技术类无形资产利润分成率评价模型的研究——基于改进BP人工神经网络的评价模型

在技术类无形资产价值评估中,利润分成率是一个复杂和难以准确计量的参数,目前国内外还没有统一的计量方法。运用AHP原理建立技术资产利润分成率评价指标体系,并基于改进的BP神经网络,提出一套能够模拟专家思想的智能型综合评价方法,实例分析表明,采用该方法所获得的评价结果是令人满意的。

基于改进BP人工神经网络用于电渗析脱盐的预测

通过实验考察电压、流速、温度和进料浓度对电渗析装置脱盐效果的影响,应用BP算法和改进BP算法预测电渗析模型的脱盐率,并比较两种算法的预测能力。结果表明,随着温度、电压的增加,脱盐率值增加;随着流量、浓度的增加,脱盐率值降低。改进BP算法克服了BP算法的收敛速度慢和目标函数存在局部极小点的缺点,更适合于建立复杂参数间的非线性映射关系。

基于麻雀搜索算法优化BP人工神经网络的短期湍流预报模型研究

提出了一种基于麻雀搜索算法优化BP人工神经网络(SSA-BP)的湍流预报模式。首先,采用BP人工神经网络作为湍流预报模型的基础框架。通过对温度、湿度、风速等气象因素的采集和处理,将其作为输入层的特征。然后,利用麻雀搜索算法对BP人工神经网络的权重和偏置进行优化。为了验证该方法的有效性,采用了来自地面气象站的大气湍流数据及气象数据进行实验。实验结果表明,SSA-BP人工神经网络能够成功预测大气湍流的发展趋势,并具有较高的预测精度和稳定性,能够充分利用大气湍流数据中的非线性特征,为湍流预测研究和实际应用提供了有力支持。

基于Sine-SSA-BP人工神经网络的腐蚀速率预测研究

海洋工程用钢广泛应用于海洋资源开发;然而,在海洋环境中,由于海洋环境复杂,钢的腐蚀速度大幅加快。为了评估其使用寿命,需要准确地预测钢的腐蚀速率。挂片实验法费时费力,经验模型预测虽然可以快速预测,但因海洋中影响腐蚀的因素较多,准确度较差。本文介绍了一种机器学习方法,即反向传播(BP)神经网络金属腐蚀速率预测模型。本研究创新性地将Sine混沌映射与麻雀搜索优化算法(SSA)引入腐蚀速率预测模型中,并利用2022年采集到的海洋环境要素和腐蚀速率数据导入模型进行训练预测。结果表明,SSA-BP和Sine-SSA-BP神经网络金属腐蚀速率预测模型的误差远低于BP神经网络腐蚀速率预测模型。经过充分的训练和学习,当预测样本数量由5至30逐渐增加时,Sine-SSA-BP预测模型的平均MAPE值为3.5002%,SSA-BP模型的平均MAPE值为6.0900%。

高校人文社科“项目制”的绩效评估及逻辑反思——基于联立方程与BP人工神经网络

中国的人文社科研究目前以项目制为主,对于项目制的绩效问题更多集中在微观层面,缺乏宏观实证研究。文章构建一种全新的分析框架,基于中国“双一流”建设高校的科研数据,综合应用联立方程、BP人工神经网络和贝叶斯向量自回归等多种方法分析科研项目、科研人员和科研经费等变量之间的互动关系。实证结果表明,中国人文社科项目制的总体绩效不高;科研经费的绩效有待提高;科研人员的绩效水平总体较高;科研人员、科研经费对科研项目的影响显著,学术论文对科研项目的正向反馈明显。最后指出,人文社科项目制需要进行反思和改进,要努力提高科研经费的分配体制,全方位调动广大人文社科工作者的积极性。

基于改进人工神经网络的人体姿态识别方法在人机交互医疗设备中的应用

为提升人机交互医疗设备对久坐不动、常年卧床等状态下人体的监测效果,在利用无线体域网建立人体姿态识别系统的基础上,设计了相应的改进人工神经网络与无线体域网系统进行融合,并将其应用于人机交互医疗设备中;结果表明,在HiEve数据集中,该方法于20次迭代时开始收敛,损失函数值为0.0112;在患者不同姿势的识别验证中,该方法下的人机交互医疗设备识别准确率均显著高于90%,并且耗时最短仅为23.16 s,具有较高的识别准确率和效率,为人体姿态识别及相关医疗设备的应用提供了更为可靠的技术参考。

基于改进人工神经网络的建筑结构变形智能监测预警方法

针对现有监测预警方法对建筑结构变形监测预警时,存在结果残差过大,影响精度的问题,引入改进人工神经网络,开展对建筑结构变形智能监测方法的设计研究。利用改进人工神经网络,构建建筑结构变形预测模型;在各结构变形监测点设置传感器,实现建筑结构变形数据实时监测;设置报警阈值,结合模型输出结果与阈值的对比,实现对建筑结构变形智能预警。通过对比实验证明,新方法的监测预警结果残差得到有效控制,精度显著提升,能够在第一时间发现建筑结构异常变形趋势,促进提高建筑整体建设的安全性。

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。

基于人工神经网络的共振吸声超材料声学性能快速预测及结构优化设计

针对共振吸声超材料声学性能快速预测及结构优化设计需求,提出了一种基于人工神经网络的共振吸声超材料性能预测方法.首先,建立了由微穿孔板和Helmholtz共振腔组成的多层穿孔型共振吸声超材料的理论模型,并通过仿真与实验验证其正确性;随后,通过理论模型生成数据集,并以此为基础,采用BP(back propagation)神经网络原理,搭建了结构特征参量与声学性能的人工神经网络模型;之后,将训练后的人工神经网络模型与遗传算法相结合,对共振吸声超材料进行声学性能最优化设计.结果表明:训练后的人工神经网络模型可以对目标结构的吸声性能进行准确预测,并且预测效率相较理论模型提高50%以上;人工神经网络模型与优化算法的结合不仅能提高优化效率,优化后的结构也具有良好的低频宽带吸声性能.人工神经网络为大规模结构性能预测计算提供了便利,在超材料等结构设计及优化领域具有广阔的应用前景.

小波降噪及改进遗传算法的BP神经网络在基坑变形中的组合应用

以某市人民医院基坑工程为例,针对实测数据建立实测数据结合BP神经网络预测模型,小波降噪结合BP神经网络模型和小波降噪结合改进遗传算法优化的BP神经网络模型,并利用误差分析理论对基坑变形数据预测效果评价。结果表明:对比3种模型实际处理、预测数据能力,实测数据结合BP神经网络模型预测精度在1%-4%之间,小波降噪结合BP神经网络模型预测精度1%-2%之间,小波降噪结合改进遗传算法优化的BP神经网络模型预测精度在1%以内,小波降噪结合改进遗传算法优化的BP神经网络模型的预测准确率最高。针对基坑变形监测,小波降噪结合改进遗传算法优化的BP神经网络模型具有更高预测精度,可为类似工程提供实际参考。

人工神经网络预测动态再结晶的研究进展与关键技术

本文综述了近年来人工神经网络在预测金属材料动态再结晶方面的研究进展,通过分析加工参数(温度、应变速率等)对动态再结晶的影响程度,并对比多种输出变量(应力−应变曲线、再结晶体积分数等)在判定动态再结晶机制中的作用,构建了一套基于网络输入输出特征的筛选准则。本文对人工神经网络模型的应用进行了详细介绍,包括原始数据的预处理、超参数的整定以及评估指标的选择。最后,在总结当前人工神经网络在动态再结晶机制预测领域研究现状的基础上,提出了一系列值得深入探索的新方向。

改进SSA优化的BP神经网络交通量预测模型

为更加准确地进行交通量预测,针对传统的BP神经网络随机赋值、收敛速度慢等问题,提出了改进麻雀搜索算法(sparrow search algorithm,SSA)优化的BP神经网络预测模型。该模型结合SSA位置更新原理和鸡群优化算法中公鸡位置更新方法对麻雀搜索算法进行改进,在避免算法陷入局部最优和位置更新无效的同时有效地提高了算法的收敛速度。利用改进麻雀搜索算法对BP神经网络的权值和阈值进行寻优赋值,得到了改进SSA-BP神经网络预测模型。利用交通量数据,对LSTM神经网络、BP神经网络、SSA-BP神经网络和改进SSA-BP神经网络4种预测模型进行训练和测试,以MAE、MAPE、MSE、RMSE和EC 5个指标对预测结果进行对比分析。结果表明:BP神经网络优于LSTM神经网络,且麻雀搜索算法优化BP神经网络预测模型相较于BP神经网络预测模型MAE降低了0.28 veh/(3 min)、MAPE降低了1%、MSE降低了2.72 veh/(3 min)、RMSE降低了0.04;改进麻雀搜索算法优化BP神经网络预测模型相较于BP神经网络预测模型MAE降低了1.31 veh/(3 min)、MAPE降低了4%、MSE降低了9.2 veh/(3 min)、RMSE降低了0.18,且拟合度更接近于1。改进SSA-BP预测模型的性能优于SSA-BP神经网络预测模型,且有效提高了BP神经网络的预测精度,拟合度达到0.98,该模型适用于交通量预测,能够为智能交通系统提供可靠的预测值。

基于EMD分解和改进GWO-BP神经网络的滑坡位移预测

考虑到滑坡位移受多因素的影响,结合信号分解与智能算法,提出了一种时序分解-模型构建-模型训练的EMD-BP-TIGWO滑坡位移预测方法。首先,利用EMD方法将滑坡监测数据分解为多个IMF分量及一个残余量,将分解后的分量划分为周期项及趋势项位移;其次,构建BP-TIGWO模型,引入Tent映射及自适应权重,提高灰狼算法的收敛速度及全局搜索能力,并利用TIGWO算法优化BP神经网络的权值及阈值;利用Pearson相关系数对周期项滑坡位移与降雨量间的时滞期数进行分析,利用优化后的BP模型分别对周期及趋势项滑坡位移进行预测;最后,将各分量预测值进行叠加得到滑坡累计位移预测值,并对模型预测准确率进行评价。实验结果表明,EMD-BP-TIGWO模型在考虑降雨输入特征下,连续32 d预测的RMSE、MAE及R2分别为0.64、0.51及0.97,模型预测精度明显高于未考虑时滞的EMD-GWO-BP、EMD-GWO-BP、BP-TIGWO、BP模型的预测精度,可为预测滑坡的位移提供参考。

基于改进BP神经网络的计算机专业教学质量评价方法

为提高计算机专业教学质量评估准确度,文章提出基于改进BP神经网络的计算机专业教学质量评价方法。首先选取计算机专业教学质量评价影响因素,然后以此为基础,利用改进后的BP神经网络对各影响因素进行分析计算,确定最终的教学质量评价结果。测试结果表明,该评价方法对教学质量评价结果与专家组评价结果之间的误差始终稳定在0.15以内,最小误差仅为0.05,应用效果较好。

高校人文社科项目制绩效评价及其改进目标——基于联立方程与BP人工神经网络

在深入分析高校人文社科研究投入产出诸要素关系的基础上,针对“双一流”建设高校的人文社科研究数据,采用联立方程模型分析项目制的绩效;并基于Super-SBM模型测度效率,从而明确改进目标;同时以确定最佳投入产出下研究项目的理想绩效为目标,探寻最优解,并借助BP人工神经网络进行稳健性分析。研究结果表明,人文社科项目的绩效有待提高;最佳投入下人文社科项目绩效提升较快,项目绩效水平有待提高;最佳投入下人文社科投入产出关系的匹配程度更高;人文社科投入产出效率总体进步空间巨大,主要原因是不同高校研究水平相差较大,导致纯技术效率水平较低;研究经费绩效较低需要引起足够的重视。

人工神经网络在电力营销系统中的应用与实现

在电力行业信息化发展背景下,收集与存储大量电力数据,可为电力企业营销决策制定提供依据。该文提出采用人工神经网络构建电力营销系统BP神经网络模型,通过智能决策树分类算法预处理模型数据,得到最优化的模型数据,并改进神经网络隐含层节点数目算法,结合应用分时段预测方法及共轭梯度算法分别进行网络训练及网络结构优化,为网络收敛速度加快提供保障,得出相对准确的电力营销年度电量预测结论,说明电力营销系统中人工神经网络具有较高的应用价值。

基于改进WOA-BP神经网络的网格化空气质量监测仪数据修正

空气污染严重威胁人类健康,近年来逐渐兴起的基于传感器技术的微型空气监测仪(简称微型站)具有体积小、造价低的优点,符合当前网格化、精细化的空气质量管理模式。但微型站中使用的电化学传感器存在复杂的气体交叉干扰,影响设备的准确性。针对交叉干扰非线性,难以用明确的数学表达式描述的问题,提出将改进鲸鱼算法优化的反向传播(CIWOA-BP)神经网络应用于微型站数据的修正。CIWOA-BP算法结合了BP神经网络善于处理非线性黑箱问题的优势以及CIWOA全局寻优的能力。结果表明:经过CIWOA-BP修正后的微型站可以实现对混合气体中的NO_(2)、CO、O_(3)和SO_(2)的准确定量分析,4种气体的计算值和实际值之间的拟合优度(R^(2))均超过了0.97,效果优于一元、多元线性回归和传统的BP神经网络,可以很好地提升设备对空气污染物的监测精度。

改进麻雀搜索算法优化BP神经网络的短时交通流预测

针对BP神经网络预测短时交通流量过于依赖初始参数的问题,提出一种基于改进麻雀搜索算法(ISSA)来优化BP神经网络的短时交通流预测模型(ISSA-BP)。针对标准麻雀搜索算法(SSA)易收敛于原点,容易陷入局部最优等问题,对麻雀群体中的发现者和部分加入者的位置更新公式分别进行改进,改进后的发现者将基于搜索维度的大小和当前最优值的位置来进行全局搜索,部分加入者将根据其与最优位置之间的距离来进行全局搜索。通过实验对BP,PSO-BP,SSA-BP,ISSA-BP 4种短时交通流预测模型的预测效果进行对比分析,结果显示,ISSA-BP短时交通流预测模型的误差最小,ISSA-BP模型相较BP模型在MAE评价指标上的预测精度提升了48.85%,有着更好的预测精度。

基于改进BP神经网络模型的辽西地区农业灌溉用水预测

文章引入小波分析函数对传统BP神经网络模型进行改进,提高模型收敛精度,并将改进的BP神经网络模型对辽西地区农业灌溉用水进行预测。结果表明:与模型改进前相比,改进后模型对辽西地区年尺度和月尺度农业灌溉用水量预测相对误差分别降低6.9%和10%。研究成果对于区域农业灌溉用水预测方法具有参考价值。

基于改进BP神经网络的风冷热泵除霜智能控制方法研究

当前的智能除霜过程没有考虑机组本身对除霜的影响,造成以BP神经网络为主的控制方法能耗高,效率低。该文提出改进BP神经网络控制风冷热泵除霜控制方法。结合质量守恒定理,明确风冷热泵中湿空气和风机翅片管热器间的换热关系,通过计算控制单元进口和出口处含湿量差值得到风冷热泵的结霜量;使用北方苍鹰优化算法改进BP神经网络,将空气侧换热器结霜相关参数和机组系统对结霜的影响参数作为网络输入,基于结霜量输出换热器除霜开始时间和加热结束时间,实现风冷热泵除霜智能控制。实验结果表明,所提控制方法可在170 s以内解除冻霜,并将结霜过程中的运行压力波动维持在0.3 MPa,降低能源消耗的同时加快了除霜效率,确保空调设备能高性能平稳运行。