基于BP神经网络的UHPC直剪承载力预测模型

为提供准确的UHPC直剪承载力,以指导UHPC结构设计,建立一种基于BP神经网络的UHPC直剪承载力预测模型。该方法基于机器学习中的反向传播人工神经网络(BP-ANN),搜集现有相关试验数据并建立数据库,将混凝土抗压强度、受剪面积、纤维特征参数、钢筋参数和侧向约束应力指定为输入特征参数,将直剪承载力指定为输出量,利用数据库对BP-ANN模型进行训练。将模型预测值与试验实测值和现有计算模型的结果进行对比,并采用SHAP算法对各参数重要性进行分析。结果表明:BP-ANN模型具有更好的预测效果,其相关系数R2达到0.953,平均绝对误差MAE为1.015,模型训练结果理想,可应用于实际的数据处理分析;侧向约束应力对直剪承载力的影响最大,钢筋参数影响最小。

日光温室环境因子预测模型及应用——基于BP神经网络

为探讨北方日光温室内空气温湿度的变化规律,预测其变化趋势,进而确定合理的调控措施,采用L-M算法建立BP神经网络预测模型;选择S型函数作为网络激活函数,建立一种适用于北方日光温室空气温湿度环境因子的模拟预测模型。选取正常生产的日光温室为试验基地进行数据采集,采用皮尔逊相关系数确定模拟预测模型的输入因子,从1个月1440组实测数据中选取前29天的数据进行训练,对最后一天预测出的数据进行验证。研究结果表明:分段预测的预测值与实测值的符合度值大于全天预测,且分段预测的符合度大于0.99,均方根误差小于0.4,模型可用于模拟和预测北方日光温室大棚内空气温度与湿度的变化趋势,具有良好效果。

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BP神经网络和二次指数平滑法组合预测模型的安徽省物流需求预测

为准确预测安徽省的物流需求,从经济发展、产量结构、地区贸易和消费水平4方面选取安徽省的地区生产总值,第一、二、三产业产值,社会消费品零售总额,固定资产投资,人均消费性支出7个影响因素作为安徽省物流需求评价指标,以安徽省货运量作为物流需求规模输出指标,采用灰色关联分析计算安徽省物流需求评价指标与物流需求规模间的关联度,判断评价指标的合理性。通过夏普利值法将BP神经网络预测模型和二次指数平滑法预测模型组合,预测2017—2021年安徽省物流需求。结果表明:BP神经网络预测模型、二次指数平滑法预测模型及二者的组合预测模型预测结果的平均相对误差分别为4.58%、6.70%、3.99%,组合预测模型的平均相对误差最小。通过组合预测模型预测2022—2024年安徽省物流需求分别为405 004.96万t、407 142.09万t、409 108.95万t,安徽省货运量呈持续增长趋势,但增幅降低。安徽省应加快传统物流向智慧物流的转移速度,扩大内需,加强物流枢纽城市间的联系,加速区域一体化发展步伐,确保物流高质量发展。

基于BP神经网络的雪茄原料感官质量预测模型构建

本研究旨在利用BP神经网络技术,深入分析并预测雪茄原料的常规化学成分与其感官质量之间的复杂关系。通过收集四川、湖北、云南、湖南和尼加拉瓜雪茄烟叶常规化学成分数据作为输入变量,结合雪茄原料各项感官质量指标作为输出变量,成功构建了拓扑结构为6-9-1的BP神经网络模型。该模型不仅能够准确预测雪茄原料的感官质量评吸结果,而且揭示了不同产区雪茄烟叶在化学成分和感官质量方面的独特特征。研究表明,所检测样本中,国内4个主产区雪茄烟叶总糖、还原糖、烟碱、氯含量均高于尼加拉瓜烟叶,尼加拉瓜烟叶香气质和香气量得分较高。四川烟叶刺激性得分较低,湖北产区雪茄烟叶余味得分较高,云南烟叶杂气得分较低,湖南烟叶燃烧性和灰色得分较高。本研究雪茄烟叶样本的常规化学成分和感官质量指标统计特征较好,基本服从正态分布。所构建的BP神经网络模型的预测值与实际值间差异较小,其中余味、刺激性、灰色和总分的相关系数均在0.9以上。在训练集、验证集和测试集的预测值和实际值误差中,除总分误差区间较大外,剩余多数指标误差区间在0~0.5范围内的比例达到85%以上。BP神经网络所建立的雪茄原料感官质量预测模型拟合效果较好。本研究的成功实施为基于常规化学成分快速、准确地预测雪茄原料感官质量提供了有力支持,有助于推动中式雪茄烟行业的创新发展。

基于MFO优化BP神经网络构建冷鲜肉品质预测模型

为能准确预测冷鲜肉在贮藏中品质的变化规律及质量安全,本文探究贮藏温度(0、4和25℃)对冷鲜肉菌落总数、TVB-N、pH、水分含量、色度和生物胺含量的影响,确定冷鲜肉的特征品质指标。基于反向传播(Backpropagation,BP)神经网络和飞蛾火焰优化(Moth-Flame Optimization,MFO)BP神经网络,利用特征指标作为训练数据,构建不同贮藏温度下冷鲜肉的品质预测模型,快速准确评价和预测食品的质量安全。结果表明,不同贮藏温度下冷鲜肉的菌落总数、pH、TVB-N、色泽和生物胺含量随着贮藏时间的延长均呈上升趋势(P<0.05),且各指标在不同贮藏温度下的变化规律不一致,温度越高,腐败变质的速度越快。通过相关性分析得出菌落总数和TVB-N为冷鲜肉品质特征指标,以特征指标为训练数据构建BP神经网络和MFO优化BP神经网络模型。结果显示,MFO优化BP神经网络优于单一的BP神经网络模型,指标菌落总数和TVB-N通过BP神经网络模型训练后的R值分别为0.95018、0.94283,通过MFO算法优化训练后的R值分别为0.97538、0.98001,更接近于1,且优化后的RMSE、MSE和MAE值相对较小,其模型拟合度更好,在整个贮藏期的预测性能更好,准确率更高。因此,MFO优化BP神经网络可用于预测冷鲜肉在贮藏过程中品质的变化规律。

基于BP神经网络技术的我国饲料产量预测

畜牧业的发展与饲料生产密不可分,精准预测饲料产量对于畜牧业和饲料业的生产规划至关重要,也是实现可持续发展的重要保障。研究利用我国1990年至2022年的饲料产量面板数据,运用MATLAB软件模拟构建了BP神经网络预测模型,旨在科学预测我国2023年至2024年的饲料产量。结果表明:BP神经网络模型的预测值与实际值的相关系数高达0.999 8,对我国2022年饲料产量进行的模型验证显示预测误差仅为1.07%,说明该模型的迭代学习效果良好。预测结果显示,我国2023年和2024年的饲料产量分别为33 041.62和29 986.32万t,这一研究为我国饲料生产的可持续发展提供重要的理论参考。

基于BP神经网络算法的判罚对足球比赛成绩影响的预测模型研究

本文基于某省近3届运动会足球比赛的判罚数据,采用BP神经网络算法构建预测模型,分析判罚对足球比赛成绩影响的关联效应。对数据进行预处理和特征提取,并输入到神经网络中进行训练,构建出较为理想的预测模型。结果表明:(1)在BP网络选用的隐含层节点数为6时,其训练集的预测相对均方差较小,预测未来比赛结果的准确率达到了90%以上,且召回率和F1分数等评价指标均表现良好。(2)判罚情况与足球比赛成绩呈显著正相关,是影响足球比赛成绩的重要因素。本文为判罚对足球比赛成绩影响的预测提供了新思路,同时为判罚对其他体育比赛成绩的分析和预测奠定了理论基础。

基于拌和生产数据的BP神经网络混凝土抗压强度预测

为解决混凝土生产中抗压强度试验周期长及工程管理存在滞后性的问题,提出了一种基于混凝土拌和生产实时监控数据的BP神经网络混凝土抗压强度预测模型。以混凝土拌和生产中的8项物料生产称重数据和5项生产配比数据作为预测输入变量,建立200组混凝土拌和站生产监控数据和对应的抗压强度试验数据样本集,按照6∶2∶2比例划分为训练集、验证集和测试集;分别以C40配比混凝土拌和生产的8项物料称重数据和全部13项数据作为输入变量,进行混凝土28 d抗压强度预测,将预测结果与实际试验结果进行比较,验证所提出BP神经网络模型的预测效果。结果表明:所提出的BP神经网络混凝土强度预测模型能较好地实时预测混凝土28 d抗压强度,且相对误差优于利用7 d抗压强度试验数据估算值;8项物料称重数据作为输入变量的BP神经网络预测模型预测精度更好,平均绝对百分比误差为0.82%,均方根误差为0.52 MPa;利用不同拌和站C20配比、C30配比混凝土拌和生产监控数据对8项输入变量BP神经网络混凝土抗压强度预测模型进行适应性验证可知,其预测平均绝对误差均在0.5 MPa之内,平均绝对百分比误差均小于2%,与C40配比预测误差一致;该预测模型充分挖掘了混凝土拌和站生产实时监控数据的价值,实现了传统混凝土抗压试验结果提前化,对提高工程建设质量水平具有重要意义。

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。

基于猎人猎物优化算法的粉尘浓度BP神经网络预测模型

为了更好地预测煤矿井下泡沫降尘技术处理后的粉尘浓度,以文家坡煤矿4^(-2)盘区2#灾害治理巷为工程背景,采用基于猎算法优化的BP神经网络模型预测粉尘浓度。通过接触角试验,结合煤样接触角表征的抑尘效率与经济性,确定对降尘效率影响较大的发泡剂浓度为0.5%,并对掘进巷道内不同参数条件下粉尘浓度进行实测;以水压、风压、初始粉尘浓度3个参数为输入,以不同条件下巷道内的粉尘浓度为输出,对比分析各算法的预测精度及泛化能力。通过比较4种神经网络预测模型的拟合度,“3-9-1”结构的HPO-BP神经网络模型预测拟合度最大,更适用于煤矿井下掘进面粉尘浓度的预测,能够为泡沫降尘技术参数的后续调整提供依据。

基于GA-BP神经网络的客船人员疏散时间预测模型的建立

针对客船人员疏散问题,设置了影响疏散时间的多个参数,构建了3×3×3×5×6=810种不同的疏散场景,利用Pathfinder人员疏散仿真软件获得了810组人员疏散时间的模拟数据,并在此基础上建立两种不同的预测模型:一种基于BP神经网络,另一种则结合了遗传算法的GA-BP神经网络,对其进行实验性能对比。结果表明,优化后的神经网络预测准确率达到97.7622%,相较于优化前提高了2.5394%。采用遗传算法对神经网络进行优化,训练时间有所减少,准确性大大提高,可为船舶应急处理提供科学依据和新的技术手段。

基于BP神经网络模型的水泥行业碳排放量预测及达峰路径研究——以徐州市为例

为开展水泥行业碳达峰碳中和路径研究,采用碳排放因子法计算了1995—2021年徐州市水泥行业CO_(2)排放量,运用BP神经网络模型对水泥行业CO_(2)排放量进行了评估,基于不同情景对2022—2030年CO_(2)排放量进行了预测。结果表明:1995—2021年徐州市水泥行业CO_(2)排放量为736.78~2732.27万t。水泥行业CO_(2)排放整体呈先升高后降低的趋势。2010年碳排放量达到峰值2732.27万t后,逐渐波动下降到2021年的812.81万t。BP神经网络模型预测水泥行业CO_(2)排放量是可行的。根据基准情景、低碳情景、强化低碳情景,通过BP神经网络模型对2022—2030年徐州市水泥行业碳排放量预测:基准情景下,2030年徐州市水泥行业CO_(2)排放量为2484.75万t,相比于2021年,年均增长率约为22.86%。低碳情景下,2030年CO_(2)排放量为1979.80万t,年均增长率约为15.95%。强化低碳情景下,2030年CO_(2)排放量为1502.43万t,年均增长率约为9.43%。建议从政策和技术升级等方面实施CO_(2)减排,助力徐州市水泥行业碳达峰碳中和的实现。

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神经网络模型的电弧织物防护性能预测

电弧防护性能的预测关系着相关作业人员的人身安全问题。试验建立了ATPV值和EBT值的BP神经网络预测模型,探究不同的输入层节点个数、隐含层节点个数和训练次数对模型预测精确度的影响。通过BP网络模型试验验证,实测值和预测值的对比分析,BP模型预测的ATPV值与实际测试值的结果误差率小于5%,EBT值的BP模型预测值与实际测试值的结果变化趋势吻合度达到95%以上。试验结果显示,BP神经网络模型对于ATPV值和EBT值的预测准确度满足防电弧织物性能评价。

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。

基于多模型BP神经网络算法的湿化器的湿度预测控制

高流量呼吸湿化器的湿度控制效果,是衡量湿化器品质的重要标准,由于湿化罐出气口没有使用湿度传感器实时采集数据,无法对湿化器出气口的空氧混合气体的湿度做实时监测,所以不能构建一个完整的闭环负反馈的系统,只能构建一个基于预估数据进行控制的开环系统。对于湿化器的湿度预测控制的问题,提出基于多模型切换的BP神经网络算法预测控制,在目标温度平衡点进行线性化,根据流量的变化选择模型。仪器测试实验表明:湿化器的湿度预测控制系统有更高的控制品质,适用于不同温度,不同流量的湿化模式。

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。

基于遗传算法和BP神经网络的矿区土壤重金属含量空间分布预测

本研究提出了一种基于遗传算法(Genetic algorithm,GA)和BP神经网络(Back propagation neural network,BPNN)的复合模型——GABP模型,以安徽省池州市某矿区及其周边为研究区,预测了土壤中p H和7种重金属元素(Cd、Pb、Cr、Cu、Ni、Hg、As)含量的空间分布,并与BPNN和反比距离权重法(Inverse distance weighting,IDW)进行了比较。研究结果表明:受采矿活动影响,研究区土壤p H和重金属含量呈显著的空间分异性;GABP复合模型的数据扩增能够有效弥补BPNN对样本数量的依赖,同时结合了地理位置和高程属性,精度评价结果显示GABP模型的平均R^(2)、r、RMSE、MAE分别是IDW和BPNN的3.03倍、2.56倍,2.93倍、2.39倍,0.85倍、0.61倍,0.79倍、0.62倍,预测精度更高。模型解决了传统空间插值方法结果中可能出现负值和边界无法插值的问题,为土壤重金属含量空间分布预测提供了一种新方法。