基于PCA-BPNN模型的埋地管道腐蚀速率预测研究

为了更加准确可靠地预测埋地管道的腐蚀速率,融合PCA分析法和多隐层BP人工神经网络模拟方法进行研究.选取陕西省某油气公司的埋地输油管道,构建8维度外腐蚀指标体系,在PCA-多隐层BPNN模型中模拟训练得到结果.通过PCA预处理将外腐蚀指标体系降为3维,以便减少多元素信息带来的耦合影响,模拟得到隐藏层参数最优的BPNN模型,预测腐蚀速率,求出预测值精确度,统计得到改进后方法精确度大于95%的个数是单一BP方法的2.5倍.为了检验PCA-多隐层BPNN方法的鲁棒性,另取20组数据代入验证,再次证实了PCA-多隐层BPNN模型所得的误差更小,更能满足实际工程需要.

利用CARS-BPNN模型的南疆枣园土壤有机质高光谱反演

土壤有机质(SOM)含量是制定枣园土壤施肥方案的主要依据。合理的施肥方案对提升红枣品质、减少农户投入和增加枣园产出有重要意义。利用传统方法获取枣园SOM含量耗费时间和资源,不符合枣园精准施肥管理的需求,土壤有机质高光谱检测是一种有效的替代方法。为筛选南疆枣园SOM的高光谱快速检测模型,采用网格布点法采集158个枣园土壤样品,测定风干土样的室内高光谱数据和SOM含量。分别将400~2400 nm全波段(R)和通过竞争自适应加权算法(CARS)、连续投影算法(SPA)、粒子群优化算法(PSO)三种数据降维算法筛选的数据集与偏最小二乘回归(PLSR)、反向传播神经网络(BPNN)、卷积神经网络(CNN)三种建模方法结合构建12种枣园SOM含量的组合反演模型,通过对比模型的精度评价指标和训练时间,筛选枣园SOM含量最优光谱反演模型。结果表明:(1)CARS、SPA、PSO三种降维算法都能将光谱数据压缩至原来的10%以下,筛选波长数分别由原来的2001个变量降为98、156、102个,降维组合模型的验证集RPD均大于1.50,均能实现对枣园SOM含量的反演,与R组合模型相比,降维组合模型至少能节省30%的时间成本,特别是与BPNN和CNN等构建的组合模型,能节省90%的训练时间,且模型稳定性更强,模型效果更优。(2)CARS数据集构建组合模型的验证集R^(2)均大于0.85,RPD均大于2.50,RPIQ均大于1.60,在三种降维算法中效果最好;PSO数据集的组合模型验证效果略低于CARS数据集,但优于R数据集,R^(2)均大于0.80、RPD均大于2.00;SPA数据集构建组合模型的验证效果要低于R数据集,在三种降维算法中效果最差。(3)BPNN和CNN两种方法的反演模型验证效果均优于PLSR模型,而在模型训练时间和模型验证效果等方面,BPNN模型优于CNN模型,其结合CARS数据集的验证效果最优,R^(2)为0.91、PRD为3.34、RPIQ为3.17、nRMSE%为11.93,训练时间为58.00 s,模型符合快速检测枣园SOM含量的要求。CARS-BPNN模型为反演南疆枣园SOM的最优模型,研究结果能够为南疆枣园土壤养分快速检测与制定施肥方案提供参考。

地方高校专利可转化性评估研究——基于文献计量与BPNN模型对11所高校的分析

[研究目的]在国家政策和项目课题的驱动下,高校中专利的申请和授权数量都急剧增长。因此,对高校所拥有的授权发明专利的可转化性进行评估,获取具有转化价值的专利,可以盘活高校中的专利资产,促进专利在市场上的流通。[研究方法]首先,通过文献梳理和咨询专家意见,初步构建适用于高校专利可转化性评估的指标体系;其次,通过对广西11所地方高校已成功转化的专利和未转化专利进行文献计量,得到具有差异的特征指标,并使用BPNN模型对未转化的专利进行可转化性评估;最后对各所高校专利的平均转化价值进行排序。[研究结论]与其他地区的高校相比,广西11所高校的发明专利整体转化价值并不高,且不同类型院校之间的专利平均转化价值也存在着一定差距。通过结合评估结果提出了相关建议,旨在为提高高校专利质量和促进专利转化提供参考。

利用AFW BPNN模型实现微博真伪信息识别

为更好地识别微博信息内容的真伪,提出了一种基于自适应特征权重(Adaptive Feature Weight,AFW)的反向传播神经网络(Backpropagation Neural Network,BPNN)多元特征信息识别模型,用于准确判断微博信息的真伪。该模型综合考虑了微博信息的文本特征、用户特征和传播特征,选取了文字长度、复制比等11个指标用于识别信息真假。利用自适应特征权重的方法将不同特征进行融合,以提高特征融合的效果。利用融合后的特征进行BPNN神经网络建模。实验结果表明,自适应特征权重—BPNN模型对微博信息真伪的识别率可达94.5%,具有良好的真伪信息识别效果。该研究可监控并及时发现虚假信息的传播,以提高应对突发事件的能力。

改进型案例库教学法应用及其BPNNs方法的质量评估（英文）

为了提高教学方法中案例教学法的创新性,通过对案例教学法多角度的分析和深层次的研究,提出了改进型案例库教学法,并将改进型案例教学法应用于思想政治理论课和财务管理课的教学中。同时,为了证明改进型案例教学模式在教学中的优越性,采用基于多层次反馈型神经网络的BPNNs方法,并结合BPNNs在教学模式中提取的评估参数特征去验证。验证实验选取三层结构的BPNNs模型,对3种不同的教学模式进行质量评估。评估实验的结果对比显示,案例教学模式的改进能有效地提高教学质量,明显提升了毕业生就业率、毕业生满意度、企业满意度和社会满意度等核心指标。

ARIMA-BPNN组合预测模型在流感发病率预测中的应用

目的阐述ARIMA-BPNN组合模型预测流感发病率的方法和步骤,探讨其在流感发病率预测中的应用。方法利用河南省2004年1月-2010年12月的流感疫情数据作为训练集,建立ARIMA模型和ARIMA-BPNN组合模型,选取2011年1月-12月的疫情数据作为检验集,评价模型的预测效能。结果 ARIMA(3,0,0)模型和ARIMA-BPNN组合模型预测值的平均绝对误差及平均误差绝对率分别为1.438、27.65%和0.029、0.43%,ARIMA-BPNN组合模型的预测效能优于ARIMA模型。结论 ARIMA-BPNN组合模型能有效模拟、预测流感的发病疫情,具有较好的推广应用价值。

BPNN神经网络模型和SARIMA模型在荆州市乙类传染病发病数中的预测效果比较

目的评价BPNN神经网络模型和季节性差分自回归滑动平均模型(seasonal autoregressive integrated moving average,SARIMA)在乙类传染病发病数中的预测效果。方法利用荆州市2005年1月—2017年12月的乙类传染病逐月发病数作为拟合数据,建立BPNN神经网络模型和SARIMA模型,预测2018年1—5月逐月发病数并与实际值比较,采用平均绝对百分比误差(MAPE)、R^(2)、均方误差(RMSE)和平均绝对误差(MAE)评价模型的拟合及预测效果。结果SARIMA模型建立的最优模型为SARIMA[0,1,(12)](1,1,1)12,且残差为白噪声序列。BPNN神经网络模型和SARIMA模型拟合的MAPE、R2、RMSE和MAE依次分别为3.92%,0.92,82.29,61.93;7.16%,0.49,149.93,118.10。BPNN神经网络模型和SARIMA模型预测的MAPE、R2、RMSE和MAE依次分别为11.84%,0.23,180.33,94.76;21.96%,-0.91,633.94,251.19。结论BPNN神经网络模型对荆州市乙类传染病发病数拟合和预测效果均优于SARIMA模型。

基于话者特征图案的BPNN话者模型

该文提出了一种用于说话人识别的基于话者特征图案的 BPNN话者模型 ,该话者模型解决了语音信号的时长变化与神经网络输入层结点数固定不变之间的矛盾 .利用 VQ技术对所有话者的语音样本训练出话者特征图案 ,再将语音样本对该特征图案进行映射 ,在映射域解决了语音样本的时间规正问题 .同时 。

基于遥感与BPNN-CA模型的草场保护区模拟--以锡林浩特温带典型草原为例

过度放牧等人类干扰活动是目前干旱、半干旱区草原退化的重要原因之一。建立草场保护区,对过度放牧等人类行为进行合理的管理和控制,是防止草原退化,改善草原生态环境的一项重要措施。利用遥感影像,土地利用/覆盖类型图以及相关数据,提出了一种遥感技术和BPNN-CA模型技术相结合建立草场保护区的新方法,并在中国内蒙古锡林浩特草原进行了实例研究。该方法包括:①通过遥感技术监测研究区草原现状,提取覆盖度高,质量好的区域作为种子区;②利用BPNN-CA模型,根据政府规划草场保护区总量要求,模拟建立草场保护区。结果表明,本文提出的方法能够快速有效的提取草场保护区,在快速监测草原状况的基础上,能够同时兼顾草场内在适宜性和空间分布合理性,模拟出不同规划要求下的草原保护区空间分布格局,相对于传统人工作业方法更加节约人力和物力,能够有效地为政府部门的规划决策提供科学依据。

基于BPNN/HMM神经网络的声学模型研究

研制了一种基于BP神经网络和隐马尔可夫模型 (HMM )的混合声学模型 ,BP神经网络的主要功能是把失真语音特征矢量转换成纯净语音特征矢量 ,而HMM则对转换后的纯净语音特征矢量进行分类 ,从模型级补偿的方面来提高语音识别系统的鲁棒性 .讨论了一种基于线性预测的MFCC语音特征提取方法 ,该方法把提取出的失真语音特征矢量作为神经网络的输入 。

基于相空间重构技术和GA-BPNN算法的小麦条锈病受灾率预报模型

利用混沌理论,对湖北省某地区小麦条锈病受灾率进行混沌特征验证,然后利用BP神经网络非线性逼近器能力,建立预测模型,利用重构相空间,确定神经网络的输入节点数及输入值,并引入遗传算法优化BP神经网络参数,对受灾率进行了成功预报。

考虑前序路段状态的公交到站时间双层BPNN预测模型

为提高公交到站时间预测精度,提出基于双层BPNN与前序路段状态的综合预测模型.基于静态变量及顶层BPNN模型预测车辆到达每个站点的初始行程时间,利用K-means聚类及马尔科夫链模型基于前序路段状态预测目标路段行驶时间;将上述两个模型的预测值及上一班次车辆的行程时间作为输入变量,基于底层BPNN模型预测车辆在目标路段的行程时间,进而动态调整车辆到达每个站点的时间.以上海市791路公交车早晚高峰各路段的行程时间为例进行模型测试,并与其他4种模型进行比较.结果表明,所提模型具有较高的预测精度,尤其在雨天,比传统BPNN模型预测精度提高57.25%.

基于Spark框架和ARIMA-BPNN的交通流量预测模型的研究

研究海量数据基础上高速公路流量预测建模问题,提出了一种基于ARIMA-BPNN的混合预测模型,并建立基于Spark的分布式处理平台。建立ARIMA时间序列模型提取数据的线性变化规律,研究BPNN的残差预测;建立混合预测模型,研究并行化实现及其运行效率;建立Spark分布式计算平台下高速公路流量数据的预测模型并进行仿真实验。结果表明,Spark框架下的ARIMA-BPNN组合模型优于单一的ARIMA的预测,对预测拟合效果和精度方面表现良好,对海量数据处理有明显优势。

基于自适应GDSA-BPNN的选区激光熔化质量预测

针对增材制造选区激光熔化(selective laser melting,SLM)零件的质量缺陷问题,提出一种基于自适应策略的多输入多输出反向传播神经网络(back propagation neural network,BPNN)模型预测SLM产品质量,解决传统方法不能自适应地调整超参数来适应不同搜索阶段的问题。首先确定SLM成型的重要工艺参数和质量指标,选择Huber函数作为BP模型的损失函数,构建含有结构风险最小化策略目标函数的BP模型;其次,建立基于自适应梯度下降搜索算法(gradient descent search algorithm,GDSA)与BPNN相结合的预测模型(GDSA-BPNN),选择3种不同学习率的策略放入自适应策略库,采用一种自适应机制优化BP模型的超参数;最后,将文章所提出的GDSA-BPNN模型与其他4种模型的预测结果进行对比,结果表明基于GDSA-BPNN模型的SLM零件质量预测方法具有良好的预测效果和较高的预测精度。

多变量混合算法模型预测电力消费研究

在深化燃煤发电上网电价市场化改革的大背景下,售电环节将变得多元性,传统的电量预测模型将无法满足电力企业的运营需求。文章引入Prophet、BPNN等模型,研究多变量及多算法组合的混合模型,以提升电量预测的能力。

脉冲放电降解土壤中有机污染物的神经网络模型

为探讨脉冲放电等离子体去除土壤中有机污染物的机理,研究了基于针-板式脉冲放电等离子体降解土壤中对硝基苯酚(p-Nitrophenol,PNP)的实验数据,利用BP神经网络(back propagation network,BPNN)和小波神经网络(wavelet neural networks,WNN)模型研究了电气参数(峰值电压、放电频率)、理化参数(初始质量分数、水的质量分数、空气体积流量、处理时间、pH值)和结构参数(电极间距)对土壤中PNP降解率的影响。建立的WNN模型(结构8-5-1)和BPNN模型(结构8-4-1)经结构、精度(调整的判定系数2aR>0.96)和实验验证能较好地预测该体系中各参数(峰值电压、放电频率、空气体积流量等)对PNP降解率的影响趋势,且BPNN模型较WNN模型预测的实验结果更符合脉冲放电降解实验的自然规律。结果表明,较佳的峰值电压(21.6 kV)、放电频率(70 Hz)和空气体积流量(0.4 L/min)可获得较好的PNP降解率。

中小商业银行存贷款规模预测模型研究

近年多种外部环境变化给中小商业银行经营发展带来较大冲击,传统的粗放型发展模式不再适应当前的市场环境。如何在新常态下准确研判最优的存贷业务规模,细化量化战略发展规划,是摆在中小商业银行面前的重要课题。本文以某中小商业银行为研究对象,应用自回归滑动平均模型和反向传播神经网络模型,开展了存贷款规模预测研究,并据此对存贷款规模预测提出建议对策。

基于ARIMA-ERNN组合模型预测我国甲肝发病率

目的:比较ARIMA模型、BPNN模型和ARIMA-ERNN组合模型在我国甲肝发病率预测中的应用效果,探讨预测甲肝发病率的优化模型。方法:收集2004年1月至2015年12月我国甲肝发病率资料,用SPSS 17.0和Eviews 8.0建立ARIMA模型,用Matlab 8.0建立BPNN模型和ARIMA-ERNN组合模型,并对模型的预测效果进行评价。结果:ARIMAERNN组合模型拟合及预测的MRE、MER、MSE、RMSE、MAE均小于ARIMA模型和BPNN模型,其MRE均小于5%。结论:ARIMA-ERNN组合模型对我国甲肝发病率的拟合及预测效果优于ARIMA模型和BPNN模型。

香格里拉市云冷杉林蓄积量遥感估测非参数模型研究

以滇西北典型代表区域的迪庆州香格里拉市云冷杉为研究对象,运用Landsat 8遥感影像数据结合地面角控样地调查数据,建立云冷杉BPNN和SVM估测模型,进行对比分析。结果表明:SVM模型精度明显优于BPNN模型,其R2、r RMSE和P分别为0.67、27.91%和77.09%。利用SVM遥感估测模型得到香格里拉市云冷杉林总蓄积量与传统森林资源二类调查当年的统计结果误差仅为1.14%,SVM估测模型可为今后森林蓄积量估测提供参考。

基于BPNN的造纸纤维特性与纸页抗张强度性能关系分析

纸页抗张强度是衡量纸制产品质量的一项核心指标,为了对纸页抗张性能进行高水平的模型预测,提出了一种基于BPNN的造纸纤维特性与纸页抗张强度性能关系分析模型,详细介绍了该模型的运行流程和基本结构,并通过317组生产实践数据对该模型进行训练和验证,最后将其应用于纸页抗张强度性能分析。经实验研究发现,该模型能够较为精确地描述出造纸纤维特性与纸页抗张强度性能之间的关系,具有一定的应用价值。