基于神经网络 B-P 算法的雹云识别模型及其效果检验

本文根据成都、内江和泸州等地的雷达回波和部分探空资料，应用神经网络Ｂ－Ｐ算法建立了不同地区的３参数和４参数雹云识别模型，并对模型进行了分析和效果检验。结果表明：该模型不仅能得到较高的拟合率和预报准确率，而且由于Ｂ－Ｐ网络具有自组织、自学习和自适应的能力，与其它方法相比具有一定的优越性。

BP人工神经网络模型在拉萨道路交通噪声预测中的应用

针对拉萨市道路交通噪声污染问题,运用人工神经网络理论和方法对拉萨市道路交通噪声的等效连续声级进行预测。经检验,计算值与实测值接近,从而为道路交通噪声的预测提供了一种新的途径。

基于B－P网络的水质营养状态评价模型及其效果检验

选取与ＴＳＩ＿ｃ为０．５０，１００相应的水质营养状态作为３个建模样本，以ｃｈｌ－ａ，ＴＰ，ＴＮ和ＳＤ４个水质参数作为样本的输入特征，建立Ｂ－Ｐ网络的水质营养状态评价模型。该模型应用于全国３０个湖泊水质的营养状态评价，获得了较好的检验效果。

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。

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人工神经网络的环境测点的优选

为了对有多项污染物的环境测点进行优选，提出了单项污染物对环境作用的“相对贡献率”和多项污染物对环境综合作用的“作用和贡献率”的新概念及其计算公式。将Ｂ－Ｐ神经网络原理与逐步聚类分析思想相结合，用于环境测点聚类优选。该方法用于成都市１２个环境测点的优选结果符合客观实际。此外，它还具有简便实用、客观性好的特点。

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。

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。

城市综合环境质量评价的B—P网络模型

为了探索人工神经网络用于综合环境质量评价的可能性,提出了基于B-P算法的人工神经网络城市综合环境质量的二级评价模型.该模型应用于某市的大气、地面水和噪声综合环境质量评价结果表明,B—P网络用于环境质量评价简便实用,具有客观性和通用性.

BP网络对山东省国内旅游市场的分析预测

采用三层结构的反向传播网络(back-propagation network,简称BP网络),对山东省国内游客量建立了网络预测模型.利用实际数据进行模拟,并将模拟结果与采用相同数据源的灰色系统模型、多元回归模型、指数模型的模拟结果进行比较,发现用BP网络模型的模拟结果与实际情况最为逼近.同时,利用该模型对未来几年山东省的国内游客量进行了分析预测,预期到2008年山东省的国内游客量将达到12 577万人次.

基于B─P神经网络的复杂对象系统多目标综合评价方法及其应用

复杂对象系统的综合评价是一项复杂的多目标决策活动。本文将Ｂ—Ｐ神经网络应用于复杂对象系统的综合评价，描述了用于多目标综合评价的三层Ｂ－Ｐ神经网络结构，给出了神经网络输入指标特征值量化的方法，讨论了神经网络学习及其计算机实现算法，最后给出了应用该方法综合评价我国大中城市整体发展水平的具体实例。

BP人工神经网络模型在地下水水质评价中的应用

为了能够客观地对地下水水质进行综合评价,本文以西鞍山矿区为例,采用基于BP人工神经网络模型的评价方法对区内14个地下水水质监测点的水质进行了评价。考虑到地下水水质随季节性变化不大,以枯水期水质监测的主成分总硬度、溶解性总固体、硫酸盐、氯化物、铁和锰、硝酸盐、氟化物等指标作为评价因子,建立了地下水评价指标体系,并和模糊综合评价法的评价结果进行了比较,分类结果令人满意。评价结果表明,该模型设计合理、泛化能力强,对地下水水质评价具有较好的客观性、通用性和实用性,可为水质评价提供技术依据以及为有关部门治理水质提供理论依据和参考建议。

基于免疫算法的B-P网络权值设计

提出了一种基于免疫算法的B-P网络权值设计方法 ,用于实现B-P网络权值空间的搜索 .该免疫算法是借鉴生命科学中免疫的概念与理论提出的一种新的算法 ,算法的核心在于免疫算子的构造 ,即接种疫苗和免疫选择 .免疫算法具有较好的全局收敛性和很强的自适应环境的能力 .

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．

城市环境质量的B-P网络综合评价研究

本文应用二级Ｂ－Ｐ网络构造城市环境质量综合评价模型。该模型用于四川省１６个城市环境质量综合评价于排序结果表明Ｂ－Ｐ网络用于环境质量综合评价具有通用性、客观性和实用性。

流域年均含沙量的B-P网络预测模型及其效果检验

应用误差反向传播算法的人工神经网络，建立了流域年均含沙量的预测模型。该模型用于某流域年均含沙量预测的拟合率达９０％以上，预留检验预报的准确率为７５％。

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.

IBP:一种改进的B-P算法

本文介绍一种改进的B-P学习算法——IBP,它能够提高B-P算法的收敛速度,同时避免B-P算法在收敛过程中可能发生的振荡、局部极小值等问题,从而它增强了B-P算法的可用性和实用性。

B-P神经网络用于氘灯辐亮度值预测

本文提出了应用Ｂ－Ｐ神经网络预测氘灯辐亮度值的新方法。构造３层神经网络结构，选取与氘灯辐亮度值有关的特性指标值作神经网络的信息输入，按误差反向传播（Ｂ－Ｐ）算法对样本进行训练，用已训练好的Ｂ－Ｐ神经网络预测待识别氘灯的辐亮度值。实例分析表明Ｂ－Ｐ神经网络用于氘灯辐亮度值预测有较高的拟合和预测精度。

参数调整对气象预测的B-P网络模型性能的影响

为了探索ＢＰ网络的参数调整特性，进行了参数α、β的选取对ＢＰ算法的收敛速度和模型的稳定性的影响研究。通过ＢＰ网络用于气象预测建模的参数调整个例分析表明：参数α、β的取值对ＢＰ模型的稳定性无显著影响，但参数值的调整尤其是β值的调整对建模的收敛速度有明显的影响。