基于BP神经网络的空调性能预测研究

针对空调系统传统设计所需的匹配试验量大,严重浪费公司水电以及人力资源的问题,本文提出BP神经网络对空调系统的性能进行预测的方法,以设计参数压缩机冷量、冷凝器和蒸发器面积和实验参数室内外环境温度、负荷量等为输入,以空调的能力和能效比为输出,对BP网络进行训练、测试。结果表明:BP神经网络算法的均方误差为0.005 8,预测结果的总相关系数为0.974 47,可用于空调系统的设计选型,减少实验成本。     

基于BP-Adaboost强预测器的瓦斯涌出量预测

为了提高传统BP神经网络瓦斯涌出量预测模型精度,避免BP网络容易陷入局部极值、收敛速度慢等问题,将BP神经网络和Adaboost算法相结合,提出了一种BP-Adaboost强预测器模型.将该模型用于实际瓦斯涌出量预测,并进行了40次仿真实验.结果表明:该模型预测精度高于传统的BP神经网络,且收敛速度快,具有较强的鲁棒性,预测精度能满足实际工程需要,为瓦斯涌出量预测提供了一种新的途径.     

基于Adaboost集成BP网络原煤生产成本预测研究

为了提高传统BP神经网络预测模型精度,避免BP网络容易陷入局部极值、收敛速度慢等问题,将BP神经网络与Ada-boost算法相结合,提出了一种Adaboost集成BP神经网络模型.结合磁县观台煤矿原煤生产成本相关数据,建立了原煤生产成本预测的Adaboost集成BP神经网络模型,将该模型用于实际的原煤成本预测.结果表明：该模型预测精度高于传统的BP神经网络,收敛速度快,具有较强的鲁棒性,预测精度能满足实际预测需要,为原煤生产成本预测提供了一种新的途径,也为原煤生产成本控制提供了重要依据.     

基于因子分析的BP神经网络对成都市需水量的预测

在对四川省成都市的水资源进行综合规划与评价的过程中,通过主成分因子分析可知人口、GDP、给排水管道长度等因素对需水量预测有较大影响,如何建立这些因素与需水量之间的数学关系是预测工作的重点。本文将介绍通过MATLAB数学分析软件建立BP神经网络预测模型,并对模型的预测结果进行评价。     

基于BP神经网络模型在珊溪水库水华预测中的应用

在珊溪水库藻类暴发期间应急监测数据的基础上,建立pH值、高锰酸盐指数、总氮、总磷、叶绿素a数据矩阵。运用MATLAB R2015b GUI可视化界面模块,将应急监测数据样本空间分为训练样本、验证样本、测试样本,建立珊溪水库BP神经网络模型,预测了珊溪水库藻类暴发期间叶绿素a浓度。BP神经网络建模结果显示:输出数据与实测数据相关系数0.978,平均相对误差-0.19%,标准方差18.54%,模型稳定性较好,叶绿素a预测结果符合预期。BP神经网络预测模型为珊溪水库饮用水水源地环境保护提供了科学依据。     

修正的BP神经网络森林火灾成灾面积预测研究

以1997-2012年《中国林业统计年鉴》的全国森林火灾成灾面积为依据,应用BP神经网络模型对成灾面积进行了预测,对预测方法进行了检验.在此基础上,利用残差提出了修正的BP神经网络模型,并对预测方法进行了改进.研究结果表明,修正的BP神经网络预测精度高于BP神经网络,预测相对误差平均为7.2％,可应用于森林火灾成灾面积的预测.     

基于BP模型对城市交通噪声的数据处理和预测

城市交通噪声的预测和评价技术是城市交通可持续发展的重要研究内容,直接为城市交通规划中环境容量分析和环境影响评价服务。本文通过实测的大量数据,运用神经网络中的BP模型及其算法建立车辆数、道路宽度和交通噪声之间的关系,对城市道路交通噪声数据进行处理和预测。     

基于Matlab的神经网络在绵阳空气质量预测中的应用

以绵阳市2014~2016年空气污染指数(API)以及SO 2、NO 2、PM 10等污染物为研究对象,探讨了绵阳市空气污染的变化规律,并分析它们与常规观测的地面气象资料之间的关系。尝试采用多元线性回归方法及BP神经网络方法建立污染预报模型,并检验分析两种模型的可行性。结果表明基于BP神经网络的预报模型在污染预报中可行,并建立基于BP神经网络进行空气质量预测的预测模型,利用历史资料进行验证。     

基于Elman神经网络的我国入境游客量动态预测

为了更好地拟合我国入境游客量系统动态和时变特性,对我国入境旅游游客量进行科学准确的预测,将Elman网络引入我国入境游客量预测,提出基于Elman神经网络的入境游客量预测模型。以国家统计局公布的最近30个月我国入境旅游游客量月度数据为研究对象,前27个月数据用于建立训练网络,后3个月数据用于检验模型,模型预测最大误差为2.928%,最小误差为1.492%,平均误差为2.19%,模型预测效果与实际非常接近。结果表明:模型能更好地反应我国入境游客量系统的非线性、动态性、时变性等特征,为我国入境旅游游客量预测提供了一种较可靠的途径。     

基于BP神经网络的重要水库水源地风险预测

水库是饮用水源的重要载体。近年来,社会经济急剧发展,大量污染物的排放严重威胁了水库饮用水源的健康。为保障人民群众饮水安全,准确识别水库型饮用水源地健康风险程度,基于模糊综合评价和BP神经网络建立了水库型饮用水源健康风险预测模型,构建了一个具有多层次多指标特性的饮用水源健康评价指标体系,并结合珊溪(赵山渡)库区的实例,对该库区饮用水源进行了健康风险预测。结果表明:该库区的水源健康等级为健康,与实际调研情况相符。神经网络模型可以用于对饮用水源健康风险预警,对水源地相关管理部门的水源健康评价工作具有一定的参考意义。     

基于时间序列修正算法的我国入境旅游人数预测

为了对我国入境旅游游客量进行准确预测,提出一种将ARIMA模型与RBF神经网络相结合的算法。以我国2009年1月到2014年4月我国入境旅游游客量月度数据为研究对象,利用该模型对我国入境旅游游客量进行初步预测,计算残差,再利用RBF神经网络对残差进行拟合预测,并对ARIMA预测结果进行修正。结果表明:利用RBF神经网络对ARIMA模型进行修正,将线性拟合算法和非线性拟合算法结合起来用于我国入境旅游游客量预测是一种较可靠的算法。     

基于BP神经网络的天线识别

本文比较研究了BP神经网络中的几种常用算法,针对这些不同算法下的BP神经网络进行训练,并得出了各自网络的性能。在此基础上,针对经典BP算法和LM算法进行对比研究,找到LM算法的改进之处。此外,在实际的应用中表明,不仅不同的BP算法对网络的运算速度、泛化能力等有较大的影响,而且BP神经网络对隐含层神经元数目也很敏感。我们希望在BP神经网络的基础上,构建一种合适的天线模型,来应用于天线的分类识别,这将具有很大的现实意义。     

应用B-P神经网络的城市空气污染预测研究

在具有城市重点污染源的排放数据的条件下，利用人工神经网络的自学习、自组织、自适应和较强容错性等特点，探讨B—P神经网络应用于城市空气质量预测的适用性。试验结果表明：此种方法基本适用，且在污染源监测数据充足的基础上，预测结果会更加准确。     

神经网络方法在地表高程预测中的应用研究

从地表高程预测的研究现状出发,基于Matlab神经网络工具箱构建了广义回归神经网络(GRNN),建立了能够预测地表高程的神经网络预测模型,并与反距离加权法(IDW)的预测结果进行了比较分析。结果表明,GRNN方法计算简单,在相同的样本数据条件下,GRNN的预测精度较高,表明神经网络方法在地表高程预测中的应用是可行的。     

一种基于预测法的电磁兼容设计方法

文章以数模混合电路设计实践为基础,介绍了一种基于预测法的电磁兼容设计方法。先以电磁兼容测试理论为基础介绍数模混合电路设计中的电磁兼容方法,在以此方法建立电磁兼容设计模型,并通数模混合电路实践来检验和改进设计模型。     

温度试验设备期间核查方法的研究

本文通过对温度试验设备在期间的核查方法进行讨论,对环境试验室的温度试验设备管理有指导作用。