采用催化傳感器和電化學式氣體傳感器配合使用的傳感器陣列.為了解決2種傳感器對礦井co和ch4氣體的交叉敏感問題,提出了一種基于改進bp神經網絡的礦井co檢測方法.通過matlab仿真可以看出,基于神經網絡的傳感器陣列方法可以明顯提高co檢測精度.實際輸出值和期望輸出的絕對誤差平均值為3.43ppm,相對誤差平均值為1.43％.

用養(yǎng)護規(guī)范中17個評價指標作為輸入層網絡神經元,把橋梁損傷等級參數作為輸出層神經元,建立了橋梁評估3層bp神經網絡模型。選用湖北省110座舊橋的評估數據作為訓練樣本,后10個作為測試樣本,經過2068次迭代運算的網絡訓練,得到了誤差滿足精度要求的收斂網絡。將待評估的橋梁參數輸入訓練好的網絡,得到評估橋梁的技術狀態(tài)等級。

采用催化傳感器和電化學式氣體傳感器配合使用的傳感器陣列。為了解決2種傳感器對礦井co和ch4氣體的交叉敏感問題,提出了一種基于改進bp神經網絡的礦井co檢測方法。通過matlab仿真可以看出,基于神經網絡的傳感器陣列方法可以明顯提高co檢測精度。實際輸出值和期望輸出的絕對誤差平均值為3.43ppm,相對誤差平均值為1.43%。

缺測降水數據的插補可以有效改善數據系列的完整性,以元江境內的元江、洼垤、因遠、街子河、阿支、磨房河等水文和雨量站點逐月及年降水數據為基礎,研究缺測降水數據的插補。站點之間月降水數據相關分析表明:各站點之間相關性較差,相關分析難以滿足本研究流域內部分月降水數據插補精度,故嘗試采用bp神經網絡模型對研究流域降水數據進行插補。研究表明:基于本流域降水數據建立的神經網絡模型檢測樣本合格率達到89.6%,具有較好的插補精度,說明神經網絡可以用于本研究流域的缺測降水數據插補,為降水數據缺測的插補提供了新的途徑。

缺測降水數據的插補可以有效改善數據系列的完整性,以元江境內的元江、洼垤、因遠、街子河、阿支、磨房河等水文和雨量站點逐月及年降水數據為基礎,研究缺測降水數據的插補。站點之間月降水數據相關分析表明：各站點之間相關性較差,相關分析難以滿足本研究流域內部分月降水數據插補精度,故嘗試采用bp神經網絡模型對研究流域降水數據進行插補。研究表明：基于本流域降水數據建立的神經網絡模型檢測樣本合格率達到89.6%,具有較好的插補精度,說明神經網絡可以用于本研究流域的缺測降水數據插補,為降水數據缺測的插補提供了新的途徑。

當前一般按照數據的后驗分布,為缺失值插入估計值,通常低估了統(tǒng)計量的方差,導致統(tǒng)計量估計置信范圍降低,檢測顯著性降低。為此,提出1種新的基于bp神經網絡的農資庫存數據插補技術。為了增強不同年份農資庫存數據的可比性,對數據進行歸一化處理。針對訓練的bp神經網絡,通過平均絕對誤差、均方誤差、平均預測誤差、平均絕對百分誤差完成統(tǒng)計分析,評價模擬值和觀測模擬值間的離散程度。分析了bp神經網絡結構,對農資庫存數據進行插補的過程中,構造雙向時間識別序列,改變應用前一時間段農資庫存數據預測后期數據的傳統(tǒng)方式,采用缺失時間段前后已有農資庫存數據共同對缺失數據進行預測。完成農資庫存數據的處理后,需對已有樣本進行訓練,如果檢驗擬合度指標值高于0.8,則認為訓練結果可靠,從而完成對缺失值的預測,實現農資庫存數據插補。試驗結果表明,所提技術插補精度高。

精密軸承應用廣泛,精度要求高,軸承表面缺陷對其使用影響很大.因此,對軸承缺陷的檢測很有必要.目前的檢測以人工為主,但當缺陷小于0.075mm時人眼就很難識別.以ccd攝像機為視覺結合圖像處理技術,設計一種軸承在線檢測方法,能夠在很大程度上提高檢測效率和檢測精度,最后利用bp神經網絡進行缺陷分類,實驗結果表明:分類正確率可達92.7%,符合工業(yè)要求.

基于bp神經網絡電子評標方法的研究和應用——為了解決招投標中評標環(huán)節(jié)專家評審法隨意性大的問題,針對建設工程的不同特點,對評標內容進行分類剖析.利用人工神經網絡的智能識別功能,建立基于神經網絡的電子評標方法.結合人工神經網絡的自適應功能、良好的容錯能...

本文利用特征價格理論和bp神經網絡工具建立住宅項目估價模型,為住宅項目定價提供一種快速、有效的新方法。

為了對民航系統(tǒng)安全運行狀態(tài)進行科學的分析和預測,針對反映民航系統(tǒng)安全運行狀態(tài)的重要指標之一——飛行事故萬時率,采用bp神經網絡的時間序列非線性預測模型及方法,對其進行了分析研究和仿真驗證,計算結果表明,該預測方法是可行的,并與實際具有較好的一致性。

針對傳統(tǒng)方法單獨采用bp神經網絡算法易陷入局部極值的問題,提出了遺傳算法優(yōu)化bp神經網絡,并將其應用于mimo-ofdm系統(tǒng)信號檢測中。該方法將遺傳算法與神經網絡相結合,用遺傳算法優(yōu)化神經網絡初始值,使bp網絡快速收斂到最優(yōu)解,避免了由初始值的隨機選取而帶來的檢測誤碼。仿真結果表明所提出的方法在誤碼率方面有比較好的性能。

針對工業(yè)控制系統(tǒng)入侵檢測模型對各類攻擊的檢測率和檢測效率不高的問題,提出一種adaboost算法優(yōu)化bp神經網絡的入侵檢測模型.首先利用主成分分析法對原始數據集進行預處理,消除其相關性；其次利用adaboost算法對訓練樣本的權重進行不斷調整,從而獲得bp神經網絡最優(yōu)權重和閾值；最后再通過adaboost算法將bp弱分類器組合成bp強分類器,從而實現工業(yè)控制系統(tǒng)的異常檢測.實驗結果表明該方法在對各攻擊類型的檢測率和測試時間明顯優(yōu)于其他算法模型.

為簡化震害預測工作,提出一種以房屋普查數據為震害影響因子并利用人工神經網絡模型為工具的震害預測方法。從以往震害實例中選取了具有典型破壞特點的建筑物作為神經網絡的學習樣本,用收集的數據對網絡進行了訓練并得到了收斂的網絡,應用此收斂的網絡對一組新的房屋數據進行震害預測,結果表明了運用此方法和模型的實用性。

軌道交通費率清分的實質是在不同線路下網絡客流分布的問題。在充分考慮乘客出行路徑選擇多要素的基礎上,提出一種基于神經網絡的軌道交通客流清分模型。將影響乘客出行路徑選擇的多要素分為確定性要素和不確定性要素,通過樣本訓練神經元的抑制系數和激勵系數,結合轉換函數將結果傳導給輸出層輸出。與傳統(tǒng)模型相比,該模型更符合乘客出行選擇的多要素心理。最后通過對比客流調查結果和logit模型表明,在排除其他要素的干擾下,該方法能夠較好的實現客流在不同線路的清分。

軌道交通費率清分的實質是在不同線路下網絡客流分布的問題。在充分考慮乘客出行路徑選擇多要素的基礎上,提出一種基于神經網絡的軌道交通客流清分模型。將影響乘客出行路徑選擇的多要素分為確定性要素和不確定性要素,通過樣本訓練神經元的抑制系數和激勵系數,結合轉換函數將結果傳導給輸出層輸出。與傳統(tǒng)模型相比,該模型更符合乘客出行選擇的多要素心理。最后通過對比客流調查結果和logit模型表明,在排除其他要素的干擾下,該方法能夠較好的實現客流在不同線路的清分。

本文首先根據北京城市軌道交通網絡的特點，以靜態(tài)非平衡分配模型中的最短路徑分配為理論基礎，實現歷史客流在斷面上的分配，得到具有參考價值的斷面客流。然后通過大量bp神經網絡建模試驗，對北京城市軌道交通客流預測問題，建立了合理的預測模型。最后利用bp神經網絡模型對13號線西直門站至2號線西直門站的換乘斷面客流進行預測，并與最小二乘擬合結果進行對比分析，得出合理的客流預測結果。

強烈的地震給人們生命財產帶來巨大損失,為了能夠在地震之前預測出建筑物震害,提出一多層磚房為例。利用matlab神經網絡工具箱,建立一種基于貝葉斯正則算法的bp神經網絡模型,并以過去發(fā)生地震地區(qū)的多層磚房調查數據為震害因子的震害預測方法。結果表明:對多層磚房的震害樣本的預測達到理想效果。

目前鋼絲繩斷絲定量檢測中存在效率低、可靠性差的問題。基于bp神經網絡的智能化鋼絲繩斷絲檢測系統(tǒng),利用虛擬儀器技術,可方便地實現對鋼絲繩的數據采集、實時分析,實現了對鋼絲繩斷絲檢測的綜合判斷。運用matlab神經網絡工具箱進行模擬檢測,結果表明:網絡仿真與實際相符,準確判斷率為81.82%。該系統(tǒng)用于鋼絲繩斷絲識別可行。

本文結合住宅房地產的價格理論和相關網站上的數據,科學地選取影響商品住宅價格的影響指標為人均gdp、人均可支配收入、人口數量、房地產開發(fā)投資額和商品住宅建筑面積,并以此建立hedonic商品住宅價格影響因素模型。依照bp神經網絡預測的實現步驟,探索bp神經網絡在預測?？谑猩唐纷≌瑑r格的應用,得到2018年6月-2019年5月商品住宅價格預測值,對?？谑猩唐纷≌瑑r格的研究具有一定的指導作用。

利用matlab建立bp神經網絡,將影響建筑能耗的18個因素作為網絡的輸入,進行學習訓練,最后通過測試樣本點數據預測建筑能耗,與dest-h模擬計算得到的結果比較,發(fā)現相對誤差在3.5%以內,并通過實例驗證了該網絡模型的準確性。該方法使建筑人員在設計階段就能快速且準確地獲得設計建筑的能耗。

建筑企業(yè)的安全問題不僅關系到建筑行業(yè)的發(fā)展,而且關系到社會的和諧與進步。從管理者的視角構建了建筑企業(yè)安全管理評價指標體系,并對指標之間的關系做了簡要的說明。然后應用主成份分析對神經網絡的輸入數據進行預處理,提取其中的關鍵成分作為網絡的輸入,并采用遺傳算法來提高神經網絡的收斂速度。最后以天津市建筑企業(yè)為實例加以說明并進行了分析。結果表明,建立的模型不僅較公平、合理,而且提高了神經網絡模型的學習效率。

基于bp神經網絡軟粘土循環(huán)強度研究——以軟粘土動三軸試驗結果作為樣本集，以靜應力、循環(huán)應力和確定位移破壞標準下的循環(huán)破壞振次作為輸入層，建立基于bp神經網絡軟粘土循環(huán)強度的預測模型．通過循環(huán)扭剪試驗結果對模型進行檢驗．結果表明，該模型穩(wěn)定性良好，...