食管癌手术医院感染影响因素及神经网络预测模型

2019食管癌诊疗指南指出,早期根治手术是其最有效的治疗方式~([1-2])。但术后医院感染仍然存在,其影响因素复杂。人工神经网络是模拟生物神经系统结构,由大量处理单元组成的非线性自适应动态系统,具有适应性强、灵活易用等特点,成为预测数据的首选建模工具。本研究针对食管癌手术医院感染的影响因素进行了多因素分析,并建立了神经网络模型,现报告如下。

基于遗传与BP混合算法神经网络预测模型及应用

提出用遗传学习算法和权重调整 BP算法相结合的混合算法来训练模糊模式识别神经网络预测模型 ;即先通过遗传学习算法进行全局训练 ,再用权重调整 BP算法进行精确训练 ,使网络收敛速度加快和避免局部极小 .作为实例 ,以新疆雅马渡站的实测径流资料和相应的前期 4个预报因子实测数据作为样本进行训练并用以预测雅马渡站的年径流量 .结果表明 。

矿区岩溶地表塌陷神经网络预测模型研究

针对矿区岩溶地表塌陷存在的非线性动力学特征,为更准确预测岩溶地质矿区地表塌陷区域分布,在分析研究某矿区岩溶地表塌陷机理及其影响因素基础上,确定矿区地表塌陷的影响因素,构建矿区岩溶地表塌陷BP神经网络非线性动力学预测模型。采集并分析某岩溶矿区大量岩溶地表塌陷历史数据,应用Matlab神经网络工具箱,采用构建的矿区岩溶地表塌陷BP神经网络预测模型,对上述矿区岩溶地表塌陷区域分布情况进行非线性预测。研究结果表明,采用训练的神经网络预测模型可以实现对矿区岩溶地表塌陷危险性的合理预测。

地震诱发的侧向水平位移神经网络预测模型

在对地震液化诱发的侧向水平位移预测模型评述的基础上,分析了地震、地形、土质等实测数据与侧向水平水移之间的相互关系,并提出了侧向位平位移神经网络预测模型。模型较好地反映了参数之间复杂的非线性关系,网络预测结果与实测数据较为吻合,两者之间相关系数为0.9左右。模型数据分析结果表明侧向位移随着距自由临空面距离(L)的增加而呈双曲线关系下降,随液化层厚度的增加而增加。不同L条件下临空面高度与侧向位移之间有一灵敏变化区,即当H约等于4～7m之间时,侧向位移急剧变化。

一种新的组合灰色神经网络预测模型

对GM(1,1)灰色和几种灰色组合模型进行了讨论,针对多个相关序列预测的问题,提出了组合灰色GM(1,1)神经网络预测模型.此方法采用灰色模型对各序列进行预测,然后利用神经网络对预测值进行校正,得到最终预测值.实例表明此种模型在实际应用中的确能够提高预测精度.

基于混沌神经网络预测模型的最优控制决策及应用

为了实现非线性、大时滞系统的自适应控制,首先根据具有混沌特性的非线性、大时滞系统的时序列重构相空间,计算出相空间的饱和嵌入维数和最大Lyapunov指数,并以此为指导,建立混沌神经网络预测模型,该模型即便在网络输入不完整或发生变异的情况下,仍能对系统作高精度的短期预测;在此基础上,将预测模型的输出通过反馈校正,再将校正误差和控制增量引入性能函数最优,最后得到最优控制决策,实现了对非线性、大时滞系统高精度的自适应控制。最后将预测控制决策应用到非线性、大时滞的锅炉过热汽温控制中,仿真结果表明了该控制的有效性、快速性和鲁棒性。

铅球运动员专项成绩的神经网络预测模型的构建

利用铅球运动员专项成绩与素质训练水平之间的相关关系,借助人工神经网络强大的函数映射能力,提出了铅球运动员专项成绩的神经网络预测模型。该模型克服了多元回归模型和灰色模型需要事先确定数学模型的缺点,更为准确地映射出运动员素质训练指标与专项运动成绩之间的函数关系,从而精确地预测出铅球运动员的专项成绩。并运用Matlab53开发出预测模型的计算机程序,该程序具有语言简单、运行速度快的特点。

基于神经网络预测模型的异构多核处理器调度

为了提高异构多核处理器的性能和资源利用率,研究了优化异构多核处理器的程序调度方法。针对异构多核处理器的特点,提出了一种基于神经网络的低开销程序性能预测的调度模型。该调度模型根据程序固有特征预测各个程序在不同处理器核上的性能,然后根据性能预测找出程序与处理器核之间的最优匹配方案进行调度。试验证明,该调度模型对于异构多核处理器的性能和能效都取得了很好的提升效果,超过了现有的轮转调度、抽样调度和性能影响评估(PIE)调度。相比于轮转调度,该调度模型在处理器性能和能效上分别取得了13.64%和10.78%的提升。

基于神经网络预测模型的高速公路递阶控制

利用递阶结构和神经网络来进行高速公路入口匝道控制,其基本思想是:把高速公路作为一个大系统问题,子系统为高速公路的路段,协调控制层负责计算各路段的期望轨线,应用神经网络对各路段交通状态进行预测,并根据预测结果实施控制.给出了控制器的构造方法并进行了仿真实验,实验结果表明,该方法能够有效地消除交通拥挤和维持主线车流稳定.

SBR工艺中pH值变化时间序列的BP网络预测模型

利用改进的BP算法结合MATLAB工具箱 ,对SBR工艺中pH值变化的时间序列建立了一种BP网络预测模型 ,并利用该模型对SBR工艺中pH值的变化规律及趋势进行了研究。结果表明 :模型的计算值与实测值之间的误差很小 ,对未来时刻数据的预测精度也较高 ,模型较好地反映了SBR工艺中pH值变化的规律 。

基坑变形灰色人工神经网络预测模型及其应用

针对基坑变形预测中信息的灰色性和数据的非线性性,提出用灰色神经网络预测基坑变形的新方法。用一桩锚联合支护体系实例进行了预测研究,得到支护体系的不同预测模型的组合预测值。研究结果表明:灰色神经网络预测误差比GM(1,1)预测模型小;与BP预测模型相比,前期误差大,后期误差小。在基坑变形监测中,为了更准确地预测基坑变形,可以采用灰色神经网络预测与BP预测相结合的方法进行预测。

固体废弃物热解产物的神经网络预测模型

本文采用3层BP神经网络建立了固体废弃物热解产物的产率和特性的预测模型,采用遗传BP算法来优化隐层节点数和学习速率ηo与回归方法相比,其预测误差明显小于回归公式的预测误差。

神经网络预测模型的说话人识别算法

将神经网络预测模型(NPM)应用于说话人识别中,经过实验,获得了较满意的结果. 这说明神经网络对于说话人识别是一种很有潜力的方法.

高速公路进出流量差异的BP神经网络预测模型

进出高速公路收费站车流量的差异和变化给营运管理带来一定难度。分析了造成流量差异的部分因素,建立了BP神经网络预测模型,并运用Matlab工具进行仿真及误差分析。结果显示,采用本模型可缩短训练时间,避免训练陷入局部极小值,并可对近期4d的车流量差值进行可靠预测。

高炉铁水含硅量神经网络预测模型

按现代控制理论,将高炉视作多输入-单输出系统。引入人工神经网络(ANN)方法,选定若干参数作为硅含量的相关变量,建立标准的三层BP网络铁水硅预报模型。用该模型对津西5#高炉的生产数据进行离线预报,允许误差为±0.1％时命中率达到81％。

改进的人工智能神经网络预测模型

传统的人工智能神经网络预测模型只能进行局部预测,且预测峰值低,无法实现精准预测。为此对人工智能神经网络预测模型进行改进:先引入峰值识别机制,再通过神经网络模型预测峰值。实验结果表明:实验对照系统的人工智能神经网络的预测峰值最高仅为121.45 dB,而改进的预测模型最高可达180.52 dB,预测能力更强,可以实现对人工智能神经网络精准预测。

高温环境下高强度混凝土剩余强度的神经网络预测模型

沙特国王大学土木工程系学者研究了高强混凝土(HSC)在高温(或火灾)下的性能。通过开展大量火灾试验,建立了基于人工神经网络(ANN)的混凝土受热后剩余抗压强度预测模型,并将其应用于HSC结构抗火设计。

基于PSO-BP网络预测模型的造纸机压榨辊振动特性建模分析

了解造纸机压榨辊振动特性对于判断其工作状态具有十分重要的作用。在此背景下,基于PSO-BP网络预测模型分析造纸机压榨辊振动特性。利用振动传感器采集振动信号并通过小波阈值法实现振动信号去噪处理;提取振动信号中的时域特征(有效值、峭度值)和频域特征(功率谱、倒频谱)。以特征为输入,以振动特性定量值为输出,训练PSO-BP网络,完成预测模型的构建,利用预测模型预测造纸机压榨辊未来一段时间的振动特性,分析其工作状态是否正常。结果表明:未来一周内造纸机压榨辊振动特性定量值一直曲折上升并在5~6天之间振动特性定量值超过边界值,从健康区间进入异常区间。

路基沉降灰色神经网络预测模型及其应用

针对路基沉降预测中信息的灰色性和数据的非线性性,提出用灰色神经网络预测路基沉降的新方法。以京沪高铁某段路基断面为例进行了预测研究,并与用GM(1,1)模型预测的结果进行了对比。研究结果表明:灰色神经网络预测比GM(1,1)模型预测误差小。