一种面向B-P神经网络的专利价值评估方法

本文采用B-P神经网络模型来解决无法量化的专利价值评估指标,通过实验结果证实该模型对提高专利价值评估的准确性有显著作用。

防砂方法优选的B-P神经网络模型

根据神经网络原理,建立了基于B-P网络的防砂方法优选模型。经算例计算,网络训练具有较好的收敛性,同时也得到了较好的识别诊断输出结果,表明将B-P神经网络应用于防砂方法的优选是合理可行的。

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.

基于B-P神经网络模型在农用地质量分等评价中的研究

农用地质量分等是根据农用地的自然属性和经济属性对农用地的质量优劣进行综合定量评定,并划分等别,传统的分等评价多是依靠专家打分这种主观性强的方法,而本文采用的B-P神经网络模型,具有独特的学习能力和信息并行分布处理的优势,能够更智能、更主观的解决多种因素共同作用时的复杂性、信息的不确定性等问题。

基于不同时间尺度旅游客源预测模型比较研究——以山东省为例

本文以山东省1992～2008年国内游客量为例,利用SPSS和Matlab软件定量分析BP神经网络模型、ARIMA模型、灰色系统GM(1,1)模型在不同时间尺度旅游客源市场预测方面的客观差异,得出以下结论:(1)B-P神经网络模型适合于数据有波动中长期(15a左右)的旅游客源预测;(2)ARIMA模型适用于数据呈平稳趋势的中长期(10a左右)的客源预测;(3)灰色系统GM(1,1)模型适合于时间序列较短(5a以下)的预测,对于远期数据仅反映一种趋势;(4)时间序列越短,模型的平均相对误差越小,即预测精度越高。