广西道路交通事故BP人工神经网络预测模型的建立及效果评价

目的构建广西道路交通事故BP人工神经网络预测模型,为研究广西道路交通事故提供新方法。方法在分析道路交通事故与人、车、路等因素关系的基础上,选取人口数、客运周转量、民用车辆拥有量和公里里程数作为输入变量,交通事故发生数作为输出变量,应用BP人工神经网络技术,对2010年广西道路交通发生数进行预测。结果 2010年广西交通事故预测数为4 562次,实际发现4 351次,预测值与实际值误差为4.85%,建立的模型拟合效果较好。结论 BP人工神经网络模型适用于广西交通事故数的预测,为交通部门进行交通事故预测研究提供新方法.

福建春季旱涝灾害BP人工神经网络预测模型

以动量BP人工神经网络模型对福建3-4月的春季旱涝进行了预测试验。试验结果表明:若前期冷空气偏强,会导致来年春季降水偏多,3个主分量的各因子均达到显著性水平;尽管福建春季降雨量具有明显的非线性演变特征,但从试报的5年来看,神经网络的预测评分可高达90分以上,逐步回归和最优子集最高不超过90分。因此,所提BP神经网络预报模型对福建春季降雨量有较好的预报效果,可供有关部门制定防灾减灾决策参考。

降水量的BP人工神经网络预测模型及其应用

由于影响因素的复杂性 ,预测降水量具有相当的难度。在假设区域长时间内降水量和蒸发量保持平衡的基础上 ,用 BP人工神经网络建立了陕西省汉中市的降水量预测模型 ,根据前 3个月降水量和蒸发量对降水量资料进行了模拟预测 ,结果认为其准确率为 84% ,合格率为 10 0 %。

大气SO_2含量时间序列的BP人工神经网络预测模型

基于某市1996～2008年大气中SO2含量数据,利用BP人工神经网络(ANN)方法,建立SO2含量变化的时间序列人工神经网络模型。对该市2009～2015年大气中的SO2含量变化趋势和规律进行研究。并与趋势外推法(TEND)的预测结果进行比较。结果表明基于人工神经网络技术的SO2含量预测是可行的,模型能较好地反映SO2含量的动态变化规律。

基于人工神经网络模型的碳排放预测研究进展

碳排放是一个受多因素交互作用的动态过程,准确预测碳排放量有利于碳减排措施的制定。由于碳排放本身模型具有动态变化性、非线性、社会性等特点,传统预测方法不能满足实际情况的需要。人工神经网络模型能够较好地描述碳排放时间系列数据的非线性特性,被广泛应用于预测国家、区域、行业等层面的碳排放量变化。其中,误差反向传播(Back Propagation,BP)神经网络模型和长短期记忆(Long Short-Term Memory,LSTM)神经网络模型备受关注。在模型预测过程中,通过识别目标模型的碳排放影响因素类型、提高输入层数据的准确性、构建适宜的线性—非线性耦合的组合模型等途径,进一步提高模型预测的准确性。研究结果对人工神经网络模型在碳排放预测中的应用情况进行梳理,为碳排放预测技术的进一步发展提供参考。

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。

基于Transformer的人工神经网络城轨列车车轮磨耗预测模型构建

针对目前已有地铁列车车轮磨耗预测模型,在大量车辆车轮廓型数据支撑下,分析车轮磨耗规律,如廓形参数及等效锥度等因素与踏面磨耗、轮缘磨耗之间的关系,研究各参数与车轮磨耗之间的相关性。采用数据驱动方式,构建一种基于Transformer的人工神经网络,用于建立车轮磨耗预测模型。试验结果表明,基于数据驱动的车轮磨耗预测网络能够实现车轮磨耗的准确预测,可用于预测车轮使用寿命,减少相关成本,提高经济效益。

反向传播-人工神经网络在辐照黑椒牛肉品质预测中的应用

为探究不同辐照处理对贮藏过程中黑椒牛肉品质变化的影响,建立基于理化指标的多种品质预测模型。3~4 kGy的辐照剂量能够有效延缓黑椒牛肉在贮藏过程中的汁液流失、脂质氧化和蛋白质降解,保持其硬度和微观结构,在一定程度上增加呈鲜味(Asp)和甜味(Gly、Ala、Ser)游离氨基酸的含量。以辐照黑椒牛肉的汁液流失率、硫代巴比妥酸反应产物值、总挥发性盐基氮值、原肌球蛋白条带强度比率、肌球蛋白重链条带强度比率和总游离氨基酸含量为输入变量,优化了反向传播-人工神经网络(backpropagation-artificial neural network,BP-ANN)模型。训练函数为ReLU函数,隐藏层神经元个数为14个,迭代次数100次。结果表明,6-14-6 BP-ANN模型可以较好地预测辐照黑椒牛肉的品质变化,该模型在预测辐照肉制品的多种品质方面具有很大潜力。

基于灰色GM-BP神经网络组合模型的中国镍原矿多情景需求预测

2016年我国颁布《全国矿产资源规划(2016—2020年)》,首次将镍列为战略性矿产资源。我国是全球最大的镍消费国,但镍资源储量少,对外依存度高,科学预测镍原矿需求量对保障镍矿产业链与供应链安全具有重要的现实意义。从需求侧出发,利用灰色关联度法选取中国不锈钢产量、人均GDP、电镀行业市场规模、城镇化率、产业结构、新能源汽车产量作为镍原矿需求情景预测的驱动变量,再在灰色GM(1,1)模型预测基础上,与BP神经网络算法相结合,构建基于残差优化的GM-BP组合模型,对2025—2035年中国镍原矿需求展开多情景预测。研究结果表明:组合模型实现了对小样本非线性时间序列数据的有效预测,且比GM(1,1)模型拟合误差更小,预测精度更高;根据组合模型,2025年、2030年、2035年我国镍原矿多情景需求均值分别为182.22万t、272.08万t、395.17万t,“十四五”“十五五”“十六五”期间需求年均增长4.26%、10.54%、9.78%。镍原矿需求呈稳定上升态势,镍矿供需矛盾将进一步加剧,我国必须提高镍供应能力,降低对进口镍的依赖程度。对此,提出如下政策建议:1)推进国内不锈钢产业的转型升级,优化生产工艺和产品结构,推广新型合金材料的应用;2)加大对镍矿勘探和开发的支持力度,如鼓励矿业企业技术创新,提高勘探效率和精度,同时积极推动国际合作,吸引国外先进技术、设备进入国内市场;3)促进进口多元化,与多个供应国建立合作关系,鼓励国内企业参与海外镍矿项目。

基于BP神经网络的乒乓球优秀女子单打比赛结果预测模型构建及仿真应用

为构建优秀女子运动员技战术表现与比赛获胜的理论模型,合理安排技战术训练及比赛策略提供参考借鉴。运用录像观察法、数理统计法及BP神经网络构建乒乓球优秀女子单打比赛结果预测模型。在此基础上,利用预测模型仿真分析新型塑料球时代优秀女子乒乓球运动员在不同水平技战术组合下的比赛获胜模式。本文构建的预测模型R为0.978,R~2为0.956,平均绝对误差为0.0085,模型精度达到98.4%;仿真分析1 024种技战术段组合结果可知,568种组合的预测结果为获胜,456种组合的预测结果为失败。结论:基于BP神经网络构建的乒乓球优秀女子单打比赛结果预测模型拟合效果佳,个案实证预测效果较好,具有较高的预测性能;新型塑料球时代优秀女子运动员在单打比赛中,各技战术段之间的补偿效应因技战术段和等级而有所不同,评估总分17分为女子单打比赛胜负的分界点,不同水平技战术段组合的比赛评估总分大于17分即可取得比赛胜利,低于17分则会落败。

基于Probit回归模型和BP神经网络模型的宁夏盐池滩羊产量影响因素及预测研究

通过对滩羊养殖户户主和家庭基本特征、养殖场生产经营特征、优质化生产认知情况以及疫病防治情况进行调查,采用Probit回归模型和BP神经网络模型分析了宁夏盐池县12个滩羊养殖村滩羊肉产量的影响因素,并预测了未来5年的滩羊肉产量情况,预测结果表明到2025年,宁夏滩羊产量将达12.5万t,宁夏滩羊产业总体呈现良好的发展势头。

基于LSTM人工神经网络的电力系统负荷预测方法

针对电力市场环境下短期电力系统负荷预测准确性较低的问题,提出了一种基于LSTM人工神经网络的组合预测模型。分析了LSTM神经网络和其变体GRU神经网络在进行负荷预测时学习时序特征的独特优势,并以卷积神经网络作为负荷数据的特征提取层,结合GRU网络构建了组合模型,通过建立残差预测模型对结果进行修正。仿真结果表明,具有记忆功能的神经网络预测效果要优于ANN和SVM模型,且所提出残差预测模型的负荷预测平均相对误差约为1.79%,其准确性高于单一算法的负荷预测模型。

基于BP神经网络的UHPC-NC界面抗拉强度的预测模型

为研究严寒环境下超高性能混凝土与普通混凝土(Ultra High Performance Concrete-Normal Concrete,UHPC-NC)黏结件的界面力学性能,基于现有文献中的试验数据,建立了84组UHPC-NC界面劈拉试验的数据库,利用人工神经网络对UHPC-NC的界面劈拉强度进行预测。采用反向传播算法对3层人工神经网络模型进行训练,以预测UHPC-NC界面劈拉强度。该模型的输入层包括冻融循环次数、钢纤维掺量、界面剂类型和界面粗糙度4个参数,通过将这些参数作为模型的输入,可以得到对UHPC-NC界面劈拉强度的预测输出。结果表明,BP神经网络模型具有良好的预测和泛化能力,误差较小。该方法能够综合考虑UHPC-NC黏结劈拉强度的影响因素,给出精确的预测结果。

基于BP神经网络算法构建糖尿病早期肾病风险预测模型

目的探讨糖尿病早期肾病的相关危险因素,并基于BP神经网络算法构建其风险预测模型。方法回顾性分析永康某中医院2020年1月至2022年12月收治的1048例糖尿病患者,其中糖尿病肾病患者115例,占10.97%,并以此分为DKD组(糖尿病肾病组115例)和DM组(糖尿病组933例)。收集患者相关资料,采用倾向性评分匹配(PSM)排除混杂因素后按1∶1最邻近方法进行匹配。以单因素分析中具有统计学意义的指标,运用BP神经网络算法基于相关因素构建预测模型。以平均绝对值误差(MAE)进行模型效能分析,以受试者工作特征曲线(ROC)评估风险预测模型的预测价值,并进行外部验证,采用校准曲线评估模型一致性。结果混杂因素有性别、合并高血压、空腹血糖、尿酸,将建模集按1∶1比例以最邻近方法进行PSM排除混杂因素后,DKD组95例,DM组95例。单因素分析结果提示患者年龄、2型糖尿病、总胆固醇(TC)、尿蛋白排泄率、糖尿病病程、胱抑素C(Cys C)组间差异具有统计学意义(P<0.05)。预测精度从大到小依次为BP神经网络算法、决策树、支持向量机、逻辑回归。BP神经网络结果显示影响糖尿病早期肾病发生重要性的前4位因素依次为蛋白尿排泄率、年龄、糖尿病病程、Cys C。预测模型AUC为0.959(95%CI:0.917~1.000),约登指数0.867,对应的敏感度与特异性分别为0.867、1.000。外部验证AUC为0.958(95%CI:0.922~0.995),其敏感度与特异性分别为0.804、1.000,校准图中校准曲线贴近于标准曲线。结论基于机器学习法构建的以年龄、病程、尿蛋白排泄率、TC、Cys C、2型糖尿病为预测特征的BP神经网络算法模型对糖尿病早期肾病有较好的预测价值,可以把该模型临床应用于此类高风险人群的管理识别。

基于改进PSO-BP神经网络的热采管柱应力预测

稠油热采过程中,油套管柱由于在温度、地层等多重载荷作用下发生塑性形变进而导致断裂或失效。文中根据热采管柱高温服役工况,引入异步变化学习因子和自适应权重建立输入参数为注汽温度、井深、非均匀系数和水泥环温度,输出参数为套管应力的改进PSO-BP模型。文中以N80热采套管为例,选取260、280、300、320、340℃5种温度工况下有限元模拟结果作为训练数据,对比BP模型、GA-BP模型、MEA-BP模型、PSO-BP模型和改进PSO-BP模型在300℃工况温度下井深200、300、400、500、600、700 m处套管应力的预测值和试验值、有限元计算值。结果表明:改进PSO-BP模型预测的应力与试验值最接近,最大和最小误差分别为2.69%和0.06%。最后从训练数据、预测误差、计算时间等方面对建立的改进PSO-BP模型进行了评价,为热采管柱服役过程中的强度安全分析提供智能高效的模型。

基于BP神经网络的集中供热二次网回水温度预测控制研究

针对集中供热系统二次管网存在的水力失调问题,设计了二次网水力平衡调节及回水温度预测模型,并实施智能控制策略,以实现二次网回水温度的精准控制。首先,构建BP神经网络预测模型,将此模型的输出视为二次网回水温度给定值;其次,在整个系统控制中,实施BP神经网络与PID控制器相结合的策略,进行二次网回水温度的控制。以高邑县某小区换热站数据为基础,通过阶跃响应曲线法建立二次网回水温度控制系统的数学模型,并通过BP-PID控制进行仿真实验。实验结果表明,与传统PID控制器相比,BP-PID控制器具有调节时间短、超调量小的优点,能够快速达到平稳状态。

BP神经网络优化Stearns-Noechel模型的羊毛色纺纱配色

为了提升羊毛色纺纱配色的精确度,通过数理统计方法研究颜色特征中的色相、明度、饱和度与Stearns-Noechel模型参数M值之间的关系,采用BP神经网络对Stearns-Noechel模型参数M值进行优化,并与传统的最优平均M值和波长优化M值等方法进行对比。结果表明:采用BP神经网络优化Stearns-Noechel模型的配色方法比其他2种传统优化方法在颜色预测精确度上都有提高。在99个羊毛混色纱试验样本中,BP神经网络优化方法得到的平均色差最小,为1.1773,其中色差小于1的样本占54%,结合颜色特征采用BP神经网络优化的Stearns-Noechel模型参数具有较好的效果,对羊毛色纺纱的颜色预测精确度有较大的提高。

BP神经网络在混凝土性能预测中的应用

综述了BP神经网络在混凝土抗压强度及其他力学性能、耐久性、混凝土结构构件相关性能预测中的应用。综述表明,模型误差在工程可控范围内,模型泛化能力较强,利用BP神经网络对混凝土性能开展预测是可行的。

基于BP神经网络的固化红土抗压强度预测

为分析不同掺量的偏高岭土与石灰共同掺入玄武岩残积红土中对土体的改良效果,本试验选取偏高岭土的掺量分别为0%、2%、4%、6%和8%,石灰的掺量分别为0%、2.5%、5.0%、7.5%和10.0%,同时掺入玄武岩残积红土中,制作25组不同固化红土,对其进行28 d无侧限抗压强度正交试验,并用MATLAB软件建立神经网络预测模型,预测固化红土养护28 d的抗压强度。研究结果表明:本模型预测误差最大为4.56%,拟合度为0.997,且本方法比常规回归分析法更简单、更准确,可预测不同固结材料和掺量的固化红土抗压强度,提高试验效率。

基于神经网络模型的朝阳市生猪价格预测

选取2020年1月至2023年6月朝阳市生猪日价格和猪饲料中豆粕的日价格作为研究数据,分别建立BP神经网络模型和小波神经网络模型对朝阳市生猪价格进行预测.将前160周的价格数据作为BP神经网络模型和小波神经网络模型训练集数据,161~180周的价格数据作为预测数据,通过图形显示预测值和实际值变化,计算2种神经网格模型的平均绝对误差和均方根误差.通过误差比较分析得出,在朝阳市生猪价格波动领域,小波神经网络模型优于BP神经网络模型,建议推广应用.