污泥干燥特性实测及预测模型研究

污泥脱水干化是污泥资源化利用的重要环节,目前缺乏通识性的污泥干燥模型。实验分析了干燥温度、相对湿度、污泥厚度、干燥时间等因素对污泥干燥过程的影响,比较了常用的5种薄层干燥模型对污泥干燥过程的拟合效果,建立了一种BP神经网络污泥干燥预测模型,并与传统的拟合效果较优的Midilli模型进行了预测精度比较。结果表明:当污泥低温干燥时,温度、相对湿度对污泥干燥有显著影响,相对湿度越高、温度越低,污泥干燥速率越慢;Midilli模型决定系数高、卡方系数和均方根误差均较小,是5种常用薄层干燥模型中拟合效果最好的模型,其与实验结果误差在15%以内;BP神经网络污泥干燥预测模型能很好预测污泥的干燥过程,预测结果与实验测试结果误差在5%以内,具有比Midilli模型更高的预测精度。BP神经网络污泥干燥预测模型为污泥干燥过程模拟提供了一种新的方法。

无站条件下BP神经网络年径流量预测模型研究

针对无监测站的河流断面的径流量预测难的问题,选取了有针对性的影响因子,采用人工神经网络的BP改进算法—自适应调节学习速率算法,以Matlab神经网络工具箱为工具,以辽河干流铁岭站为假想对象,建立了无站条件下年径流量预测模型,模型训练48次误差达到要求,以2004～2006年3年实测资料作为检验样本进行仿真,验证模型的精度。仿真结果表明:3年预测结果全部满足要求,说明该模型可用于河流任一断面年径流量的预测。

基于Kostiakov二参数入渗模型参数的BP预测

基于黄土高原区大田耕作土壤的水分入渗试验,建立了Kostiakov二参数入渗模型参数的BP神经网络预测,实现了以土壤基本理化参数为输入变量,Kostiakov二参数模型参数为输出变量的BP预测方法,并分别对二参数模型中的入渗系数k、入渗指数α以及90min累积入渗量H进行了预测值与实测值的精度比较,结果显示对入渗系数k实现BP预测的平均相对误差为6.082 3%,入渗指数α的平均相对误差为1.045 9%,90min累积入渗量H的平均相对误差为4.973 5%,三者的平均相对误差值均在7%以下,预测精度较高,预测效果较好,表明以土壤基本理化参数为输入变量的BP神经网络预测是可行的。研究结果为获取准确的入渗参数提供技术手段,进而为提高农业灌溉水管理水平和灌水效率提供支撑。

基于BP人工神经网络的球磨机钢球配比预测模型

采用BP神经网络对实验室磷矿球磨机磨矿中的钢球配比与磨矿产品粒级分布的关系进行建模,解决选矿厂磨机生产中钢球配比的计算问题.建立的BP神经网络预测模型通过磨矿产品粒级分布来预测对应的球磨机内钢球配比,预测绝对误差控制在3%以内,但预测相对误差较大且不稳定,说明在钢球配比与磨矿产品粒级分布的关系建模中该建模方法具有一定研究价值,该模型进一步优化后可具有工业应用价值.

GM-BP串联组合预测模型在滑坡变形监测中的应用

为了提高滑坡的预测精度,通过对灰色GM(1,1)模型与BP神经网络模型各自优缺点及互补性的分析,建立了GM-BP串联组合预测模型。模型首先采用等维动态GM(1,1)模型进行初步预测,然后利用BP神经网络对初步预测的结果进行训练及仿真,通过数据的归一化处理,参数的判定选取,获得组合模型预测值。以茅坪滑坡为例,对位移进行了预测。通过数据的对比分析,发现GM-BP串联组合预测模型在短期预测精度上高于单一模型。

基于灰色BP网络的城市生活垃圾日产量预测模型研究

通过对灰色BP神经网络模型的分析与研究,给出了灰色BP神经网络的建模方法,建立了基于灰色BP神经网络的城市生活垃圾日产量预测模型,通过一组历史数据分别对GM模型和灰色BP神经网络模型进行了验证,得到了灰色BP神经网络的预测效果要比单纯的灰色预测模型精度要高的结论,本模型是研究通过少量数据进行预测的一种新方法。

基于BP神经网络的城市物流需求预测模型

城市物流需求是城市物流规划的重要内容和首要前提,但城市物流需求的复杂性导致难以对其进行精确预测。文章从货运量的角度出发,分析影响货运量的社会经济因素,以北京市为例,建立城市物流需求的BP神经网络预测模型,并通过Matlab进行仿真求解,结果显示用神经网络预测物流需求是非常合理。

基于BP神经网络的船闸基坑变形预测方法

船闸基坑开挖改变了地层中的原始应力状态,造成临近地面及临近建筑物产生变形。对基坑临近地面及建筑物变形进行预测,以选择经济合理的支护措施尤为重要。依托实际船闸基坑工程,考虑粘聚力、内摩擦角、弹性模量、基坑深度、放坡坡率以及地下水因素共同作用,采用有限元软件Midas GTS/NX对各因素通过正交设计后的基坑施工工艺组合开展了数值模拟,得到了不同组合下基坑临近地面不同位置处的变形特征。基于BP神经网络理论,建立了滨海地区船闸基坑无支护情况下开挖时临近地面变形的三层结构(7-7-1)神经网络预测模型。利用得到的179组基坑沉降数据对模型进行训练,21组数据对模型进行验证。结果表明,模型能够很好地对滨海地区基坑临近地面沉降进行预测。该方法可为类似工程支护措施设计提供参考。

深度老龄化省份人口老龄化城乡倒置时空演变及预测趋势

人口老龄化城乡倒置现象已成为城乡协调与我国健康可持续发展面临的重要挑战。本文基于2000—2022年我国19个深度老龄化省份,剖析其人口老龄化城乡倒置的时空演变,同时运用BP时间序列预测模型对2023—2035年人口老龄化城乡倒置度进行预测。研究结果表明:(1)时序演变方面,到2020年19个深度老龄化省份均出现城乡倒置的现象,城乡倒置度年增长率在时序上具有阶段性,在空间上具有区域异质性,研究期末呈南北差异性;(2)空间分布方面,在2000—2022年期间深度老龄化省份人口老龄化城乡倒置呈现“东北—西南”方向分布,分布重心具有“先西南,后东北”的移动趋势;(3)预测趋势方面,预测2023—2035年人口老龄化城乡倒置的重心有东部地区向西部地区转移的趋势。最终,根据研究结果,提出对应建议,以期更好地应对我国未来人口老龄化城乡倒置的浪潮,推动城乡协调发展。

基于LVQ-GA-BP神经网络光伏电站出力短期预测

为了实现对大规模并网型光伏电站调度,分析影响光伏出力的气象相关因素,以光照强度和温度作为输入量,分季节建立了一种基于LVQ-GA-BP神经网络预测系统。通过LVQ(Learning Vector Quantization)神经网络对样本进行分类,将分类后的样本训练,得出基于BP神经网络光伏电站出力预测系统,从而提高光伏预测精度。采用GA算法替代传统的学习算法优化BP神经网络的权值和阀值,提高预测网络的训练速度。将建立的LVQ-GA-BP预测系统与传统系统进行了比较和分析,结果表明:该方法的建立,不仅提高了光伏出力的预测精度,而且还提高了BP神经网络的训练速度,具有潜在的工程应用价值。

矿区岩溶地表塌陷神经网络预测模型研究

针对矿区岩溶地表塌陷存在的非线性动力学特征,为更准确预测岩溶地质矿区地表塌陷区域分布,在分析研究某矿区岩溶地表塌陷机理及其影响因素基础上,确定矿区地表塌陷的影响因素,构建矿区岩溶地表塌陷BP神经网络非线性动力学预测模型。采集并分析某岩溶矿区大量岩溶地表塌陷历史数据,应用Matlab神经网络工具箱,采用构建的矿区岩溶地表塌陷BP神经网络预测模型,对上述矿区岩溶地表塌陷区域分布情况进行非线性预测。研究结果表明,采用训练的神经网络预测模型可以实现对矿区岩溶地表塌陷危险性的合理预测。

灰色神经网络组合模型在庆安县年降雨量预测中的应用

采用灰色神经网络对黑龙江省庆安县年降雨量进行预测建模,利用灰色GM(1.1)模型"贫信息"和神经网络非线性函数映射能力优秀的特性,避免了灰色GM(1.1)模型对预测拟合精度低的问题。结果表明灰色神经网络组合模型的平均相对误差为0.012 2,高于灰色GM(1.1)模型的平均相对误差0.153 7,预测精度较高,并且算法简便,拓宽了灰色预测模型的应用范围。

基坑变形灰色人工神经网络预测模型及其应用

针对基坑变形预测中信息的灰色性和数据的非线性性,提出用灰色神经网络预测基坑变形的新方法。用一桩锚联合支护体系实例进行了预测研究,得到支护体系的不同预测模型的组合预测值。研究结果表明:灰色神经网络预测误差比GM(1,1)预测模型小;与BP预测模型相比,前期误差大,后期误差小。在基坑变形监测中,为了更准确地预测基坑变形,可以采用灰色神经网络预测与BP预测相结合的方法进行预测。

天津地区雾霾的成因及预测模型建立的研究

本文主要就天津雾霾形成的主要原因及雾霾预报建立了相关数学模型。对模型进行检验后,确定最终预测方程,并利用预测模型所得结果与天津实际数据比较,预测基本符合。

基于组合模型的天津市地面沉降预测及危险性评价

针对天津市过度开采地下水引发的地面沉降问题,基于组合模型开展区域沉降预测及危险性评价研究。首先分别运用灰色理论GM(1,1)预测模型、BP神经网络预测模型以及灰色BP神经网络(GM-BP)组合预测模型,对地面沉降量数据进行校核与补充。然后选取高程、坡度、土地利用、河网水系、水文地质、地下水开采量和累积沉降量作为影响因子,基于确定性系数和逻辑回归组合模型对地面沉降的危险程度进行评价,最后将地面沉降区域划分为5类危险区:极高危险区、高危险区、中危险区、低危险区和极低危险区。结果表明:(1)灰色BP神经网络预测模型的稳定性和拟合能力明显优于其他两种预测模型,模型的预测值更能满足精度要求;(2)研究区不同程度的危险性评价中,41.57%的区域面积具有极高度和高度危险性,且主要分布于北辰区、津南区、静海区、西青区及滨海新区等南部地区;(3)通过灾害点与危险区叠加分析,整个研究区域灾害点密度为64.73处/万km^(2),45处灾害处于高和极高的地面沉降危险。分区结果与灾害点的分布情况基本吻合,证明该研究成果能为地面沉降预测及危险性评价提供参考依据。

双循环新发展格局下来华留学生教育规模预测模型

来华留学生教育在双循环新发展格局中发挥着日益显著的作用.为了给精准制定我国来华留学教育政策提供科学依据,基于2001—2018年来华留学生规模,建立多元线性回归模型分析来华留学生规模的影响因素,选用线性拟合预测模型、灰色Verhulst模型和BP神经网络预测模型预测2021—2030年来华留学生人数.结果表明,我国GDP、普通高等教育专任教师数和高等教育毛入学率对来华留学生规模有显著性影响,来华留学生规模将呈现稳步增长的趋势.

改进的灰色电力负荷预测研究——基于粒子群算法和BP神经网络

本文对于灰色预测模型的改进,分别从优化初值和改进模型等方面进行,对模型的改进主要通过建立等维新息预测模型、灰色粒子群组合预测模型和灰色BP神经网络组合预测模型来实现。

基于BP神经网络的落后地区2020年全面小康水平预测——2020年宁夏经济增长的实证分析

十八大提出2020年相比于2010年实现国内生产总值和城乡居民收入翻一番的目标,目前时间已过两年半,相对比较落后的地区能否实现目标?为此,采用BP神经网络模型,以宁夏回族自治区为例,预测了无其他经济因素影响下2020年GDP值,结果表明只能翻1.772倍。

基于熵权TOPSIS和BP神经网络预测的银行信贷决策研究

本文旨在研究如何优化银行信贷决策,以达到降低银行的贷款风险和提高银行效益的目的。将收集到的数据分为训练组和预测组,对训练组数据采用客观赋权中的熵权法对各指标进行赋权,并采用TOPSIS优劣解距离法对各评价对象进行综合评价。最后对企业自身实力因子和企业的信用因子进行客观赋权综合评价,从而确定银行针对企业的信贷优先级,给出合理的银行信贷决策方案。

路基沉降灰色神经网络预测模型及其应用

针对路基沉降预测中信息的灰色性和数据的非线性性,提出用灰色神经网络预测路基沉降的新方法。以京沪高铁某段路基断面为例进行了预测研究,并与用GM(1,1)模型预测的结果进行了对比。研究结果表明:灰色神经网络预测比GM(1,1)模型预测误差小。