基于麻雀搜索算法优化BP人工神经网络的短期湍流预报模型研究

提出了一种基于麻雀搜索算法优化BP人工神经网络(SSA-BP)的湍流预报模式。首先,采用BP人工神经网络作为湍流预报模型的基础框架。通过对温度、湿度、风速等气象因素的采集和处理,将其作为输入层的特征。然后,利用麻雀搜索算法对BP人工神经网络的权重和偏置进行优化。为了验证该方法的有效性,采用了来自地面气象站的大气湍流数据及气象数据进行实验。实验结果表明,SSA-BP人工神经网络能够成功预测大气湍流的发展趋势,并具有较高的预测精度和稳定性,能够充分利用大气湍流数据中的非线性特征,为湍流预测研究和实际应用提供了有力支持。

高校人文社科“项目制”的绩效评估及逻辑反思——基于联立方程与BP人工神经网络

中国的人文社科研究目前以项目制为主,对于项目制的绩效问题更多集中在微观层面,缺乏宏观实证研究。文章构建一种全新的分析框架,基于中国“双一流”建设高校的科研数据,综合应用联立方程、BP人工神经网络和贝叶斯向量自回归等多种方法分析科研项目、科研人员和科研经费等变量之间的互动关系。实证结果表明,中国人文社科项目制的总体绩效不高;科研经费的绩效有待提高;科研人员的绩效水平总体较高;科研人员、科研经费对科研项目的影响显著,学术论文对科研项目的正向反馈明显。最后指出,人文社科项目制需要进行反思和改进,要努力提高科研经费的分配体制,全方位调动广大人文社科工作者的积极性。

人工神经网络在电力营销系统中的应用与实现

在电力行业信息化发展背景下,收集与存储大量电力数据,可为电力企业营销决策制定提供依据。该文提出采用人工神经网络构建电力营销系统BP神经网络模型,通过智能决策树分类算法预处理模型数据,得到最优化的模型数据,并改进神经网络隐含层节点数目算法,结合应用分时段预测方法及共轭梯度算法分别进行网络训练及网络结构优化,为网络收敛速度加快提供保障,得出相对准确的电力营销年度电量预测结论,说明电力营销系统中人工神经网络具有较高的应用价值。

基于BP人工神经网络的学术期刊组合评价

在学术期刊评价中,组合评价得到了广泛应用,但组合评价方法和多属性评价方法均可用于组合评价问题,从而加剧了组合评价的复杂性,这种现象被称为组合评价悖论。为了解决这个问题,文章提出采用BP人工神经网络进行组合评价的思路,基于JCR2017经济学期刊,分别采用主成分分析、因子分析、TOPSIS进行单一评价,然后采用BP人工神经网络进行组合评价,并对评价效果进行分析。研究结果表明:组合评价悖论是学术评价中面临的新问题;BP人工神经网络是一种全新的组合方法,具有充分尊重单一多属性评价方法、精度高的优点,很大程度上解决了组合评价悖论问题;BP人工神经网络让评价重点重新回归到多属性评价,避免了评价方法过度技术化;BP人工神经网络组合评价不适合小样本。

高校人文社科项目制绩效评价及其改进目标——基于联立方程与BP人工神经网络

在深入分析高校人文社科研究投入产出诸要素关系的基础上,针对“双一流”建设高校的人文社科研究数据,采用联立方程模型分析项目制的绩效;并基于Super-SBM模型测度效率,从而明确改进目标;同时以确定最佳投入产出下研究项目的理想绩效为目标,探寻最优解,并借助BP人工神经网络进行稳健性分析。研究结果表明,人文社科项目的绩效有待提高;最佳投入下人文社科项目绩效提升较快,项目绩效水平有待提高;最佳投入下人文社科投入产出关系的匹配程度更高;人文社科投入产出效率总体进步空间巨大,主要原因是不同高校研究水平相差较大,导致纯技术效率水平较低;研究经费绩效较低需要引起足够的重视。

BP神经网络在高等职业院校教师综合评价中的应用

教师综合评价是教育评估中的重要组成部分之一。传统的教师综合评价方法对促进教师提高教学水平起到了一定的积极作用,但这些方法都摆脱不了人为因素对评价结果的直接影响。人工神经网络作为一种新技术,以其自有的模拟人的思维、非线性映射和自学习等能力为不确定性和非线性问题的研究开辟了新的途径,在各类评价问题上应用很多。本课题将人工神经网络(BP神经网络)引入教师综合评价中,克服了人为因素对评价结果的直接影响,并通过仿真实验表明,神经网络用于教师综合评价完全可行,为高等职业院校教师综合评价提供了方便实用的工具。

基于GWO-BP神经网络的住宅工程造价预测分析

为提高住宅工程评估模型预测准确性、稳定性和泛化能力,文章提出一种基于灰狼优化算法的BP神经网络(GWOBPNN)预测模型。采用GWO算法优化BPNN模型网络隐含层权值w和节点偏置b,构建了GWO-BPNN最优预测模型。通过随机测试样本验证GWO-BPNN模型预测性能,结果表明:GWO-BPNN模型单方工程预测值与样本实际值拟合优度R^(2)达到0.967,单方造价绝对误差值范围[-42.765,18.281],相对误差值范围[-2.42%,0.92%];MAE为14.536元/m^(2),MBE为6.601元/m^(2),GWO-BPNN模型表现出良好的预测精度和稳健性;同时,GWO-BPNN与BPNN模型单方造价预测性能对比分析表明,GWO-BPNN模型预测准确率和预测稳定性表现更优。本研究提出的GWO-BPNN预测模型可以稳定高效地对住宅工程造价进行预测,具有工程应用可行性。

基于MATLAB6.x的BP人工神经网络的土壤环境质量评价方法研究

对基于MATLAB6.x的BP人工神经网络工具箱进行了简要的介绍,并将BP人工神经网络应用到土壤环境质量现状评价中,编制了基于MATLAB6.x土壤环境质量评价程序,并对影响评价结果的训练集的构建、隐层神经元数量的选择、训练过程的建立等问题进行了探讨。结果表明,用随机函数rand或线性函数linspace内插生成网络的训练集是可行的,BP网络隐层的传递函数为tansig,神经元数量为5(用rand函数生成训练集)或8(用linspace函数生成训练集),输出层的传递函数为purelin,神经元数量为1。训练集中加入一定的噪声更有利于提高网络的识别能力。在此基础上,将构建的网络应用到实际土壤环境质量评价中,并将评价的结果与其他评价方法得出的结果进行了比较,表明BP人工神经网络应用到土壤环境质量评价中是切实可行的。

基于BP人工神经网络的大气颗粒物PM_(10)质量浓度预测

根据2008年长沙市火车站监测点全年大气PM10及气象参数的小时平均数据,建立BP人工神经网络预测模型,预测PM10小时平均浓度。为证明人工神经网络模型用于预测PM10质量浓度的准确性,研究中考虑2种预测模型:多元线性回归模型与人工神经网络模型。研究结果表明:与传统的多元线性回归模型相比,人工神经网络模型能够捕捉污染物浓度与气象因素间的非线性影响规律,能更好地预测PM10质量浓度,拟合优度R2有较大提高;所选取气象参数及污染源强变量能较准确地描述大气PM10质量浓度的实时变化,用于PM10质量浓度的预测准确度较高,整体R2可达0.62;人工神经网络预测模型不仅适用于一般污染浓度情况,对于高污染时期PM10质量浓度的预测也较为准确。

基于BP人工神经网络的河流生态健康预警

为加强河流管理,在已有的河流生态系统健康研究和BP人工神经网络模型基础上建立了河流生态健康预警模型,并对滦河河流未来健康状况进行了预警。结果表明:滦河在未来20年内河流生态健康状况将有所好转,其中近期水平年2015年为轻度疾病状态,为中警级别;中期水平年2020年与远期水平年2030年均为亚健康状态,为轻警级别。此外针对河流未来的警情状态,从警源分析角度提出了节水、优化水源工程、减污等关于滦河河流生态治理措施。

采用二次连续投影法和BP人工神经网络的寒富苹果病害高光谱图像无损检测

为提供苹果病害在线、快速、无损检测的理论依据,采用高光谱成像技术进行了北方大面积种植的寒富苹果病害无损检测研究。寒富苹果的主要病害有炭疽病、苦痘病、黑腐病和褐斑病害。为选择较少的有效波长而利于在线快速检测,首先采集高光谱苹果图像,分割出感兴趣区域并提取光谱信息,然后采用连续投影算法(successive projections algorithm,SPA)从全波长(500~970 nm)中提取了10个特征波长SPA1(502、573、589、655、681、727、867、904、942 nm和967 nm),再对这10个特征波长采用连续投影算法提取3个特征波长SPA2(681、867 nm和942 nm)。最后利用全波长光谱信息、SPA1提取的10个特征波长的光谱信息和SPA2提取的3个特征波长的光谱信息作为输入矢量采用线性判别分析、支持向量机和BP人工神经网络(BP artificial neural network,BPANN)模型进行苹果病害的检测。通过对检测结果分析,最终选择SPA2-BPANN为最佳检测方法,训练集检测率达100%,验证集检测率达100%。结果表明,高光谱成像技术可以有效对苹果病害进行检测,所获得的特征波长可为开发多光谱成像的苹果品质检测和分级系统提供参考。

BP人工神经网络模型在太湖水污染指标预测中的应用

【目的】利用BP人工神经网络模型预测太湖水污染指标,为探讨湖泊水污染物变化规律提供参考。【方法】利用2004～2010年浙江嘉兴王江泾断面自动监测站4项水质指标,建立了太湖水污染BP人工神经网络模型,并对太湖2012年前5周的水质情况进行预测。【结果】建立了浙江嘉兴王江泾断面的4项水质指标浓度的三层BP神经网络预测模型,其预测精度较高,对湖泊水环境污染物预测的适应性较好;对太湖2012年前5周的水质情况进行预测,结果表明,2012年前5周水质污染情况加重,基本为Ⅴ类水质,符合太湖水质污染情况发展态势。【结论】BP人工神经网络具有很强的非线性映射能力和柔性的网络结构,与传统的统计建模方法相比,其预测精度较高,能较好地反映水质指标的内在变化规律,为控制水环境污染提供了科学预测方法。

应用BP人工神经网络模型预测肾综合征出血热发病率

目的探讨反馈（BP）人工神经网络模型预测肾综合征出血热（HFRS）发病率的应用前景.方法利用沈阳市的气象资料（包括平均气温、相对湿度、降水量和日照）和动物疫情资料（包括鼠密度和鼠带病毒率）共6个指标作为神经网络的输入,将1984～2003年沈阳市HFRS发病率作为神经网络的输出.选择1984～2001年的数据,利用STATISTICA Neural Network（ST NN）建立BP网络预测模型,然后训练网络、预测2002和2003年HFRS的发病率.同时用上述指标建立线性预测模型,其结果与神经网络模型进行比较.结果对于BP神经网络,其平均误差率为7.89%,非线性相关系数为0.896.对于线性回归模型,其平均误差率为24.78%,非线性相关系数为0.711.结论BP人工神经网络可以用于HFRS发病率的预测,效果好于传统的线性回归方法.

BP人工神经网络的应用及其实现技术

简述了BP人工神经网络的算法原理 ,利用Batchnet程序对一个三层BP人工神经网络进行了设计 ,应用Matlab中人工神经网络工具箱设计了一个用于函数逼近的BP人工神经网络 ,最后 ,运用Matlab中可视化工具Simulink对一个BP人工神经网络例子进行了仿真 ,通过例子 ,探讨了BP人工神经网络的应用并介绍目前几种实用的BP人工神经网络实现技术 .

基于BP人工神经网络的区域生态安全预警——以甘肃省为例

结合预警理论,建立了区域生态安全的"状态-胁迫-免疫"(State-Danger-Immunity,SDI)动态预警模型。运用BP人工神经网络对甘肃省1997—2009年生态安全进行定量评估,并对2010—2015年生态环境安全进行动态预警。研究表明:(1)BP人工神经网络模拟效果较好,将其用于生态安全预警研究是可行的;(2)甘肃省1997—2009年的生态环境从"较安全"状态到"较不安全"状态,呈逐渐下降的趋势;(3)预警结果显示,甘肃省2010—2015年生态环境愈加恶化,人均工业废气排放量、人均耗能量、工业固废利用率及环境污染治理投资不足将成为影响甘肃省生态安全的主要因素。

BP人工神经网络用于肺鳞癌预后预测

目的 利用两个预后分析模型———time -codedmodel和single -timepointmodel ,结合实际数据进行肺癌预后结果预测。方法 利用LM算法和停止准则进行迭代。结果 利用BP人工神经网络的两个模型对于学习集数据的拟合情况要远远好于传统的Cox回归和logistic回归 ,若样本收集具有代表性 ,该网络可以任意精度逼近任意映射。利用停止准则后 ,在数据收集不是非常全面的条件下 ,预测效果与传统方法无差别。结论 BP人工神经网络可以用于肺癌预后结果预测。

BP人工神经网络在罗非鱼价格预测中的应用

通过分析影响罗非鱼价格波动的因素,利用BP神经网络良好的非线性映射特性,建立罗非鱼价格预测模型。选择时间、地理环境和经济条件因素作为输入层变量,价格作为输出单元,输入样本进行训练和仿真,对训练好的网络输入预测样本,将预测结果与市场实际价格进行比较,结果表明,该模型收敛速度快,预测精度高。该方法为水产品价格预测提供了一种新思路,有较高的应用价值。

应用随机森林与神经网络算法的足底软组织本构参数反演方法

目的 基于随机森林(random forest, RF)算法和反向传播(back propagation, BP)神经网络算法实现对足底软组织超弹性模型本构参数的预测,以提升本构参数获取方式的效率和准确性。方法 首先建立足底软组织球形压痕实验的有限元模型,并对球形压痕实验过程进行仿真,得到具有非线性关系的位移和压痕力的数据集。将数据集进行划分,得到训练集和测试集,分别对搭建好的RF和BP神经网络(BP neural network, BPNN)模型进行训练,通过实验数据对足底软组织本构参数进行预测。最后,引入均方误差(mean square error, MSE)和决定系数(R2)对模型的预测准确性进行评估,同时对比实验曲线验证模型的有效性。结果 利用RF和BPNN模型结合有限元仿真是确定足底软组织超弹性本构参数的有效、准确的方法。训练后的RF模型MSE达到1.370 2×10^(-3),R^(2)为0.982 9;BPNN模型MSE达到4.858 1×10^(-5),R^(2)为0.999 3。反求得到适用于仿真的足底软组织的超弹性本构参数,预测得到的两组本构参数的计算响应曲线与实验曲线吻合较好。结论 基于人工智能算法模型对足底软组织超弹性本构参数的预测精度很高,相关研究成果也可以应用于足底软组织其他力学特性的研究。同时,研究结果为足底软组织本构参数的获取提供新方法,有助于快速诊断足底软组织病变等临床问题。

湖南洛塔干河猪场表层岩溶泉BP人工神经网络分析

采用湖南洛塔地区干河猪场表层岩溶泉日降水—日平均流量长期观测资料训练BP人工神经网络,建立了该泉的径流预测模型。通过模型训练输出结果中降水量对径流量的贡献率,分析了表层岩溶带对水资源的调蓄能力。结果表明,降水对泉流量的显著影响时间为6天,当天和前一天的降水对当天的流量影响最大;干河猪场表层岩溶带可调蓄26.1%的岩溶水资源;干河猪场泉的全部流量可作为可采资源量,平均流量5.8 L/s,可满足目前的引水需求;通过改善土壤和植被覆盖条件可提高其调蓄能力。

基于BP人工神经网络的大沽河湿地海水水质综合评价

水体环境包含多个影响因素,因素间大多具有非线性相关性,为了能够客观地对大沽河湿地海水水质进行综合评价,以神经网络为基础,利用溶解氧、化学需氧量、无机氮、活性磷酸盐、石油类5个指标作为评价因子,建立了5×5×1拓扑结构的BP人工神经网络模型,通过该模型对大沽河湿地水质进行综合评价。同时采用单因子评价方法、内梅罗指数法对该海域环境状况进行评价,以期更好的对比评价BP人工神经网络模型的优缺点。BP人工神经网络模型评价结果显示,大沽河河道内站点的水质均为劣Ⅳ类水质,入海河流断面及其周边海域也达到了Ⅲ类及以上水质标准。调查海域无机氮含量超标严重,劣Ⅳ类及以上站位的数量占总调查站位的59.3%,富营养化状态明显。通过单因子评价法、内梅罗指数法、BP人工神经网络3种评价方法对大沽河湿地水质进行评价,发现Ⅲ类及以上水质站位占总调查站位比例分别为89%、96%、56%。与单因子评价法、内梅罗指数法相比,BP人工神经网络模型设计合理、评价结果科学可靠,是一种更加快捷、客观全面及实用的水体质量评价方法。