BP-神经网络算法在分布式VOD系统流量预测中的应用

在分布式VOD系统中,网络流量是一组非线性的、复杂的、难以预测的数据。而为了实现系统中数据流量的负载均衡,需要对网络流量进行准确预测。提出了基于BP-神经网络的预测算法,对网络流量进行分析、预测。研究结果表明,该方法具有一定的预测能力,基本接近于网络流量的真实数据。

基于BP-神经网络零件装配图像检测研究

应用BP-神经网络为识别算法将零件表面纹理系数作为神经网络训练元素,提出零件装配检测的方法。首先对运用图像的灰度信息和灰度梯度信息进行边缘检测,提取目标分析区域。在目标区域内获取零件表面纹理特征及其系数,以特征系数为样本,进行特征神经网络训练。使用训练完成的神经网络对零件的装配环节进行识别判断。

基于BP-神经网络的风速短期预报技术研究

针对风速预报中出现的资料获取困难、预报精度差等问题,文章提出采用临近历史数据的BP-神经网络风速短期预报模型,并重点对BP模型的输入层和隐含层参数进行估计。在一定范围内,枚举输入层和隐含层的参数,并采用大量数据进行模拟,同时采用SSE和MAE两种指标对模拟结果进行评价,得到了适合于风速预报的多个不同参数BP模型。同时将多个BP模型用于预报,发现预报结果精度都比较高,表明不同参数的BP模型均可用于预报且BP模型存在异参同效性。

基于BP-神经网络的风电主轴承故障预测

主轴轴承是风力发电机组关键的传动部件之一,运行工况特殊,速度低、载荷大,随机性强,需要同时承担径向力、轴向力、弯矩和冲击载荷。一旦主轴轴承发生失效,将造成高额的更换费用和发电量损失。实际应用来看,机组报出主轴轴承高温故障时,一般已经发生严重失效,如何对轴承故障初期的进行诊断,并提前采取一定的预防措施,是风电行业亟待解决的一个课题。本文提出了基于BP-神经网络的轴承故障诊断模型,实现了对主轴轴承的温度的预测和分析,并通过实例验证力模型的可行性。

基于BP-神经网络与SMOTE算法的上市公司财务数据造假分析

该文通过对来自19个不同行业的4163家上市公司进行分析,基于BP-神经网络算法确定了不同行业上市公司的财务数据造假相关指标,并以此为依据确定不同行业上市公司财务造假相关数据的异同,从而确定各指标与上市公司的财务数据造假的相关性。加强监管建立常态化的退市机制。对上市公司的数据造假等问题加强监管,对投资者规避投资风险,促进证券市场的良性发展有重要意义。

基于BP-神经网络的区域下垫面遥感图像解译方法及其应用——以上海市太浦河两翼地区为例

城市化的发展改变了城市下垫面的条件,从而对水环境产生了多种影响。为保证水文、水动力等数学模型的预测精度,需要对区域下垫面的遥感图像进行遥感解译分析,利用解译好的数据及时对水文、水动力实时预报模型进行更新。BP-神经网络技术简单实用,收敛速度快,可以在一定程度上消除传统的遥感影像分类带来的模糊性和不确定性,保证遥感图像解译的分类精度。以上海市太浦河两翼地区为例,将该区域的影像图分为绿地、房屋、水体、农田、旱地、道路等六大地物类型,结合BP-神经网络算法确定各个类别的空间分布,并统计出各类地物的面积分别为48.85km^2、19.98km^2、60.13km^2、71.14km^2、3.28km^2、7.13km^2,为后续水利设计相关工作提供技术支撑。

扰动引力的神经网络逼近算法

弹道导弹扰动引力的计算量非常大,在目前的弹载计算机上进行计算是不可能实现的,必须采用快速的扰动引力逼近算法。提出了扰动引力的BP-神经网络逼近算法,分析了该算法的逼近效果以及弹上计算实现的可能性。通过算例证明扰动引力的神经网络逼近是可行的。

神经网络在结构损伤识别中的应用研究

针对人工神经网络具有自主学习、记忆及模式匹配能力,提出建立一个三层BP人工神经网络,并将其应用于结构的损伤识别研究.

人工神经网络的性病艾滋病预测模型研究

目的用BP-人工神经网络(Back-propagation neural network,BP-ANN)建立性病艾滋病预测模型。方法对330例感染性病艾滋病的出入境人员和330例非性病出入境人员进行统计分析,以15个自变量(包括年龄、性别、国籍、职业、文化程度、国内外劳务史、性伴侣数、生殖系统异常症状史、不洁性生活史、明确性伴侣是否有性病、合法性伴侣是否是性病的高危人群、输血史、吸毒史、是否有同性性伴侣和是否拒绝流行病学调查)建立对患病状态的BP-ANN。结果性病患者与非性病者的年龄、性别、国籍、职业、文化程度、国内外劳务史、性伴侣数、病史、不洁性生活史、性伴侣情况的差异有统计学意义(P<0.01)。隐含层神经元个数为7个BP-ANN的预测效果最好,网络结构为15-7-1,其训练准确率、校验准确率和测试准确率分别达到93.94%、88.48%和89.60%。结论BP-ANN建立了良好的性病艾滋病预测模型,为性病艾滋病监测和风险预警提供了一种新的方法。

作物蒸发蒸腾量的人工神经网络模型研究

采用盆栽试验,利用BP-人工神经网络模拟作物的蒸发蒸腾量,分别构建ET1(气象因子)、ET2(气象因子与播种天数)、ET3(气象因子、播种天数和含水率)3种人工神经网络模型,并将预测结果与称重法得到的实际值ET进行比较,结果表明,所构建的ET3模型的计算精度较高,是一种最优的计算作物蒸发蒸腾量的BP-人工神经网络模型。

BP神经网络在建模中的参数优化问题研究

神经网络方法已经在过去很多年中得到了大量研究,特别是基于误差反向传播算法的人工神经网络(简称BP-ANN)在很多天气预报业务上发挥了重要作用。对于BP-ANN训练有这样的一个问题,在同一个样本模型、同样的网络结构和同样的输入参数情况下,每次训练得到的权重和最终的误差结果几乎都是不一样的,有的会很好,有的会较差。在利用BP-ANN建模训练中,希望都寻找到因子模型的局部最优解,使它具有较好的泛化能力。为了提高BP-ANN在业务预报中的建模和预测能力,将对BP-ANN进行改进试验。利用2009—2010年每年5月15日至9月15日的T639模式预测数据和北京地区4个站点的最高温度实况资料作为建模样本数据,对4个站点进行数值模拟试验。通过对4个模型样本的拟合建模试验发现:BP-ANN的随机初始权重场服从高斯分布,或者初始权重场进行多次初始化,或者采用动态的隐层神经元网络结构都能让BP-ANN对样本的拟合命中率有一定的提高。最后选择2011年5月15日至9月15日115天的资料作为预报测试数据,集成3种改进方法于一个BP-ANN中,和未改进前的BP-ANN进行比较,对比后发现优化后的BP-ANN训练出的模型预测得到的验证样本预测命中率要高于未优化的BP-ANN训练出的模型得到的验证样本预测命中率,优化后的BP-ANN具有更好的泛化能力。

基于PCA-BP神经网络的上市公司财务预警策略

文章选取80家2008年至2010年沪深两市因为财务危机而被ST的上市企业作为样本,通过分析基于神经网络预警模型的结果,提出上市公司财务风险预警策略。

基于聚类算法和神经网络的客户分类模型构建

银行客户分类的实施离不开数据挖掘技术。本文首先筛选了14个关键变量作为影响客户是否购买定期存款的影响因素,并对重要特征进行初步分析;其次,根据数据特征利用k-means聚类算法对银行的客户群进行分类,从而得出三类最有可能购买定期存款的客户群,剖析每一类客户群的特征,从而有针对性地为其提供差别化的产品;最后,针对客户是否购买定期存款,构建了有效的BP神经网络预测模型。

考虑时滞效应的龙爪槐树干液流人工神经网络模型研究

以鲁东大学校内5年生龙爪槐为例,分别利用美国产AZ-M茎流系统和澳大利亚产AXWG03自动气象站对植株的树干液流和微环境气象因子进行了观测,探讨了BP-人工神经网络模型在植物液流与环境因子定量分析中的适用性,并比较了考虑液流相对于微环境气象因子滞后效应前后人工神经网络模型拟合精度的变化。结果表明,树干液流速率相对于太阳总辐射、光合有效辐射和风速分别存在10 min、10 min和20 min等间隔不等的时滞。与传统的多元线性回归和不考虑滞后效应的BP-人工神经网络模型相比,考虑滞后效应的人工神经网络模型的拟合精度显著提高,考虑、不考虑滞后效应的人工神经网络模型和多元线性回归模型得到的液流速率拟合值与观测值回归方程的决定系数分别为0.94 4、0.888和0.853;液流速率拟合值与观测值相对误差处于±5%和±10%范围内的分别为41.177%、35.849%、30.189%和70.588%、62.264%、31.527%。由分析结果可知,液流的时滞是模型建立中一个不可忽略的现象。

基于BP神经网络的水华预测模型及其敏感性分析

本文针对水华问题,通过对水体质量进行评价与分类,建立了主要理化因子与浮游生物致害密度关系模型,从而为池水的净化处理提供了方法依据。本文建立BP神经网络模型来预测水华发生的时间,预测藻类密度,得出最大误差为9.1%,最低精确度为90.9%。利用偏导敏感性分析法中的全样本敏感性分析法,判断水华发生时理化因子的范围,从而得知了水华爆发时,水温的范围为27℃～29℃;总氮的范围为1.8g·kg-1～2.0g·kg-1;总磷的范围为6.5g·kg-1～7g·kg-1;COD的范围为25～27mg/L;PH值的范围为5.5～6.5;溶氧的范围为9.25～9.35mg/L。

基于逐步回归法的BP神经网络在大坝渗流分析中的应用

以大坝渗流监测数据为分析对象,建立逐步回归-优化后BP神经网络模型,运用matlab工具箱函数,采用L-M算法训练函数,比较不同的网络结构的计算速度。以江西省大余县油罗口水库为例,对大坝进行渗流分析。结果表明,采用逐步回归-优化后的BP神经网络模型可提升训练速度,提高计算效率,在统计模型预测精度较差时,拟合效果提高明显。

改进型BP-网络的岩溶塌陷预测评价

为了解决多因素影响下岩溶塌陷预测评价问题,采用改进型BP-神经网络方法,推导带参数的神经网络公式,分析学习因子、动量因子和陡度因子的变化对系统收敛性的影响,确定最优的参数组合,并以唐山市区为例,建立了岩溶塌陷安全性评价模型.研究结果表明:基于改进型BP-神经网络的岩溶塌陷预测与实际情况吻合很好.该成果对中国地震多发区和地下水严重开采区的岩溶塌陷预测具有借鉴作用.

基于可见-近红外光谱技术与BP-ANN算法的污水类型鉴定

提出了一种基于可见-近红外光谱技术与BP人工神经网络（BP-ANN）算法快速进行污水类型鉴定的新方法。以FieldSpec R3地物光谱仪采集了4种污水样品的光谱数据,共168份,随机将其分成校正集（132份）和检验集（36份）。分别采取全波段（400-2450 nm）与择取波段（400-1800 nm）两种方法建立模型进行分析。光谱经S.Golay平滑和标准归一化（SNV）处理后,以主成分分析法（PCA）降维。将降维所得的前9个主成分数据作为BP-ANN的输入变量,污水类型作为输出变量,建立3层BP-ANN鉴别模型。利用36个未知样对模型进行检验。结果表明：两类模型预测准确率均高达100%,且择取波段模型比全波段模型具有更高的预测精度。说明利用可见-近红外技术结合BP-ANN算法进行污水类型的快速、无污染鉴定是可行的,且波段筛选是优化模型的有效方法之一。

BP神经网络法结合红外光谱快速测定在用润滑油胺类抗氧剂含量

润滑油的润滑性能与抗氧剂的含量密切相关,快速准确地检测在用润滑油的抗氧剂损耗程度是非常重要的。本文研究傅里叶红外光谱结合BP神经网络快速测定合成润滑油中胺类抗氧剂的方法。对神经网络参数和波长范围进行选择,当隐含层神经元个数为13,学习速率、动量因子均为0.2,选择光谱波长范围(3420~3330)cm^(-1)和(1650~1510)cm^(-1)时,获得最佳的抗氧剂定量分析模型。模型的校正偏差SEC为0.052,相关系数R^2达到0.986,预测集的标准偏差SEP为0.059,与校正集结果接近。研究结果表明,BP神经网络结合红外光谱可实现润滑油抗氧剂的快速、准确分析。

用人工神经网络方法建立出入境人员性病艾滋病预测模型

〔目的〕研究用人工神经网络建立出入境人员性病艾滋病预测模型。〔方法〕以330例患有性病、艾滋病的出入境人员和330例非性病出入境人员组成研究样本。在对研究对象问询资料整理后进行统计分析和统计推断,再运用BP神经网络(BP-ANN)拟合,以15个自变量(包括年龄、性别、国籍、职业、文化程度、国内外劳务史、性伴侣数、生殖系统异常症状史、不洁性生活史、明确性伴侣是否是有性病、合法性伴侣是否性病的高危人群、输血史、吸毒史、是否有同性性伴侣和是否拒绝流行病学调查)建立对患病的预测模型。〔结果〕性病、艾滋病患者与非性病者间在年龄、性别、国籍、职业、文化程度、国内外劳务史、性伴侣数、病史、不洁性生活史、性伴方面的差异都具有显著性(P<0.01)。以隐含层神经元个数为7个BP-ANN模型中的预测效果最好,网络的结构为15-7-1。该模型的准确率较高,训练准确率、校验准确率和测试准确率分别达到93.94%、88.48%和89.60%,同时稳定性高、复杂性低。〔结论〕BP-ANN较好的建立了性病、艾滋病预测模型,为口岸和国内外性病、艾滋病监测和风险预警提供了一种新的方法。