BP神经网络技术在城市建筑热环境研究中的应用

本文针对现代城市中越来越严重的热岛现象与能源问题,首先分析了北京市近60年的温度资料,可知60年来城区内的年平均温度升高了2.28℃,温度增幅为0.38℃/10 a。而后综合考虑城市建筑热环境的各种影响因素,利用BP神经网络技术建立了城市尺度下针对建筑热环境(温度)的预测模型,并对以往的数学模型和计算方法进行了改进。在改进后的预测模型中,通过枚举法选择隐含层最佳神经元个数,用贝叶斯正规化算法进行了网络训练,结果表明:与BP神经网络基本的L-M优化算法相比,该算法有较高的泛化能力和准确性,更适合于这一问题的研究。

BP神经网络在海洋赤潮预测中的应用

近年来,赤潮发生的频率越来越高。据统计,我国自1990～1998年沿海发生的有害赤潮达234次(吴玉霖等,2001),对海洋渔业、海水养殖业及滨海旅游业等均造成一定的危害,经济损失严重。越来越多的学者开展了赤潮研究(吴玉霖等,2001;齐玉藻,1997),以求尽早弄清赤潮发生机理并准确进行预报。鉴于赤潮发生的复杂性及对其机理的认识,

基于前馈神经网络的数据库异常检测

从提高数据库访问的安全性角度出发,以SQL查询语句作为研究对象,提出了基于前馈神经网络的异常检测模型。通过对已有含有WHERE条件的SQL语句进行量化分类,完成对前馈神经网络的训练,并用训练好的前馈神经网络进行数据库的异常检测。