简介：以研究船舶下沉量问题为出发点,总结出近年比较流行的计算船舶下沉量的经验公式方法,并给出各种计算方法的局限和适用情况;根据神经网络的特点,选取适当的输入参数和输出参数,建立船舶下沉量预测模型,并进行对比分析提出进一步的研究方向.

简介：摘要利用传统的单端电压、电流电气量进行故障测距时，容易受到过渡电阻的影响而导致测量距离不精确。本文以小波变换为基础，将传统的单端电气量与反向传播（BP）神经网络算法相结合，提出了一种用于故障测距的新方法，通过大量的仿真验证表明，该方法能够适应各种环境的要求，且精度高，具有一定的实用价值。

简介：本文研究BP神经网络PID控制算法在PLC中的具体实现方法。着重介绍了BP神经网络自整定PID控制系统结构和算法;以S7-1200PLC为控制器,采用SCL语言进行了BP神经网络自整定PID控制算法功能块的设计,给出了功能块参数的说明;试验表明,相比常规PID控制,BP神经网络自整定PID控制能获得更好的控制效果,设计的算法功能块具有一定的通用性和可移植性,为先进控制算法拓展到工程实际领域提供了应用参考。

简介：为了评价某煤矿矿井通风系统的优劣，就必须要建立一套合理的、符合该矿井实际情况的评价体系。我们借助BP神经网络的工具对该矿井的通风系统进行评判，通过广泛的资料收集，确定了通风系统安全指标评价体系；运用Matlab2014软件进行训练，建立矿井通风系统综合评价模型；对矿井通风系统安全进行总体的评价。确定其安全等级为1级合理。

简介：应用BP神经网络对网店销售模型进行了研究,建立了基于店铺访客数、下单转化率、客单价和商品收藏次数来预测网店销售额的BP神经网络模型,模型的训练样本为五皇冠淘宝网店2016-04-21至2016-07-09时间段销售数据,应用构建的模型预测该网店2016-07-10至2016-07-19时间段店铺销售额,仿真模拟实验结果表明其能准确地预测店铺销售额,从而验证了模型的有效性和准确性.

简介：为了掌握洪湖水质未来的变化情况以及预防污染事件的发生,建立了一个BP神经网络水质指标预测模型。利用洪湖1990~2014年的水质指标实测数据作为学习样本,选取了pH、溶解氧（DO）、铵态氮（NH4＋—N）、硝态氮（NO3-—N）、总氮（TN）、总磷（TP）6项指标作为预测参数,建立了BP神经网络模型,并运用该模型对洪湖水质指标进行了预测,同时引入一元线性回归模型与GM（1,1）灰色预测模型与该模型进行对比。结果表明,BP神经网络模型预测的水质指标的相关性系数都在0.998以上,平均相对误差都控制在2.5%以内,对单个指标的预测相对误差也都小于9%,明显优于一元线性回归模型和灰色预测模型;BP神经网络模型预测精度较高,预测速度快,能够相对准确地预测大部分水质指标,可以有效地应用于洪湖以及其它水域水质指标的预测和水质趋势的预警预报系统中。

简介：

简介：黄土的湿陷起始压力是评价黄土湿陷性的重要指标之一.影响黄土湿陷起始压力的因素有很多,且各因素间并非独立,通过分析各物性指标间的相关性确定塑性指数、含水率、干密度作为影响黄土湿陷起始压力的因素.本文提出并建立了黄土湿陷起始压力的人工神经网络预测模型,选取新疆伊犁地区黄土的数据作为神经网络模型的学习和预测样本,将神经网络模型的预测结果与实际结果对比可知二者误差小于10%.利用陕西彬县黄土数据验证了网络模型的通用性,说明用人工神经网络方法计算黄土湿陷起始压力准确、可靠,建立了一种计算湿陷起始压力的新方法.

简介：燃煤锅炉是复杂的多变量系统，其飞灰的含碳量形成机理复杂，不能用简单的数学公式估算。现场实炉测试这些数据具有工作量大，测试工况有限等缺点；燃煤锅炉运行参数及燃料特性等因素影响着飞灰的含碳量，其相互耦合，导致分析数据过程困难。神经网络建模将燃煤锅炉视为黑箱，应用该方法可以良好的描述其输入输出之间的黑箱特性，因此，人工神经网络应用广泛。利用燃煤锅炉试验数据，采用3层BP（backpropagation）神经网络构建了锅炉飞灰的含碳量排放特性模型。通过锅炉的实测数据验证，该BP神经网络对飞灰含碳量相对预测误差在0．19％～0．50％，预测效果良好。测试结果表明，建立的神经网络预测模型可以准确逼近验证样本数据，也能够较好的逼近非验证样本数据，具有良好的泛化能力。

简介：光纤陀螺（FOG）温度漂移误差是影响其输出精度的主要误差源之一。针对基于传统BP神经网络FOG温度误差补偿方案适用性较差的问题,提出了优化预测数据的BP神经网络补偿算法,利用最优线性平滑技术以及滑动平均技术对神经网络待补偿数据进行预处理,可以有效减小FOG输出白噪声对温度漂移网络模型补偿精度的干扰,优化神经网络模型的补偿效果。使用FOG温度漂移实测数据对所提出的优化算法进行验证,结果表明利用本文提出的两种建模及补偿方案进行补偿后的FOG温度漂移数据标准差相比传统BP神经网络补偿方法减少50%以上。

简介：本文建立相应的BP神经网络模型,根据民生银行信贷信用评级指标体系,选取BP神经网络模型的训练样本和检验样本.将训练样本输入BP神经网络进行训练,BP神经网络模型完成训练后,用检验样本对本文建立的BP神经网络模型进行检验.完成训练的BP神经网络模型将根据企业的信用评级信息计算出企业信用得分的预测值,从而使商业银行规避信贷过程中的信用风险,起到风险预警功能.

简介：为了精细监测和了解排采过程煤储层参数的动态变化,本文提出了一种基于BP神经网络补偿算法,对未来一定时期的产气、产水量进行了预测。对大佛寺典型的煤层气水平井(DFS-C02井)进行实例分析,结果表明,未来30d的产水量、产气量的平均相对误差分别为0.79%(0.07~0.26%)和0.72%(0.01~2.4%),预测结果较准确。BP神经网络补偿算法为煤层气井的产量预测提供了一种新方法,同时为排采工作制度提供依据。

简介：针对传统被动式孤岛检测法存在检测时间长、盲区（NDZ）大,而主动式孤岛检测法影响电能质量的缺点,提出一种新的基于小波包对数能量熵（WPLEE）与BP神经网络的孤岛检测方法。该方法首先采集公共耦合点（PCC）处的电压信号,再将该电压信号分别进行小波包变换,然后通过对数能量熵进行算法处理来获取适合于孤岛检测的特征向量,该特征向量通过BP神经网络进行模式识别来判断系统是否发生孤岛现象,特别在逆变器输出功率和本地负载功率匹配时。实验和仿真结果表明,该方法均能准确、有效地判断出是否存在孤岛状态,同时与传统的被动式孤岛检测方法相比检测速度快,检测盲区小,不会对电能质量产生不良影响。

简介：通过地方经济发展指标、地方政府收支指标、地方公共风险指标和地方政府债务指标四个方面构建预警指标体系。基于BP神经网络模型对我国2016年的地方政府性债务风险进行非线性预警研究,因子综合得分表明2009年到2015年我国地方政府性债务风险处于相当不稳定的状态。BP神经网络预测结果则显示,2016年我国地方政府性债务风险处于高度风险区间,说明地方政府性债务风险性较大,应采取措施尽快完善地方政府债务风险预警体系。

简介：本研究以内蒙古锡林郭勒盟苏尼特右旗短花针茅荒漠草原为研究对象,采用分层取样技术,分别对碱韭和短花针茅为主的草地植物群落进行调查（测定指标为高度、盖度、密度和地上现存量）,获得禾本科为主、碱韭为主以及由二者构成的复合样本数据。通过MATLAB软件平台,把植物群落的数量特征（高度、盖度和密度）作为输入因子,以群落现存量作为输出因子来建立BP神经网络模型,并对预测结果进行检验。结果显示,禾本科为主、碱韭为主以及由二者构成的复合样本,采用BP神经网络平均预测准确率分别为94.1%,92.98%,91.01%。因此,BP神经网络可作为草地植物群落地上现存量模拟与预测的有效工具之一。采用BP神经网络对不同草地植物类群进行模拟和预测可能会存在差异,但这种差异会随着样本容量的增大或训练精度的增加而弱化。

简介：翻转课堂作为新型教学模式得到广泛关注，然而对于其课堂教学质量的探讨还较为缺乏。本文针对翻转课堂教学模式提出了翻转课堂教学质量评估体系指标，并基于BP神经网络构建了翻转课堂教学质量评价模型。将搜集到的样本运用MATLAB进行仿真模拟，实验结果表明，实际评价结果与该方法评价结果误差较小，该评价模型具有一定的推广及参考价值。

简介：对于分数阶控制系统,因分数阶控制器较传统PID控制器具有更好的适应性,这就为得到更加细腻的控制品质提供了可能。然而,分数阶PIαDβ控制器的参数整定则相对复杂。针对这一问题,提出了基于BP神经网络的分数阶控制器参数整定方法,有效地克服了分数阶控制器参数整定复杂问题。采用文章所提方法,分别设计了整数阶PID、分数阶PIαDβ控制器,并进行仿真对比。结果表明,采用分数阶PIαDβ控制器的系统控制品质优于整数阶PID控制器。

简介：集团企业的管理型本部是一类特殊的企业，其财务指标和风险特征与一般企业显著不同，难以使用一般的信用评级模型进行评级。本文利用基于BP神经网络的人工智能分类算法，通过有监督机器学习过程建立了管理型集团本部的信用评级模型。实验表明，在管理型集团本部的评级上该模型比一般公司的评级模型更为准确。

简介：摘要近年来风能已成为全球最重要的清洁型能源，风电场输出功率的预测也越发的成为了世界关注的焦点。但对于预测方法的研发目前还不够完善，仅仅依靠天气数值预报的预测是不够的。因此本文提出了神经网络模式下的风力发电机输出功率预测，并对风力发电机输出功率预测模型的建模过程进行了全面的阐述。经实验结果得出以下结论即在神经网络模式下，以风能作为动能的风力发电机，其输出功率的预测准确度非常高，具有可行性和有效性。

简介：摘要本文针对人工缺陷识别的缺点，提出了基于深度学习的输电设备缺陷识别方法，使用卷积神经网络进行图片的特征提取，避免了前期复杂繁琐的图片预处理，与此同时选用了ImageNet作为分类器进行缺陷判断。该方法经过实验验证，对常见的设备缺陷有较高的识别率，提高了输电线路巡检的自动化水平，降低了人工的劳动强度，便于快速准确的发现输电线路缺陷。