP neural network in the environment of MATLAB . The nearer to the target values is the better the last output is.With the trained BP network , the membership values of the inputs can be got ten. This method has high rate and low error.     

基于BP神经网络的润滑流量因子系数的预测

因现有润滑方程中的流量因子系数值有限，不能满足摩擦学研究的需要。本文利用BP神经网络，使用L—M规则，对润滑方程中流量因子系数进行了预测。训练时，以微凸体的纵横比v为输入样本,输出样本为压力流量因子的两个系数。结果表明：训练良好的BP网络输出数据与实测数据吻合较好，并具有收敛速度快等特点。     

BP神经网络在焉耆盆地农田排水量

利用BP神经网络技术对焉耆盆地农田排水量进行预测。利用灰色关联度分析确定了排水量与各影响因素的关系，选取了对排水量影响最大的5个因素作为BP网络的输入，利用均匀设计方法，确定了最优的神经网络结构。估算结果表明利用BP神经网络可以准确的估算农田排水量，最大相对误差仅为-2.45％。     

神经网络模糊PID算法在温室温度控制中的仿真研究

为了更好地实现对温室温度的控制,提出了温室温度控制的一种新的控制方法;通过仿真比较证明了此方法的有效性,并对其动静态特性、鲁棒性和抗干扰能力进行了探讨。结果表明,采用神经网络模糊PID算法的温室温度控制方法具有较好的动静态特性、鲁棒性和抗干扰能力。     

基于人工神经网络的PV/T热电联供系统性能预测

为研究太阳能PV/T热电联供系统的性能和针对太阳能PV/T系统复杂的能量平衡方程,搭建了太阳能PV/T系统试验台,同时建立了基于改进灰狼优化的BP神经网络(back propagation neural network model based on improved grey wolf algorithm, IGWO-BP)预测模型,在晴朗天气下进行试验,并采用该模型对系统电功率以及蓄热水箱内水温进行预测。结果显示,晴朗日系统的电效率8.7%～12.2%、热效率51.7%;预测结果与BP神经网络预测模型、基于粒子群优化的BP神经网络(back propagation neural network based on particle swarm optimization, PSO-BP)预测模型和卷积神经网络（convolutional neural network, CNN）预测模型预测结果进行比较,结果显示IGWO-BP预测模型电效率预测模型的绝对百分比误差(mean absolute percentage error, MAPE)、决定系数(determination coefficient, R ² )、均方根误差(root mean square error, RMSE)、效率因子(efficient factor, EF)和Pearson相关系数(pearson related coefficient, r )分别为4.5E-05、0.99、0.24、0.99和1.00,在储热罐温度预测中,上述指标分别为8.90E-04、0.98、0.07、0.98、0.99,均优于其他预测模型,IGWO-BP神经网络预测模型具有更好的预测性能。研究结果可为太阳能PV/T热电联供系统性能预测与优化控制提供参考。