Prediction of SO_2 Concentration in Urban Atmosphere Based on B-P Neural Network

Base on the principle and method of B-P neural network,the prediction model of SO2 concentration in urban atmosphere was established by using the statistical data of a city in southwest China from 1991 to 2009,so as to forecast atmospheric SO2 concentration in a city of southwest China.The results showed that B-P neural network applied in the prediction of SO2 concentration in urban atmosphere was reasonable and efficient with high accuracy and wide adaptability,so it was worthy to be popularized.

BP神经网络在钻孔测井资料分类识别杂卤石中的研究

以BP神经网络理论和测井解释为基础,测井数据作为输入,构建神经网络模型。对川中地区下中三叠统杂卤石层做精细识别,将识别结果与录井资料对比,正确率达到86.3%,在改变约束条件的情况下正确率达到97.7%,识别效果好;以杂卤石含量高低对测井响应值的影响程度不同为依据,构建杂卤石层分类识别模型,模型识别正确率达到82.51%,能较为准确且快速地识别出杂卤石层、石膏质杂卤石层和杂卤石膏岩层,与常规测井解释方法相比具有明显优势。结果表明,将BP神经网络运用到钾矿勘探中具有良好前景。

矿山灾害评价的BP-神经网络模型研究

人工神经网络具有自适应机制,通过训练和学习,达到对知识进行分类、模式判别、联想记忆等能力。矿山开采引发的灾害评估问题可以看作是一个模式识别问题。利用BP神经网络建立了一类矿山灾害评估模型,给出了计算方法,并以单隐层和双隐层两种网络结构使用实例做了计算和分析,验证了模型的正确性。

基于B-P神经网络的非线性系统预测控制的研究

预测控制是以计算机为手段基于模型预测进行控制的方法，但是已有的预测控制算法通常是针对线性渐进稳定对象的，或者即使针对非线性使用了非线性模型，但由于算法过于复杂不能适用于快速系统．本文对复杂非线性系统提出了一种基于Ｂ－Ｐ神经网络的预测控制方法，仿真和实际结果表明该方法的有效性和快速性，能够实现对非线性系统的实时智能优化控制．

基于改进型B-P神经网络的西天山云杉林生物量估算

以西天山云杉林为例,在实地调查的基础上,以NDVI等七个植被指数和TM/ETM数据主成分变换后的前5个主成分为自变量,应用B-P人工神经网络技术,建立了西天山尼勒克林区遥感影像数据与云杉林生物量实地数据之间的神经网络模型.通过训练和仿真,与实地数据进行比较,结果表明,云杉林生物量估算值与实际值之间的平均相对误差为8.21%,精度较高.

基于B-P神经网络的环境空气质量预测模型

B-P神经网络是一种刻画非线性现象的强有力工具,可以将它应用到环境空气质量预测中。B-P神经网络针对不同的监测项目,根据不同的气象特征因子,将污染源排放数据为输入因子,监测点位监测数据作为输出因子,形成多组训练样本,进行学习训练,建立起不同的预测网络。然后用空气污染源排放监测数据输入相同气象条件的、已调整好权值的B-P神经网络系统,即可输出该项污染物的监测点位预测监测值。实验证明B-P神经网络预测模型取得了较好的结果,比现有预测模型具有更大的优势。

基于B-P神经网络的公司高管人员绩效评价

首先阐述了高管人员绩效评价的重要性,在建立高管人员绩效评价指标体系的基础上,介绍了基于B-P神经网络的高管人员绩效评价机理,并给出了应用实例。通过该实例表明,该评价方法具有准确性和实用性的特点,是一种评价高管人员绩效的有效方法。

B-P算法在青海省降雨分区分级预报中的应用

选用０８：００（北京时）常规资料和数值预报产品作为预报输入资料，将关键区要素场作车贝雪夫多项式展开，取车贝雪夫系数作为预报因子，由Ｂ－Ｐ神经元网络进行训练，分别建立了全省各片未来２４ｈ内有、无≥５，１０和２５ｍｍ降水天气过程的人工神经元降水分区预报系统。从学习结果看，历史概括率均达９５％以上，１９９４和１９９５年６，７，８三个月的业务试报。

采用MOS气敏阵列与B-P网络的气体分析方法研究

研究了采用廉价的MOS气敏阵列与B－P神经网络来实现气体分析的原理、方法和构成，并通过模拟试验显示这一方法的可行性．

基于BP神经网络的多源遥感影像分类

在研究人工神经网络理论的基础上 ,应用动量法和学习率自适应调整的策略 ,改进了BP神经网络法。并用于对同一地区的LandsatTM3,4,5影像和航空SAR影像融合进行分类和分类融合结果进行了比较。结果表明 :同标准的BP神经网络、传统的Bayes融合分类法相比 ,改进的BP神经网络融合法不仅获得了标准BP网络高的分类精度 ,可同Bayes融合媲美 ,而且提高了学习率 ,增强了算法的可靠性 ,因而提高了影像分类速度 ,更适用于遥感影像分类。

综合环境质量的B－P网络二级评价

为了探索人工神经网络应用于环境质量评价的可行性和合理性，应用人工神经网络的Ｂ－Ｐ模型，构造了大气、水质和噪声的综合环境质量的Ｂ－Ｐ网络二级评价模型。并将该模型应用于实例作效果检验。结果表明Ｂ－Ｐ网络用于环境质量评价适应性强，方法可行，结果合理。

B－P网络用于水质综合评价方法的研究

本文应用误差反向传播（Ｂ—Ｐ）算法的人工神经网络建立了水质综合评价模型。该模型应用于实例的水质评价结果表明Ｂ—Ｐ网络用于水质综合评价具有客观性和实用性。

基于B-P神经网络的城市大气SO2浓度预测

基于B-P神经网络的原理和方法,利用西南某市1991-2009年的统计数据,建立城市大气SO2浓度预测模型,对西南某市大气SO2浓度进行预测。结果表明,B-P神经网络方法在城市大气SO2浓度预测方面具有合理高效、精确度高、适应力强等特点,值得应用与推广。

基于B-P人工神经网络的机器人主动装配作业系统

在对机器人销孔装配过程销的装配力与位姿关系实验分析的基础上,设计了机器人主动装配作业的B-P神经网络系统,收到良好的装配效果。

B-P神经网络改进及其在Matlab中应用程序发布的研究

主要讨论了B-P神经网络的结构、算法及不足,列举了一些关于训练时间长、出现局部极小值等问题的改进方法,分析了各种改进方法及其改进的效果,还选取了几种可以与B-P算法相结合的算法,最后以实例说明BP神经网络在Matlab中的实现及发布成独立应用程序的过程.

B-PNN改进算法在土地估价信息系统的应用

人工神经网络是解决主观因素影响过大和智能化程度不高这两个问题的合适方法。主要采用人工神经网络中的B-P神经网络建立土地估价智能模型,在ArcGIS的开发平台下,实现了基于B-P神经网络改进算法的人工神经网络土地估价模型。研究得出,利用人工神经网络可以解决土地估价过程中主观因素影响过多这一问题,可以提高城镇土地定级估价信息系统智能化程度。

B－P网络用于环境质量分类研究

用全国２５个湖泊的水质指标资料作为训练样本，应用人工神经网络Ｂ－Ｐ算法，分别建立了３参数和４参数的水质分类模型。并用所建立的模型对６个湖泊水质进行分类检验效果。结果表明Ｂ－Ｐ模型应用于环境质量分类是可行的。且由于Ｂ－Ｐ网络有自学习、自适应的能力，因而与其它的环境质量分类法相比具有优越性。

人工神经网络的一种改进的B-P学习算法及其应用

本文首先简要地介绍了人工神经网络(以下简称神经网络)的B—P学习算法,继而分析了B—P算法收敛速度慢的内在原因,讨论一些加速B—P算法收敛的措施,提出了一种改进的B—P学习算法(MB—P)。将这种算法应用于两类含噪飞机图象目标识别系统,并进行了仿真实验。实验结果表明,MB—P学习算法的收敛速度比B—P算法的收敛速度快许多,而且分别用这两种学习算法训练的神经网络对目标具有大致相同的识别率。

用B-P神经网络实现多波段遥感图像的监督分类

提出了用Ｂ－Ｐ神经网络实现多波段遥感图像监督分类的方法．给出了用Ｂ－Ｐ神经网络对４种农作物的４波段遥感图像监督分类实例．结果表明：与传统的分类法相比，在特征提取相对较少情况下。

基于B-P网络的大气环境质量评价

选取大气环境质量标准作为运算作本，以大气污染物各级标准位作为详本输入信息，建立了大气环境质量的B－P网络评价模型。该模型用于武汉市大气环境质量评价，并与用模糊教学评价结果比较，表明B—P人工神经网络用于大气环境质量评价具有通用性、合理性和实用性．