BP神经网络模型

摘要： 目的分析ARIMA模型和BP神经网络模型预测广西老年人艾滋病发病率的效果。方法将2005-2016年广西老年人艾滋病月发病率数据作为训练集,2017年广西老年人艾滋病月发病率数据作为测试集,训练集用于训练、建模和拟合最优ARIMA模型和最优BP神经网络模型,测试集用于测试两者的建模和预测效果。结果与传统的ARIMA(2,1,2)(2,0,0)_(12)模型相比,LM算法3-9-1结构的BP神经网络模型在预测艾滋病月发病率方面更具优势,该模型的均方误差为0.0822、平均绝对误差为0.2352、平均绝对误差百分比为0.1510%。结论LM算法3-9-1结构的BP神经网络模型更适用于广西老年人艾滋病月发病率预测,误差小,精度高。

摘要： 根据大型注塑件产品汽车仪表板的生产质量和成本都有较高要求的特点,以某汽车仪表板为研究对象,研究其注塑工艺参数对体积收缩率和翘曲变形量的影响并进行工艺参数的优化。利用Moldflow软件对其进行数值模拟仿真,采用Box-Behnken试验设计方法进行数据采集,以开模时间、模具温度、注塑时间、熔体温度、速度压力切换、保压压力、保压恒压时间、保压衰减时间、冷却时间9个工艺参数为影响因子,体积收缩率和翘曲变形量为优化目标,运用BP神经网络模型和非支配排序遗传算法(NSGA-Ⅱ)获得最佳工艺参数组合,结合Moldflow仿真验证了最佳工艺参数组合的准确性,最终两个目标值分别降低了8.58%和8.83%,汽车仪表板的成型质量得到了有效提高。

摘要： 对于大型体育赛事主办城市而言,不仅需要建设完善的赛事设施,更需要保证赛事平稳安全地运行,赛事安保工作的优劣是评价赛事组织工作的关键因素。以冬奥会为例,研究采用BP神经网络模型法和灰色预测方法对1984—2018年10届冬奥会安保规模(安保人员数量、安保经费投入等变量)进行建模研究。研究结果表明:基于近十届冬奥会安保人员投入规模的真实值和预测值拟合结果良好,模型的权值和阈值在合理误差范围内较为精确。这一预测方法不仅能为大型赛事安保工作筹备提供规范性研究范式,而且对于实现经济办赛和安全办赛的双重目标提供实证性的借鉴和参考。

摘要： 进行了TC17钛合金低温铣削试验,研究了不同切削条件下的已加工表面粗糙度。采用回归分析方法建立了表面粗糙度经验模型,研究了射流温度、每齿进给量、铣削速度和径向切削深度对表面粗糙度的影响规律。基于BP神经网络建立了表面粗糙度预测模型,并与经验模型进行了对比分析。研究结果表明,基于经验模型表面粗糙度值与参数间存在强相关性(R^(2)=0.92),对表面粗糙度影响最大的因素为每齿进给量,然后依次是射流温度、径向切削深度、铣削速度,预测值与试验值均方误差为1.73×10^(-4)μm^(2),最大相对误差为8.81%,误差变化幅度较大;而基于神经网络模型的预测值与试验值均方误差为3.53×10_(-5)μm^(2),最大相对误差为3.64%,误差变化幅度较小,与经验模型相比,神经网络模型的预测精度和泛化能力更高,可更好地实现各参数对表面粗糙度影响的预测。

摘要： 为更准确地探究我国出国留学人数变化趋势,提出基于L1范数的组合预测模型,对出国留学人数进行预测;从多角度选取影响出国留学的因素,利用灰色关联度分析提取影响出国留学人数的典型因子,进而构建GM(1,3)模型;建立BP神经网络模型;提出基于L1范数组合预测模型,通过求解线性规划确定单一模型最优权系数;然后,对2006—2019年出国留学人数进行预测;选取GM(1,1)模型为对照模型,通过对照模型以及预测误差评价指标体系比较模型的预测精度,结果表明:基于L1范数的组合预测模型效果优于3个单一模型,有效地提高了预测精度,能够充分利用单一预测模型提供的信息,从而更加准确地预测出国留学人数;未来几年我国出国留学规模仍有较大的发展空间,预测结果可为全球疫情下我国留学相关工作提供参考。

摘要： 为了更好地优化机床结构,提高机床的运行性能,现以BP(Back Propagation)神经网络模型应用为例,采用有限元建模方法,构建机床整机主要部件的动力学模型,然后利用有限元分析软件,实现对BP神经网络样本的自动化和高校化采样。根据机床双W筋板安装位置、厚度等参数,构建相应的BP神经网络模型,然后根据机车第一阶段所获得的最高频率,采用自动化搜索的方式得到最终寻优结果。结果表明:通过将BP神经网络模型与有限元建模方法进行充分结合,可以实现对机床结构的动态化分析和优化,完全满足实际应用需求。

摘要： 文章介绍了Stacking集成学习方法、BP神经网络模型,分别讨论了单分类器的精度,特征提取与单分类器结合的算法的精度、Stacking集成学习算法的精度。实验测试表明,以决策树、LDA、朴素贝叶斯、随机森林为基学习器,以BP神经网络为元学习器所建立的Stacking算法是最佳的光谱分类算法,该算法稳定性强,学习效果好,平均准确率高达94%。

摘要： 目的对老年人常见的6种慢性病的住院费用进行调查,了解老年人慢性病住院经济负担并分析影响住院费用的主要因素,为合理制定老年人慢性病费用控制政策提供依据。方法采用回顾性研究的方法,自制调查表,对2018年1月1日至2020年12月31日安徽省某三级甲等医院收治的年龄≥60岁的老年人的住院病案首页信息进行收集并使用中位数(四分数间距)[M(P_(25)~P_(75))]进行描述性统计分析,采用非参数检验对住院费用进行单因素分析、采用BP神经网络模型得出各个变量的敏感度,评价各因素对住院费用的影响。结果该研究显示老年人慢性病次均住院费用为10705.8元;药品、检查费用是住院费用中占比最高的两项;年龄、城乡、医疗保险类型、手术与否、住院天数、病种是住院费用的影响因素;其中住院天数、年龄、呼吸系统疾病是住院费用最为关键的影响因素。结论老年人慢性病住院费用高,其中药品、检查费用占比高,经济负担重;老年人年龄越大、住院时间越长,住院费用越高;呼吸系统疾病是常见慢性病中住院费用最高的疾病。

摘要： 为了对未来粮食产量做出更好的预判,通过模型互相比较,给出最优的粮食产量预测模型——鲸鱼算法优化的BP神经网络模型。根据黑龙江省1995-2016年的20组数据集先使用线性回归预测出2017-2020年的5组数据集,然后使用BP神经网络和结合鲸鱼算法的BP神经网络进行比较,根据粮食产量数据进行模型评估,最终筛选出误差最小(<1.47%)的鲸鱼算法优化的BP神经网络模型,并对黑龙江省2021-2025年粮食产量进行了预测。

摘要： 针对城市水资源短缺和城市生态环境需水研究的迫切性,选用6种预测模型开展城市生态需水预测研究。为探究适合北京市城市生态环境用水预测的模型,以中国城市统计年鉴2004—2019年的北京市相关统计数据为基础,在时间序列预测方法上比较了灰色模型、分数阶灰色模型,在系统分析预测方法上比较了多元线性回归、主成分回归、BP神经网络和灰色神经网络方法。总结并归纳了城市生态环境用水量的概念和计算方法,分析和选取6种不同模型的输入变量,分别开展模型的训练和测试模拟,2004—2016年为训练期,2017—2019为测试期。通过交叉检验得出各类模型预测结果的得分,结果显示分数阶灰色模型得分为0.081 4,优于其他5种模型的得分,说明该模型在六种方法中对北京市城市生态环境用水短期预测的适用性较好。利用分数阶灰色模型对北京市未来2 a的城市生态环境用水进行预测,2021和2022年生态环境用水量分别为19.79亿m^(3)和22.16亿m^(3)。北京市的城市生态环境用水在未来短期时间内将保持高速增长的趋势。

摘要： 随着中国综合国力的不断提升,越来越多的大型体育赛事在中国举办.作为大型体育赛事的举办场所,体育场馆的建设越来越美轮美奂,但是大型体育赛事场馆运行风险及隐患依旧不容忽视,拥挤踩踏事件、球场暴力事件时有发生.21世纪初,风险管理理论被引入中国大型体育赛事研究领域.由于对于风险管理理论研究起步较晚,中国部分大型体育场馆缺乏风险把控的经验,大多数研究停留在理论上,缺乏实践探究.

摘要： 随着中国综合国力的不断提升,越来越多的大型体育赛事在中国举办.作为大型体育赛事的举办场所,体育场馆的建设越来越美轮美奂,但是大型体育赛事场馆运行风险及隐患依旧不容忽视,拥挤踩踏事件、球场暴力事件时有发生.21世纪初,风险管理理论被引入中国大型体育赛事研究领域.由于对于风险管理理论研究起步较晚,中国部分大型体育场馆缺乏风险把控的经验,大多数研究停留在理论上,缺乏实践探究.

摘要： 随着中国综合国力的不断提升,越来越多的大型体育赛事在中国举办.作为大型体育赛事的举办场所,体育场馆的建设越来越美轮美奂,但是大型体育赛事场馆运行风险及隐患依旧不容忽视,拥挤踩踏事件、球场暴力事件时有发生.21世纪初,风险管理理论被引入中国大型体育赛事研究领域.由于对于风险管理理论研究起步较晚,中国部分大型体育场馆缺乏风险把控的经验,大多数研究停留在理论上,缺乏实践探究.

摘要： 随着中国综合国力的不断提升,越来越多的大型体育赛事在中国举办.作为大型体育赛事的举办场所,体育场馆的建设越来越美轮美奂,但是大型体育赛事场馆运行风险及隐患依旧不容忽视,拥挤踩踏事件、球场暴力事件时有发生.21世纪初,风险管理理论被引入中国大型体育赛事研究领域.由于对于风险管理理论研究起步较晚,中国部分大型体育场馆缺乏风险把控的经验,大多数研究停留在理论上,缺乏实践探究.

摘要： 饮料防腐剂的检测过程包括预检测技术和检测技术.首先利用模糊综合评判法,从处理的精确性、操作的便捷性、成本的低廉性、结果的及时性以及样品的适用性这五方面进行了预检测技术的评价,结果显示,液液萃取和液相微萃取技术更适合于饮料中防腐剂的预处理.其次,按照相同的评价方法评价了饮料防腐剂的检测技术,结果表明,液相色谱法是饮料防腐剂检测的适宜手段.最后,利用BP神经网络模型,建立了检测结果的分析模型,选取了市场上ABCDE五种饮料,评价结果表明,B属于优等品,DE属于不合格品,AC属于合格品.

摘要： 饮料防腐剂的检测过程包括预检测技术和检测技术.首先利用模糊综合评判法,从处理的精确性、操作的便捷性、成本的低廉性、结果的及时性以及样品的适用性这五方面进行了预检测技术的评价,结果显示,液液萃取和液相微萃取技术更适合于饮料中防腐剂的预处理.其次,按照相同的评价方法评价了饮料防腐剂的检测技术,结果表明,液相色谱法是饮料防腐剂检测的适宜手段.最后,利用BP神经网络模型,建立了检测结果的分析模型,选取了市场上ABCDE五种饮料,评价结果表明,B属于优等品,DE属于不合格品,AC属于合格品.

摘要： 饮料防腐剂的检测过程包括预检测技术和检测技术.首先利用模糊综合评判法,从处理的精确性、操作的便捷性、成本的低廉性、结果的及时性以及样品的适用性这五方面进行了预检测技术的评价,结果显示,液液萃取和液相微萃取技术更适合于饮料中防腐剂的预处理.其次,按照相同的评价方法评价了饮料防腐剂的检测技术,结果表明,液相色谱法是饮料防腐剂检测的适宜手段.最后,利用BP神经网络模型,建立了检测结果的分析模型,选取了市场上ABCDE五种饮料,评价结果表明,B属于优等品,DE属于不合格品,AC属于合格品.

摘要： 饮料防腐剂的检测过程包括预检测技术和检测技术.首先利用模糊综合评判法,从处理的精确性、操作的便捷性、成本的低廉性、结果的及时性以及样品的适用性这五方面进行了预检测技术的评价,结果显示,液液萃取和液相微萃取技术更适合于饮料中防腐剂的预处理.其次,按照相同的评价方法评价了饮料防腐剂的检测技术,结果表明,液相色谱法是饮料防腐剂检测的适宜手段.最后,利用BP神经网络模型,建立了检测结果的分析模型,选取了市场上ABCDE五种饮料,评价结果表明,B属于优等品,DE属于不合格品,AC属于合格品.

摘要： 为了高效利用区域农业水资源,根据农业供需水影响因子,建立了区域农业水资源供需预测的BP神经网络模型,并利用所建立的BP模型预测海河流域近期(2020年)和中期(2030年)农业供需水量.结果表明,建立的预测模型误差在允许范围内,可用于区域农业供需水的预测.海河流域近中期农业缺水率呈递减趋势,2020年和2030年缺水率分别为20.2％和19.6％.

摘要： 为了高效利用区域农业水资源,根据农业供需水影响因子,建立了区域农业水资源供需预测的BP神经网络模型,并利用所建立的BP模型预测海河流域近期(2020年)和中期(2030年)农业供需水量.结果表明,建立的预测模型误差在允许范围内,可用于区域农业供需水的预测.海河流域近中期农业缺水率呈递减趋势,2020年和2030年缺水率分别为20.2％和19.6％.

摘要： 本发明涉及一种基于BP神经网络模型计算各月份天文辐射量的方法，包括以下步骤：步骤S1：采集待计算地区DEM影像，对DEM影像进行预处理；步骤S2：提取DEM影像对应的输入矩阵；步骤S3：对输入矩阵进行归一化处理；步骤S4：构建并训练BP神经网络模型；步骤S5：将归一化后的输入矩阵输入训练后的BP神经网络模型，得到输出矩阵；步骤S6：对输出矩阵进行反归一化，得到待计算地区的月天文辐射数值矩阵。本发明计算月天文辐射数值方法简单，时间短，精度高。

摘要： 本发明公开基于热红外波谱特征和BP神经网络模型的石榴子石亚类识别方法。本发明石榴子石亚类识别方法包括：获取已知亚类类型的石榴子石样本的热红外波谱特征数据；利用石榴子石样本的亚类类型和热红外波谱特征数据构建BP神经网络模型；获得待测石榴子石样本的热红外波谱特征数据，输入构建的BP神经网络模型，识别出待测石榴子石样本的亚类类型。本发明基于石榴子石热红外波谱中的丰富信息和BP神经网络模型的非线性自动映射能力，进行石榴子石亚类识别，为石榴子石亚类识别提供快速有效的技术支撑，为其它矿物与的快速识别提供技术启示。

摘要： 本发明公开一种基于BP神经网络模型的SMILE手术参数预测方法，包括如下步骤：步骤1：选定模型训练阶段的输入值和期望输出值，步骤2：构建BP神经网络模型；步骤3：训练模型；步骤4：选定模型应用阶段的输入值和输出值；步骤5：模型应用；步骤6：计算剩余基底厚度的预测值；步骤7：得出SMILE手术参数预测结果。优点：基于BP神经网络对现有的大量数据进行深度学习，并可独立于SMILE手术机器实现预测功能。因此，本发明能够在保证预测精度的基础之上，从根本上实现全飞秒手术适应症的科学、快速筛查，并可节约临床时间。

摘要： 本申请提供了一种基于BP神经网络模型分类的方法和装置，以及一种训练BP神经网络模型的方法和装置。本申请在不丢失分类元素的特征信息的情况下，降低BP神经网络输入节点的数量。利用分类元素总量大但是不会同时在一个训练样本中出现的特点，当对预设训练集合进行训练时，仅对该预设训练集合中出现的分类元素到隐层的节点进行训练，对不出现在该训练文本中的分类元素，不进行训练。同样，当利用该神经网络进行分类时，仅对分类集合中出现的分类元素进行计算，对其他分类元素不再作为BP神经网络的输入。因此，降低BP神经网络输入节点的数量，减少了计算量。同时，利用权重二叉树提高了权重值的检索速度。

摘要： 本发明属于电力技术领域，公开了一种基于SIFT数据特征提取算法与BP神经网络模型的局部放电模式识别方法。该方法能够提取局部放电信号时频谱图的图像特征并聚类构造出相应的特征字典，将其可视化后作为分类器的输入以实现局部放电的模式识别。

摘要： 本发明公开了一种基于BP神经网络模型的半导体器件温度分布预测方法，所述方法包括：基于目标半导体器件对应的参数，建立半导体器件模型；获取所述半导体器件模型在多个预设环境下的多个数据集；基于所述训练数据集对BP神经网络模型进行训练，以得到初始温度分布预测模型基于所述训练数据集对BP神经网络模型进行训练，以得到初始温度分布预测模型；基于所述测试数据集对所述初始温度分布预测模型进行验证，并根据验证结果对所述初始温度分布预测模型进行调整，以得到目标温度分布预测模型。本发明能够快速、高效、精准地得到目标温度分布预测模型，从而可以基于所述目标温度分布预测模型进行半导体器件的温度分布预测。

摘要： 本发明公开一种基于小波去噪的灰色BP神经网络模型的地表沉降预测方法，具体属于采空区残余沉降预测技术领域，包括以下步骤，采用小波阈值去噪方法对实测数据进行优化处理；将小波预处理后的数据生成计算序列建立灰色GM(1，1)预测模型，得出预测结果与误差序列；将GM(1，1)模型的预测结果进行多次神经网络训练，处理得到BP神经网络预测模型修正后的误差序列，与GM(1，1)模型的预测序列相加之和即为灰色BP神经网络模型的预测值；最终对组合模型的预测精度进行计算，对预测结果进行评价。本发明实现了多种预测方法优势的有机结合，进一步提高串联式模型预计结果的准确性与可靠性，在沉陷预计方面具有很好的理论意义与应用前景。

摘要： 本发明公开了一种基于BP神经网络模型的非侵入式负荷识别方法，涉及电力技术领域，包括以下步骤：A、特征分析样本的获取，B、特征样本集的获取，C、BP神经网络的优化和D、输出负荷识别结果四个步骤。本发明通过电能表计量芯采集不同家用负荷运行数据，提取家用负荷的暂态和稳态变化过程为负荷特征，结合BP神经网络模型实现家用负荷的辨识，从而提高居民侧负荷辨识的准确性和可靠性。

摘要： 本发明提供了一种基于LM‑BP神经网络模型预测噪声特性的方法，包括以下步骤：S1采集数据：海水温度T、海水盐度S、海水深度z、海面风速v、海面降雨率r数据、和海洋环境噪声数据；S2.创建包括上述5类数据和海洋环境噪声数据的数据集；S3.以S1中采集的5类数据为输入，设计LM‑BP神经网络模型的拓扑结构；S4.训练LM‑BP神经网络模型；S5.基于LM‑BP神经网络模型预测噪声特性：将海面风速，海面降雨率，海水温度、盐度以及深度这5类参数输入S4中生成的模型中，输出噪声特性。本方法提供的模型，对海洋环境噪声谱级进行预测时有较好的精度。

摘要： 本发明公开了一种基于路元拆分和GA‑BP神经网络模型的路面平整度预测的方法，包括：步骤1，采集历年路面平整度检测数据及路面平整度发展影响因素数据，构成数据集，并根据采集到的数据将整体路网划分成若干路元；步骤2，确定GA‑BP神经网络模型的输入输出变量；步骤3，进行GA‑BP神经网络模型结构设计，确定隐含层的节点数；步骤4，采用遗传算法优化GA‑BP神经网络模型的权值和阈值；步骤5，训练并测试GA‑BP神经网络模型，对路面平整度进行预测。本发明解决了传统的路面平整度预测模型预测结果误差大、精度不高的问题，极具现实意义。