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．     

BP—6型便携式原木剥皮机

随着木材综合利用的大力发展，木材加工企业要求对原木进行剥皮作用的机械化。为此，我们研制了比较理想的BP—6型便携式木材剥皮机。 1 主要技术参数……     

用自组织人工神经网络预判昆虫适生区

本文运用Ｔ．Ｋｏｈｏｎｅｎ自组织人工神经网络预判昆虫适生区，并以桔小实蝇作为研究对象，验证了该网络的可靠性。结果表明，神经网络方法性能良好，可望成为植检对象适生区预判的有效手段。     

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。     

模式识别和主成分分析在多环芳烃室温磷光分析中的应用

本研究应用主成分分析和人工神经网络两种模式识别方法对多环芳烃混合物固体基质室温磷光重叠光谱进行分析,考察了主成分分析和人工神经网络对多环芳烃混合物SS-RTP的处理效果,结果显示应用人工神经网络对于苯并喹琳、苊、菲啶、咔唑和芴等多环芳烃任意组合混合物能够很好地区分开来,这表明RBF神经网络在复杂多环芳烃混合物定性分析中具有很好的应用性和可行性.     

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。     

人工神经网络在水资源规划领域中的应用

本文从水资源现状及发展前景出发,介绍了如今被越来越重视的智能规划方法——人工神经网络,以及其在水文领域被广泛应用的BP算法.防治洪水灾害是水资源规划的一项重要内容,结合BP神经网络进行水文预报使得预报更为简便易于操作,预报精度较传统水文模型也有一定提高.因此加强人工神经网络的深入研究,并耦合其他方法,使其更为灵活广泛地应用于水文预报领域十分重要.     

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。