共查询到18条相似文献，搜索用时 296 毫秒
1.
根据实验室提供咖啡因热力学实验数据，经过筛选选择了较好的人工神经网络模型2-2-1BP神经网络模型，利用训练后的2-2-1BP人工神经网络模型对数据进行了内插和外推的预测，在乙醇溶解度数据的内插的误差均为4％以内，外推的误差在3％以内，效果十分令人满意。 相似文献
2.
为最大限度地利用回弹法和超声波法混凝土抗压强度非破损检测试验数据,应用通用数学软件Mat-1ab7．2神经网络工具箱中的BP人工神经网络（BP—ANN）算法,通过优化网络结构和隐层节点数量建立了拓扑结构为2-10-1的BP—ANN模型;将其充分训练后,用于混凝土抗压强度预测。分析结果表明,混凝土抗压强度预测值与实测值的误差小于5．0％,能够满足工程需要;BP—ANN预测能力较强,具有一定的工程应用价值。 相似文献
3.
用厚度为1cm的玻璃比色皿作为吸收池，测定了亚麻油的近红外谱，利用7000－6000cm^-1范围内的透波率，建立了主成分回归分析模型和BP人工神经网络模型，用二模型预测了亚麻油中油酸，亚油酸和亚麻酸的含量，预测结果的平均相对误差均在2％以内，并且BP人工神经网络模型预测的效果较好，该法可用于亚麻油中主要组分的实时成分分析。 相似文献
4.
利用人工神经网络强大的学习能力,提出了基于BP人工神经网络的建筑物沉降预测方法.以泉州市东海湾某实例工程1~12期的沉降观测数据为基础,建立网络模型.将13~16期建筑物沉降的实测数据和模型的预测数据进行对比,发现两者间的误差相对较小,证明BP神经网络预测模型具有较高的精确性和稳定性,且具有一定的工程应用价值. 相似文献
5.
利用人工神经网络强大的学习能力,提出了基于BP人工神经网络的建筑物沉降预测方法.以泉州市东海湾某实例工程1~12期的沉降观测数据为基础,建立网络模型.将13~16期建筑物沉降的实测数据和模型的预测数据进行对比,发现两者间的误差相对较小,证明BP神经网络预测模型具有较高的精确性和稳定性,且具有一定的工程应用价值. 相似文献
6.
7.
将GM（1,1）模型与BP算法相结合建立灰色人工神经网络组合模型应用于GDP总量的预测。以安徽省1992-2007年的数据为例,对2005至2007年的GDP总量进行检验性预测,结果表明灰色人工神经网络组合模型大大提高了预测精度. 相似文献
8.
运用TRAINGDX训练函数对标准BP神经网络进行改进．根据2012年《四川省统计年鉴》相关数据,利用影响国内生产总值（GDP）的6个主要因素,借助Matlab软件平台,建立了6：5：1的三层BP神经网络GDP预测模型,实现四川省GDP值的预测．改进后BP神经网络预测相对误差在1％以内,仿真结果同模型外推法比较,预测精度较高． 相似文献
9.
为了提高灰色GM(1,1)模型在城市用水量预测中的精度,结合BP神经网络的优点,给出了两种灰色-神经网络组合模型GM-BP1和GM-BP2.模型1利用神经网络对GM(1,1)模型的误差序列进行回归训练,将得到的预测值作为原始误差的修正来减小误差;而模型2由部分数据建立了GM(1,1)模型组,通过神经网络训练得到部分数据GM(1,1)模型组与真实值之间的非线性映射关系,利用这种精准的映射关系来提高预测精度.最后实际算例表明了所给方法是有效的,该组合模型可用于城市用水量的中长期预测. 相似文献
10.
目的：建立不经分离同时测定安痛定注射液中三组份含量的方法。方法：运用误差反向传播(BP)的人工神经网络法(ANN)并将人工神经网络法与标准法测得实际样品的结果进行比较。结果：该法测得模拟样品中氨基比林、安替比林、巴比妥的平均回收率分别为99．4％、100．6％、100．2％，相对标准偏差分别为2．0％、1.8％、1．7％，经t检验表明，两者无显著差异。结论：人工神经网络法可快速、准确地测定复方药物制剂多组份含量。 相似文献
11.
对BP型ANN网络用于模拟电路故障诊断的特点进行了介绍,探讨了利用遗传算法确定BP型ANN网络参数的方法,并给出了遗传算法与BP型ANN相结合实现模拟电路故障诊断的应用.实践表明,该方法的诊断精度、诊断速度以及建立诊断模型的自动化程度都有了较大的提高． 相似文献
12.
Artificial neural network modeling of water quality of the Yangtze River system: a case study in reaches crossing the city of Chongqing 总被引：2，自引：0，他引：2
An effective approach for describing complicated water quality processes is very important for river water quality management. We built two artificial neural network （ANN） models, a feed-forward back-propagation （BP） model and a radial basis function （RBF） model, to simulate the water quality of the Yangtze and Jialing Rivers in reaches crossing the city of Chongqing, P. R. China. Our models used the historical monitoring data of biological oxygen demand, dissolved oxygen, ammonia, oil and volatile phenolic compounds. Comparison with the one-dimensional traditional water quality model suggest that both BP and RBF models are superior; their higher accuracy and better goodness-of-fit indicate that the ANN calculation of water quality agrees better with measurement. It is demonstrated that ANN modeling can be a tool for estimating the water quality of the Yangtze River. Of the two ANN models, the RBF model calculates with a smaller mean error, but a larger root mean square error. More effort to identify out the causes of these differences would help optimize the structures of neural network water-quality models. 相似文献
13.
Matlab人工神经网络工具箱中的BP工具函数及其应用 总被引：1，自引：0，他引：1
人工神经网络中的BP网络模型在函数逼近、模式识别等领域得到了广泛的应用 ,但利用神经网络解决实际问题时 ,经常涉及到大量的数值计算问题 ,而运用计算机高级语言编程对神经网络BP模型进行仿真和辅助设计是件十分麻烦的事情 ,为了解决这个矛盾 ,Matlab工具箱中专门编制了大量有关设计BP网络模型的工具函数 .本文分析了Matlab软件包中人工神经网络工具箱的有关BP网络的工具函数 ,并给出了部分重要工具函数的实际应用 相似文献
14.
基于MATLAB和BP网络的公路软基沉降量预测模型 总被引：1，自引：0，他引：1
任芳 《福建工程学院学报》2011,9(4)
人工神经网络具有强大的非线性映射能力,文章利用BP神经网络建立了公路软土地基沉降量预测模型,并用MATLAB人工神经网络工具箱进行了实现。根据实测资料,对此预测模型进行训练和预测,试验表明,预测模型具有较好的预测精度,操作简单,具有广阔的工程应用前景。 相似文献
15.
16.
提出了基于人工神经网络（ＡｒｔｉｆｉｃｉａｌＮｅｕｒａｌＮｅｔｗｏｒｋｓ）对动力结构进行系统辨识的方法，即应用人工神经网络预测结构地震响应．采用ＢＰ算法的前馈网络（简称ＢＰ网络）对剪切模型结构进行系统辨识．首先用实际地震波及相应的模拟地震响应训练本文提出的ＢＰ网络，然后用“已学会”的ＢＰ网络预测其它地震波激励下的结构地震响应．还讨论了网络拓扑结构、输入单元数等对网络学习和预测的影响．通过本文可以发现，合适的人工神经网络结构能准确地辨识结构动力特性和预测结构动力响应 相似文献
17.
Influence of measurement errors on structural damage identification using artificial neural networks
The effect of measurement errors on structural damage identification using artificial neural networks (ANN) was investigated
in this study. By using back-propagation (BP) networks with proper input vectors, numerical simulation tests for damage detection
on a six-storey frame were conducted with measurement errors in deterministic as well as probabilistic senses. The identifiability
using ANN for damage location and extent was studied for the cases of measurement errors with different degrees. The results
showed that there exists a critical level of measurement error beyond which the probability of correct identification is sharply
decreased. The identifiability using the neural networks in the presence of modeling and measurement errors is finally verified
using experimental data on a two-storey steel frame.
Project supported by Hong Kong Polytechnic University. 相似文献
18.
BP算法是人工神经网络研究的一个常用方法，但从本质上说是属于局部寻优法，容易陷入局部极小点，且存在着学习速度与精度之间的矛盾；遗传算法是一种全局优化算法，具有并行计算能力．本文采用遗传算法来训练前向神经网络，建立一个基于遗传算法和BP算法的神经网络预测模型．试验结果表明它是一个成功较高的预测模型． 相似文献