基于BP神经网络的佛山空气质量预报模型的研究

提出非数值的佛山惠景城站点空气质量预报模型,将BP神经网络引入到预报模型中,以降雨量、风速、风向、温度、湿度和云量等气象参数和前1 d污染物浓度为模型输入参数,建立了结构为7-7-1的非季节预报模型和夏季预报模型。结果表明,夏季模型无论在模型检验还是在实际预报精度方面都略优于非季节模型。夏季模型的级别预报评分基本在90分以上,综合评分比非季节模型高10%。对夏季模型进行了参数敏感性分析,结果表明具有较好的稳定性。

基于粒子群优化的BP神经网络模型参考自适应控制系统

将粒子群优化的BP神经网络作为模型,参考自适应控制系统的控制器,把参考模型输出与系统实际输出的均方误差作为PSO-BP神经网络的适应函数,通过PSO算法强大的搜索性能使自适应控制系统的均方误差最小化。仿真实例结果表明,基于粒子群优化算法的BP神经网络自适应控制系统收敛快、精度高,有较好的网络的泛化和适应能力,能够很好地控制系统的输出跟随参考模型的输出。

船舶自动识别系统数据修复和预测算法研究

针对船舶AIS数据丢失或错误等问题,本文借助分段三次Hermite插值实现AIS数据初步修复或预测,建立神经网络训练集和测试集,开展单点和连续多点AIS数据修复和预测;对比分析了BP神经网络与三次样条插值、分段三次Hermite插值方法以及组合算法在船舶AIS数据修复和预测中的精度。以重庆弯曲河段和武汉顺直河段为例,分析了航道平面形态、算法组合等对于船舶AIS数据修复和预测精度的影响。结果表明:联合算法有效提升了船舶AIS数据修复精度;在船舶AIS预测中,神经网络模型表现最优。研究成果可为船舶行为特征分析、建模等相关领域的研究提供借鉴。

多阶段逆模型方法及在胶液生成过程中的应用

针对一类串联型工业大系统,提出了多阶段逆模型建模方法:将串联大系统分为若干个阶段,以产品质量指标作为过程设计的起点,用逆向推理的方法,建立各个阶段的逆模型;根据产品质量指标的要求,直接求出各个阶段的控制变量设定值。将该方法应用于胶液生成过程的软测量建模,采用多阶段建模方法和整体建模方法分别建立了基于BP神经网络的胶液生成过程逆模型,并从误差平方和MSE和命中率等方面对两种建模方法的建模精度进行了比较。结果表明,多阶段建模方法可以获得更高的建模精度;同时,具有更大的灵活性;而且逆模型方法可以根据质量指标求出控制变量设定值,更便于实际应用。

基于信息熵值法的生鲜品需求集成预测模型研究

由于有效的生鲜品需求量预测可在很大程度上提高其实际运输效率,降低因远程运输、交叉运输等造成的腐损。本文结合信息熵值法提出一种动态赋权集成预测方法,针对一般预测方案的预测结果定义相对偏差量和绝对偏差率两个指标,将原问题转化为三方案两指标的综合评价问题。最后通过算例验证,该方法可有效降低单一预测方法误差,进而可根据精确的预测结果进行科学的运输调度。

城市水资源短缺风险评价模型及预测模型研究

水资源短缺风险的评价、等级的划分及其预测模型对促进城市水资源的高效利用、可持续发展等均具有重大意义。以北京市为例,依据其水资源特点,考虑其供需情况,提出了影响北京市水资源短缺的风险因子分别为人口规模、气候条件、管理制度、水体污染以及回收利用率,进而采用层次分析法、模糊综合评价及BP神经网络算法等理论,对北京市2011～2015年间水资源短缺风险进行了预测分析,并提出了缓解北京市未来水资源短缺风险的主要途径为合理控制人口规模和加强水资源管理。

多阶段递进式预测模型在基坑变形中的应用研究

为实现对基坑变形的高精度预测,提高预测结果的稳定性,采用支持向量机、BP神经网络及GM(1,1)作为基础预测模型,并建立了对应各模型参数优化的一阶递进预测模型。以一阶递进预测结果为基础,构建了多种定权与非定权的二阶组合预测模型;以马尔可夫链理论为基础,建立了三阶递进的误差修正模型,实现了对基坑变形的多阶段递进式预测。结果表明:通过各阶段的递进预测,预测精度及稳定性都有了很大的提高,验证了递进预测思路的有效性和可行性。通过对基坑变形的递进式预测研究,以期为基坑的变形提供一种新的思路。

EPC模式下装配式建筑项目进度风险评价研究

以建筑领域总承包商的视角,应用AHP-BP神经网络优化模型构建了一套EPC模式下的装配式建筑项目进度风险评价指标体系.在明确界定了EPC管理模式下装配式建筑项目进度风险内涵的基础上,从设计进度风险、采购进度风险、施工进度风险以及其他进度风险四个方面筛选了十三个二级指标,进而运用AHP层次分析法为各层次指标赋权,通过BP神经网络对评估的指标权重加以优化并确立最终赋权的指标体系,从而使评价结果更为科学合理、客观、精准,为项目管理人员进行项目进度风险管理提供决策参考.

优化参数的GM(1,1)模型组合改进

针对提高模型的拟合效果问题,在建模的基础上,提出一种新的模型参数估计方法。结合组合预测的思想,利用BP神经网络预测算法对改进后的灰色模型做进一步的优化修正。该模型充分结合了灰色系统和人工神经网络的各自优势,弥补了单一模型预测精度低的特点,适当扩大了模型的应用范围。

短时交通流预测模型

针对短时交通流变化周期性与随机性的特点,提出了新的混合预测模型,包含非参数回归模型与BP神经网络模型2种单项模型。非参数回归模型利用相关历史交通流数据,通过数据库匹配操作,确定预测结果,以充分体现交通流的周期稳定性。采用3层BP神经网络模型反映交通流的动态与非线性特点。采用模糊控制算法确定各单项模型的权重,并按不同权重有效组合成新的混合模型。采用西安市某路段30d的交通流量数据验证混合模型的预测效果。试验结果表明:该混合模型的平均相对误差为1.26%,最大相对误差为3.53%,其预测精度明显高于单项模型单独预测时的精度,能较准确地反映交通流真实情况。

塔河森林生态系统蒸散发的定量估算

蒸散发是农业、气象、水文科学研究的重要参数,是全球水文循环过程的重要组成部分.本文应用改进的DHSVM分布式水文模型,利用光学遥感TM数据反演得到叶面积指数等地表数据,由数字高程模型求得坡度、坡向等地形指数因子,定量估算塔河地区2007年逐日蒸散发.应用BP神经网络建立逐日蒸散发量与逐日径流出口流量的关系,并建立研究区水量平衡方程,共同检验研究结果的准确性.结果表明:该模型可以较好地应用于本研究区.塔河流域年总蒸散量234.01 mm,蒸散发与季节有明显的相关性,夏季蒸散发值最高,日均蒸散发值1.56 mm,秋季、春季日均蒸散发值分别为0.30、0.29 mm,冬季蒸散发值最低.地表覆盖类型对蒸散发值影响明显,阔叶林的蒸散发能力强于针阔混交林,其次为针叶林.

湖南省农村地区糖尿病患者住院费用及影响因素分析

目的分析糖尿病患者住院费用构成及影响因素,为有效控制其医疗费用提供参考。方法收集武冈市农村地区2013—2017年糖尿病患者住院费用数据,采用结构变动度分析、非参数检验及BP(Back Propagation)神经网络模型分析住院费用构成及影响因素。结果糖尿病患者住院费用构成中位于前三位的分别是药费(50.02%)、检查费(15.35%)和化验费(12.06%);住院费用的结构变动贡献率位于前三位的分别是检查费(41.00%)、药费(34.92%)和诊疗费(13.41%);影响糖尿病患者住院总费用的因素包括住院天数、有无手术、医院级别、年龄、出院年份、有无并发症及性别(P<0.05),其中住院天数影响最大(敏感度值为0.669)。结论糖尿病患者住院费用受多种因素的综合影响,建议通过完善医疗服务价格机制优化住院费用构成,并实施临床路径规范管理、落实双向转诊以及加强三级预防等措施控制并合理降低住院费用。