应用BP神经网络预测原油含水率问题的研究

原油含水率是一个复杂的随机系统,本文根据射频原油含水分析仪的非线性问题(双值性),以及原油含水率与其影响因素之间存在的映射关系,建立了一个BP人工神经网络模型,并将其用于原油含水率的预测,给出BP算法动态演化过程的训练调试界面,并在算法上进行改进。实例表明,该模型软件预测精度高,有一定推广价值。

反向传播(BP)算法及其在VB5中的实现

先介绍了反向传播（ＢＰ） 算法的基本概念，然后给出了ＢＰ 算法在Ｖｉｓｕａｌ Ｂａｓｉｃ ５ ．０

基于BP神经网络的华北落叶松小班蓄积预估模型研究与应用

林分蓄积是衡量小班林分生产力的重要指标。选择华北落叶松人工林小班数据,对以年龄、公顷株数和立地指数为自变量,小班公顷蓄积为因变量的BP(back propagation)神经网络模型和多元回归模型进行研究。研究结果表明:①BP神经网络参数最优组合:三层网络结构包括输入层3个神经元,隐含层10个神经元和1个神经元,输出层1个神经元,R语言算法选用含有动量的自适应梯度下降法,MATLAB软件算法选择Levevberg-Marquardt法;②多元回归模型中,生长理论方程为基础修正函数"Logistic+幂函数"组合的修正模型V=SI^0.977 2N^0.510 30.500 1/[1+44.226 1exp(-0.146 6t)]表现最优,其决定系数R2为0.721 8;③BP模型预测精度最高,其次是多元回归模型和材积表法。基于以上研究,为了提高BP模型的实用性,通过JAVA和R语言编程方式,将构建BP神经网络小班蓄积预估模型存储到收获预估模型的模型库中,在人工林收获预估中实现BP模型的调用,实现从经典的数学模型形式向智能化软件方向发展,提高BP模型在实际生产中的可操作性,为森林经营作业提供决策支持。