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。

基于改进B-P算法的内蒙古粮食产量中长期预测

在改进 B- P算法、提高 B- P算法预测精度的基础上 ,对内蒙古粮食总产量进行了预测。结果表明 ,在 2 0 0 2～ 2 0 1 1年 ,内蒙古粮食总产量由 2 0 0 2年的 1 4 75 .5 7万 t增加到 2 0 1 1年的 2 1 0 3.4 3万 t,呈现出稳定增加的趋势。

B-P算法在确定杨溪水电站引水隧洞围岩塑性松动圈中的应用

通过建立Ｂ－Ｐ神经网络输入层、隐层与输出层的算法结构，组织实测的围岩声波资料进行样本学习，确定出合理的围岩塑性松动图范围。结合工程背景，得出了合理可行的支护方案。同时说明了Ｂ－Ｐ神经网络算法在处理非确定性、模糊、随机和信息不全等问题上的广阔应用前景。

基于B-P算法的神经元网络作为离散时间非线性对象的逆控制

提供了基于B-P算法的神经元网络作为离散时间非线性对象的两种控制方法和两种网络的拓扑结构。仿真结果表明,在两种输入信号下,离散时间非线性对象获得了令人满意的跟踪性能。为进一步提高跟踪性能,可采用几种映射函数的组合方法。

B-P算法及在化工生产过程故障诊断中的应用

本文比较详细地介绍了B-P算法及推导过程,分析了B-P算法的一些不足,最后给出了B-P算法在化工生产控制系统故障诊断中的一个仿真结果。

改进的B-P算法及其在围岩稳定性分类中的应用

针对目前围岩稳定性分类方法存在的不足 ,给出一新的分类法。首先利用基于MATLAB6 .1编程的 6种改进的BP算法分别对围岩稳定性进行分类 ,在此基础上选出一种最佳方法 ,然后利用该方法进行训练和检验 。

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。

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。

人工神经网络的一种改进的B-P学习算法及其在雷达目标识别中的应用

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。讨论了一些加速B-P学习算法收敛的措施,进而提出了一种改进的B-P学习算法(MB-P)。将这两种算法分别应用于舰船雷达目标识别系统。仿真结果表明,MB-P学习算法的收敛速度比B-P算法快得多,分别用这两种学习算法训练的神经网络对舰船雷达目标的识别率大致相同。

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。

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．

水质综合评价的B-P网络模型

为探索人工神经网络用于水质综合评价的可能性，提出了基于Ｂ－Ｐ算法的人工神经网络水质综合评价模型。实例研究表明，Ｂ－Ｐ网络模型用于水质综合评价简便实用，具有客观性和通用性。

基于神经网络B─P学习算法的采面顶板类型辨识模型

神经网络的研究是当今系统工程和人工智能领域前沿课题之一。本文在Ｂ—Ｐ神经网络结构及其学习算法简介的基础上，运用神经网络建立了采面顶板类型辨识的神经网络模型，该模型辨识的正确率达１００％。实例表明，神经网络是用于解决复杂非线性系统辨识问题的有效方法。

基于人工神经网络的农业病虫害预测模型及其效果检验

选取与病虫害有关的因子作为样本的输入特征,建立了农业病虫害年分类预测的B-P人工神经网络模型。该方法应用于稻瘟病的预测建模结果的拟合率为100%,预留样本检验报准率为83%。

基于神经网络的模糊控制器

提出一种基于神经网络的模糊控制器．它可以把模糊控制的控制规则转化为多层前向神经网络的一对输入、输出样本．用Ｂａｃｋ－Ｐｒｏｐａｇａｔｉｏｎ学习算法对网络进行训练，使得网络记忆这些样本，并将这些样本以权值矩阵的形式存储在网络中．网络以“联想记忆”的形式来使用获得的经验对对象实施控制．知道了被控对象少量的定性知识，就可以用这种方法控制对象的行为．这种控制方案可用于对受控对象缺乏精确的数学描述或具有时滞、高阶等难以用现有的控制理论方法分析和控制的复杂系统．仿真结果证明了这种方法的有效性．

神经网络方法在岩性识别中的应用

在可地浸砂岩型铀矿测井工作中,铀矿地球物理测井方法提供了电阻率、密度、声波等多种地球物理参数。通过采用神经网络方法,利用上述参数,进行钻孔岩性识别的有关研究,确定了B-P网络结构及算法,并进行了初步应用和对比。

一种基于神经网络的目标优先级确定方法

传感器管理的目的之一是将多传感器资源分配给多目标。分配时需要考虑的因素之一是目标的优先级别。本文分析了影响目标优先级的主要因素,提出了一种基于人工神经网络的目标优先级确定算法。仿真结果表明,该算法是精确而有效的。

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。

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。