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。

基于BP人工神经网络的遥感影像分类

重点讨论了遥感图像分类处理过程中应用效果显著的BP神经网络方法,并在Matlab软件平台下对基于BP神经网络的分类算法进行了研究,最后将它的分类结果与ERDAS软件平台下的监督分类结果进行分类精度评定比较分析。结果表明,基于BP神经网络的遥感图像分类总精度比ERDAS软件平台下的监督分类的总精度高,是一种有效的遥感影像分类方法。

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。

基于人工神经网络的人脸识别分类器设计

为了提高人脸识别系统的自适应性,采用BP神经网络对抽取出的人脸特征进行识别。对人工神经网络、BP网络应用于人脸识别的过程做了简要介绍。并通过仿真实验加以验证。

基于眼底图像的人工神经网络分类器研究现状与进展

目的:总结基于眼底图像的人工神经网络分类器研究现状与进展,为基于眼底图像的疾病计算机辅助诊断提供基础。方法:本研究采用文献检索和综述的方法,对国内外关于眼底图像的人工神经网络(Artificial Neural Network,ANN)研究进行整理,主要对已发表的文献中ANN技术以及相关眼底图像的特征提取技术进行整理和分析。结果:本次研究检索到符合要求的研究共计27篇,最终纳入17篇研究进行资料提取。提取的指标为分类内容、特征提取、神经网络类型/方法、ANN输入层层数、隐藏层神经元数量、输出、分类指标等。针对不同样本的研究,提取的特征有所区别。目前研究眼底图像的主要ANN方法是后反馈神经网络(BP-ANN)。结论:基于眼底图像的ANN能够为视网膜病变的辅助分析提供一定帮助。

优化的BP神经网络分类器的设计与实现

文章从实用、经济和高效的角度出发，提出了一种优化BP神经网络分类器的设计与实现方案。它具有较好的模块性，可移殖性以及透明性。对于各种模式识别的情况，它都具有一定的实用和参考价值。同时提出了一种确定隐层节点数的新方法。结果良好。

基于多层前馈型人工神经网络的抑郁症分类系统研究

多层前馈型人工神经网络(MLPANN)是应用广泛的一种人工神经网络。该文研究了用于抑郁症中医证候分类的一类MLPANN,设计了一种基于自定义网络结构及其他参数的BP训练算法的分类系统,并首次应用在抑郁症的中医证候分类研究中。该系统利用实际病症样本数据进行了训练和分类,结果表明系统具有很好的分类效果,可以用于指导抑郁症诊断和治疗。

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神经网络的车型分类器

针对车型特征,提出了一种基于BP神经网络的识别方法.从图像中提取车型特征向量,用BP神经网络设计分类器,并进行有效的训练与测试.应用改进的BP算法(尺度化共轭梯度法)对网络进行训练,使网络很快得到收敛,解决了一般算法收敛慢的缺陷.

基于主成分分析和人工神经网络的激光诱导击穿光谱塑料分类识别方法研究

研究了人工神经网络在激光诱导击穿光谱(LIBS)塑料分类识别方面的应用。选用七种常见的塑料作为实验样品,获得每种样品的170组LIBS光谱数据,利用主成分分析获得前五个主成分的得分矩阵。用每种塑料样品的130组光谱数据的主成分得分矩阵作为训练集,建立反向传播(BP)人工神经网络模型。将其余40组主成分得分作为测试数据输入训练好的模型进行分类识别,其识别准确度达到97.5%。实验结果表明,通过采用主成分分析与BP人工神经网络相结合的方法,可以很好地进行塑料激光诱导击穿光谱的分类识别,对塑料的回收利用有重要价值。

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。

应用BP神经网络分类器识别交通标志

介绍了神经网络特性和BP神经网络分类器的一般原理。针对交通标志识别需要处理的信息量大以及受天气道路等外界条件的影响存在噪声干扰的情况，提出了一种应用BP神经网络分类器识别交通标志的方法。识别分为图像数字处理、BP神经网络的训练、测试与对加入噪声图像进行识别3个步骤，经实验取得了良好的识别效果。

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。

岩爆分类的人工神经网络预测方法

采用人工神经网络原理,选取影响岩爆的一些主要因素,如地应力、岩石抗压强度、抗拉强度等作为输入参数,建立了岩爆分类与预测的神经网络模型.利用国内外一些工程实例作为学习和训练的样本,并用已经训练稳定的样本对某水电站地下厂房岩爆进行预测.研究表明,与其他岩爆预测方法比较,人工神经网络模型更具有客观性和有效性.