BP神经网络法预测唐山市需水量

需水量预测研究已成为当前水资源规划与管理研究中的重要课题之一.本文设定不同的神经网络运行次数,根据预测结果进行误差分析,BP神经网络在运行5 000次时,具有高度的可信度和可行性.应用5 000次运行次数的BP神经网络模型对唐山市规划水平年的需水量进行预测.最后引入人均综合用水量概念,结果表明,预测结果在理论上和实际上都具有可行性.     

道路交通事故BP神经网络预测研究

在分析道路交通事故影响因素的基础上,确定道路交通事故评价指标体系。该体系包含交通事故次数、死亡人数、受伤人数3个输出指标及12个影响因素。利用人工神经网络具的强非线性逼近、模糊推理、自学习的优点,建立道路交通事故BP神经网络预测模型。模型对我国2006年、2007年、2008年的交通事故情况进行预测,其中,2006年、2007年预测精度较高,2008年预测误差稍大,可能的原因为2007年12月修订的《中华人民共和国道路交通安全法》对减少交通事故起到较大作用。     

基于BP神经网络的煤层自燃预测

在全面分析影响煤层自燃因素的基础上,建立了煤层自燃预测的人工神经网络模型.应用该模型对某煤田的多个煤层样本进行了训练和预测,网络经过10次训练后,误差达到设定的最小值,6次预测测试中最大误差仅为0.027 8,最小的为0.000 1.研究表明,该模型精度较高,可用于预测煤层自燃的实际应用.     

基于BP神经网络人群流量预测的实现

人群拥挤踩踏突发性的特点决定了现场的事故救援措施效果较差,事前预防是唯一有效的策略。对商业区人群流量进行预测,对于合理控制商业网点人口,预防人群类事故的发生具有重要的意义。本文介绍了基于BP神经网络的人群流量预测方法,利用Matlab建立了相关模型,并结合实际数据对模型进行了调整,分析了隐含层神经元个数、不同输入-输出结构、不同传递函数等因素对网络性能的影响。研究表明利用神经网络的非线性映射能力对人群流量进行预测时可行的。     

二次FAE的火球温度及热辐射效应研究

以总热焓的方法计算二次燃料空气炸药的爆炸火球温度,并以程序实现了火球温度的计算。得出的结果基本与实验值吻合。本文介绍了以Baker方法及S.B.Dorofeev方法求算二次燃料空气炸药火球热幅射效应的计算过程。并对比了两种方法所得数据的结果。得出以S.B.Dorofeev方法优于Baker方法的结论。     

BP神经网络在混凝土性能预测中的应用

综述了BP神经网络在混凝土抗压强度及其他力学性能、耐久性、混凝土结构构件相关性能预测中的应用。综述表明,模型误差在工程可控范围内,模型泛化能力较强,利用BP神经网络对混凝土性能开展预测是可行的。     

基于PSO优化BP神经网络的水质预测研究

为快速准确地预测河流水质,结合汾河监测数据,使用粒子群算法(PSO)优化BP神经网络模型(PSO-BP)进行水质预测.通过灰色关联度分析确定输入变量,利用PSO算法修正BP网络的初始权值、阈值,优化神经网络结构及算法全局收敛性.采用该模型对汾河主要污染物指标COD、BOD5、氨氮、挥发酚等进行预测和验证.结果表明,与传统的BP神经网络模型相比,PSO-BP模型使最大相对误差从15.43％减小到1.46％,其平均误差由4.00％减小到1.01％,预测均方根误差从5.956×10-3减小到1.605×10-4.因此,基于PSO-BP神经网络模型的预测更加精确,可用于水质预测.     

基于BP神经网络的二元混合液体自燃温度预测

为了给工业界提供一种快速预测二元混合液体自燃温度的有效途径,将试验所测不同组分及配比的168个二元混合液体的自燃温度作为期望输出,将基于电性拓扑状态指数(ETSI)理论、引入混合ETSI概念而计算出的9种原子类型所对应的混合ETSI作为输入,采用三层BP神经网络技术建立了根据原子类型混合ETSI来预测混合液体自燃温度的BP神经网络模型,并应用改进的Garson算法进行多参数敏感性分析。经模型评价验证及稳定性分析,得到训练集的决定系数R2为0.965,平均绝对误差MAE为11.892 K,测试集的交叉验证系数Q2ext为0.923,平均绝对误差MAE为15.530 K,发现该模型的预测性能优于已有的多元非线性回归(MNR)模型,表明BP神经网络模型具有较好的拟合能力和预测能力,对烷、醇类混合体系自燃温度的预测精度最佳。     

基于RBF神经网络的火灾报警系统失效概率预测

报警系统失效主要包括漏报、误报,对系统进行失效概率预测,可以帮助判断设备质量优劣,评估系统效能。利用Matlab软件编程,通过神经网络预测失效概率。根据不同场所正在使用的火灾报警器的失效数据作为原始数据,归纳总结失效原因,建立事故树,结合专家打分法与模糊理论得到网络的输入值与输出值。通过网络训练,得到可以对系统失效概率进行预测的RBF神经网络,测算效率大幅提高。以70组不同品牌、用途的火灾报警系统作为算例,通过训练数据,最终达到输入底事件发生概率可直接输出顶事件发生概率的目的。结果表明,RBF神经网络相较于BP网络与事故树算得的失效概率具有更高的拟合度,RBF神经网络模型在进行系统失效概率预测时具有可靠性。     

BP神经网络对制冷蓄冷空调用电量预测分析

我国经济迅猛发展,电力系统电负荷必须满足削峰填谷的需要。为了避开白天用电高峰,一些企业、写字楼、大型超市在夏季可以在夜间用制冷机制冷并且用蓄冷装置储存冷气,用于白天释放冷气。因为白天电价比夜间电价高,夜间用电可以为商家节省资金,减少当地白天用电量,促进当地经济建设。笔者基于MATLAB的BP神经网络分析某大型超市从2011年8月到2015年8月空调每日用电量,预测2016年8月夜间制冷机制冷所需的用电量,并且用蓄冷装置储存冷气,供白天使用。     

BP和Elman神经网络在砂土液化预测中的研究

基于砂土液化的影响因素具有非线性关系,而神经网络模型能够逼近任意非线性函数和适合于动态系统辨识的特性,分别建立输入层为4,隐含层神经元为2,输出层为1的三层BP神经网络和Elman网络,并且通过matlab软件运算,实例比较得出Elman模型比BP模型收敛速度快、精度高,在砂土液化的预测中效果更好。     

基于BP神经网络的安全生产事故统计情况预测分析

通过对1990—2008年安全生产事故统计情况进行分析,梳理了社会经济发展的各项指标,选择其中的人均GDP、第三产业比重、非农就业人口比重、城镇居民可支配收入、万人大学生数、万人医生数等反映经济发展的主要指标作为神经网络的输入端,以安全生产事故起数和死亡人数为输出端,以2007年全国各地区经济发展指标和事故统计情况为样本训练BP神经网络,进行不同省份安全生产情况的预测。其结果与实际情况符合性较好,为目前安全生产形势分析提供了一种新方法,该法对预测安全生产监督管理工作提供参考。     

基于BP神经网络不同输入变量的爆破振速预测

以某隧道爆破开挖为实例,利用BP神经网络解决复杂非线性函数逼近问题的能力,以最大段药量、爆心距、爆破分段数、泊松比、岩石基本质量指标作为影响爆破振动速度的主要因素,选取不同维数的输入变量建立BP神经网络模型来预测爆破振动速度。对比分析各组预测值与实测值之间的相对误差,选取合理维数的输入变量建立了爆破振动危害预测的BP神经网络模型。     

基于灰色BP神经网络组合模型的水上交通事故数预测

为了提高水上交通事故数的预测精度,在灰色预测模型与BP神经网络模型相组合的基础上,建立了灰色BP神经网络组合预测模型。以全国水上交通事故数、机动船数、驳船数、水上运输就业人数、水路货运量和水路客运量的数据作为样本数据,进行试验计算,并将组合预测模型的预测结果分别与灰色预测模型和BP神经网络预测模型的预测结果进行了对比。试验结果表明,相较灰色预测模型和BP神经网络预测模型灰色BP神经网络组合预测模型的误差更小、预测精度更高,且具有良好的稳定性。     

基于BP神经网络的煤与瓦斯突出预测系统开发

煤与瓦斯突出影响因素多,难以为其建立合适的多指标非线性预测模型,为提高突出预测的准确性和增强预测预报方法的实用性,采用改进的BP算法建立煤与瓦斯突出预测数学模型。通过研究不同算法的突出预测效果,对已建模型的泛化能力进行检验,利用Matlab GUI和神经网络工具箱设计开发煤与瓦斯突出预测系统,通过向系统输入已知的突出样本数据,经过学习、训练,实现对未知参数的预测。仿真结果表明:网络在训练300次后,误差训练曲线的均方差(MSE)可以达到10-15,实际预测误差也小于0.1,系统得到的5组数据预测结果与实际情况相符。     

基于BP神经网络的机场次日鸟击风险预测方法

机场鸟击已成为中国民航机场运行安全的最大挑战。根据机场鸟击责任区的定义并结合飞行程序,分析了责任区的空间范围及该范围内飞机起飞爬升、着陆进近的位置和速度。从鸟类、飞机、机场、周边环境和自然气候这5个维度建立了机场鸟击风险水平日变化的评价指标体系,基于反向传播(Back Propagation, BP)神经网络方法构建了机场鸟击责任区次日鸟击风险预测模型和方法。案例机场实际应用表明,BP神经网络在机场次日鸟击风险预测中有良好的应用性,结果准确可靠,可为机场鸟击防范工作提供指导和参考。     

基于灰色理论与BP神经网络的隧道围岩变形预测

为了对隧道围岩变形的发展趋势作出有效判断,以重庆市城区某隧道为背景,采用GM(1,1)灰色模型和BP神经网络模型对隧道围岩变形进行预测,并进行对比分析.研究结果表明:灰色模型对波动性的数据预测效果不理想,但适合用于数据样本不足的情况;BP神经网络预测方法具有较高的学习能力,预测模型灵活可变,对围岩变形的发展趋势预测比较...     

基于BP神经网络的矿车运行时矿井摩擦阻力的预测*

为了快速有效地确定矿车等运输设备在巷道内运行时矿井摩擦阻力的变化情况,克服模拟软件计算量和现场实测工作量大的问题,以巷道风流速度、矿车运行速度、阻塞比、矿车长度4个矿车运行时巷道摩擦阻力的影响因素作为切入点,采用动网格技术模拟得到矿车在巷道内运行时有关矿井摩擦阻力的数据,以此为样本构建基于BP神经网络的矿井摩擦阻力预测模型,运用MATLAB软件进行网络训练,并将BP神经网络预测值与FLUENT模拟值进行对比。研究结果表明:BP神经网络结构比较简单,能以较快速度收敛,预测值与模拟值最大误差在7%以内,该神经网络模型用于求解矿车等运输设备在巷道内运行时摩擦阻力的变化情况是可行的。     

基于多标签学习BP神经网络的承压设备介质分类方法

合理的承压设备介质分类能够降低事故发生率,减少对人员、设施、环境等造成的损害。目前对于承压设备介质的分类依赖于领域专家,人工分类效率较低。提出了一种基于多标签学习反向传播(Backpropagation, BP)神经网络的承压设备介质分类方法,依据国家标准收集承压设备介质的危害特性数据,建立了承压设备介质危害特性数据库;构建了基于多标签学习BP神经网络的承压设备介质分类模型;采用承压设备介质危害特性数据库训练基于多标签学习BP神经网络的承压设备介质分类模型,实现了承压设备介质的多标签分类。试验结果表明,该方法能够综合考虑物理、健康和环境危害性,有效地实现承压设备介质的分类,为承压设备介质分类及管理标准制定提供了依据。