共查询到19条相似文献，搜索用时 77 毫秒
1.
采用BP神经网络建立灰铸铁钻削过程的切削能耗与切削参数之间的关系模型,并建立三元线性回归预测模型,对两种预测模型预测结果的准确性进行比对分析。考虑切削参数之间的交互作用建立三维表面图,对比分析钻削过程的切削能耗与切削参数的变化规律。结果表明,通过训练的BP神经网络在预测切削能耗方面具有更好的准确性,对钻削过程的切削能耗预测研究具有一定应用价值和指导意义。生产实际中,从减小切削能耗的角度分析,在满足加工质量的前提下,钻削灰铸铁时应优先选择较大的进给量和切削速度。 相似文献
2.
由于灰色神经网络随机初始化网络的参数在使用灰色神经网络预测模型时,经常会出现在进化过程中陷入局部最优值和预测精度较低等问题.因此,提出采用粒子群优化(PSO)算法优化灰色神经网络的初始参数,建立了基于粒子群优化灰色神经网络的预测模型.使得在预测性能的稳定性上,明显优于单纯使用灰色神经网络模型.通过实验,对比分析了BP神经网络、灰色神经网络和PSO优化的灰色神经网络三种预测模型,结果验证了所提模型的有效性,从而进一步提高了灰色神经网络预测模型的精确度. 相似文献
3.
基于灰色神经网络串联组合模型的涌水量预测 总被引：1，自引：0，他引：1
利用矿井涌水量实测值建立灰色理论与神经网络串联组合的预测模型,即利用不同灰色模型预测值训练神经网络进行预测,提高矿井涌水量的预测精度,先后建立了GM（1,1）、二次参数拟合GM（1,1）模型,将其与BP神经网络模型串联形成最终预测模型,以淮南矿区潘三矿西翼矿井涌水量预测为例,结果说明了该模型具有较高的准确性。 相似文献
4.
针对BP神经网络寻优速度慢、实时性差等缺点,提出将小波神经网络应用于短时交通流量预测中.该方法具有良好的局部性特征,弥补了常规神经网络的不足.在非线性逼近中得到了很好的应用.实验结果表明,小波神经网络预测模型的预测精度明显优于BP神经网络,对交通流量预测问题有较高的应用价值. 相似文献
5.
建立有效的空气质量指数预测模型,可以为个人出行及相关部门治理大气污染提供指导。选取北京市的历史空气数据以及气象数据作为研究对象,建立基于BP（Back Propagation）神经网络和SVR（Support Vector Regression）支持向量机回归的BP-SVR组合预测模型。首先利用灰狼优化算法分别对BP模型和SVR模型参数进行寻优;然后运用该组合模型对空气质量指数进行预测。实验结果表明,BP-SVR模型的平均绝对百分误差、均方根误差、平均绝对误差均小于单一预测模型,分别为0.217 5、37.032 0、25.157 5。BP-SVR组合模型具有更高的预测精度,泛化能力更强,可以对空气质量指数进行有效预测。 相似文献
6.
对产后粮食损耗进行分析与研究,调查获得10多个省份的粮食损耗问卷,对问卷进行统计分析得到影响损耗的各个因素变量,同时进行数据预处理作为模型数据集。最后,将该数据集应用于提出的RDPSO-BP模型中。将随机粒子群（RDPSO）算法与BP神经网络相结合,并优化神经网络参数,从而得到粮食产后储藏环节损耗率预测模型。通过MATLAB仿真实验,发现优化后的RDPSO-BP模型相比传统BP神经网络,具有更高的预测精度,训练与测试误差分别降低了0.041%和0.055%。因此,该模型能够更好地预测粮食产后储藏环节的损失率,在实际粮食损耗分析中具有重要作用。 相似文献
7.
BP神经网络是应用最广泛的预测模型,它能方便、灵活地对信用卡消费行为进行探测,但BP网络有很多固有缺陷,比如结构难确定、初始权值选择盲目性导致训练速度慢等,结合信用卡交易数据的混沌特征分析,通过应用混沌理论中的相空间重构技术,把信用卡客户的相关数据嵌入到重构的相空间中,然后利用BP神经网络技术建立混沌风险探测模型,对信用卡交易行为进行风险预测.实验结果表明,该模型的预测精度高于一般的神经网络预测方法,其中正确检出率比使用BP神经网络模型提高了3%. 相似文献
8.
巨旭平 《连云港职业技术学院学报》2009,22(1)
用灰色GM(1,1)预测模型和BP神经网络预测模型相结合而成的灰色神经网络GMBP模型,对图书馆借阅人数进行预测.基本思路是运用灰色GM(1,1)模型所得到的预测值按前两年来预测下一年的组合规律分别作为BP神经网络的输入输出,并用对模型进行学习验证.该模型有效地把灰色理论的弱化数据波动性的优点和神经网络非线性特点结合起来,并以科学预测为依据提出图书馆资源管理对策. 相似文献
9.
褚晨辉 《中阿科技论坛(中英文)》2024,(2):108-111
装配式高层住宅成本受诸多因素影响,成本与各个因素之间存在复杂的非线性关系,BP神经网络难以对其进行准确的成本预测。文章提出了一种遗传算法（GA）优化BP神经网络的预测方法,利用GA-BP神经网络模型提高装配式高层住宅成本预测的准确率。通过对GA-BP神经网络模型的权值和阈值进行优化,构建了GA-BP神经网络装配式高层住宅成本预测模型,并以50组装配式高层住宅样本数据为例,分别运用GA-BP神经网络与BP神经网络预测模型进行了对比试验。试验结果表明,GA-BP神经网络预测模型具有较强的稳定性和更高的预测准确率。 相似文献
10.
公路客运量和货运量预测是一个复杂的非线性问题,由于影响因素较多,难以用普通的数学方法建模,而建立BP神经网络可以表达这些非线性问题。根据公路客运量货运量历史数据及其相关影响因素数据建立了BP神经网络预测模型。利用实际数据确定网络输入与输出样本,对BP神经网络预测系统进行训练和预测。通过对网络输出预测结果与实际数据的分析,验证了BP神经网络预测系统的精确性和方便性,提高了公路客运货运预测的精确性。 相似文献
11.
通过对唐山市公共建筑现有能耗统计结果及数据的分析,研究公共建筑煤、水等能源的利用状况,客观把握公共建筑用能现状;总结公共建筑在能源使用上的结构特征,找出影响公共建筑能耗的主要因素,提出可行的公共建筑节能管理对策和建议,提高公共建筑的节能管理水平和能源利用效率,达到节约建筑使用能耗的目标。 相似文献
12.
为实时监控类矩形盾构偏心刀盘工作状态,提出一种基于遗传算法（GA）优化BP神经网络模型的在线故障预测方法。首先,利用现场检测的相关测量数据,建立“特征—故障”数据集;然后,利用最优权值与阈值由遗传算法获取的BP神经网络对数据集进行自我学习,构建工作期故障预测模型;最后,开发偏心刀盘监控系统,对刀盘工作状态进行在线预测。实验结果表明,GA-BP网络模型预测准确率达到93.3%,与传统BP网络模型相比提高6%。基于GA-BP网络的偏心刀盘在线故障预测方法可精准预测刀盘工作状态,满足应用设计要求,为盾构施工安全提供有力保障。 相似文献
13.
超低能耗绿色建筑作为未来建筑的发展方向,极大改变了当前建筑业结构,并受到各地政府的高度关注和迅速推广。通过分析当前绿色建筑能耗存在的问题;以严寒地区为例,利用eQUEST对建筑能耗模拟分析,确定超低能耗建筑节能效果明显。为保证超低能耗绿色建筑节能目标的顺利实施,提出多能互补型超低能耗建筑的能源供应,以及关键技术措施的设计和施工进行介绍。将建筑节能降耗工作逐步从措施导向转为效果导向,利用数据说明建筑节能降耗的实质性内容。 相似文献
14.
我国是一个能源消耗大国,发展节能型建筑是降低建筑能耗的必由之路。建设节能型建筑已被纳入今后城市建设的重点发展方向,相关的指引、标准和法规也相继出台,建筑节能设计已成为今后建筑设计的重要组成部分。大力发展节能型建筑,才能适应现代城市建设发展的需要,才能实现人、建筑与自然的协调统一。 相似文献
15.
王坚 《石家庄铁路职业技术学院学报》2006,5(3):51-54
公共建筑节能设计对于降低建筑能耗，实现城市建设可持续发展具有重大意义。公共建筑节能设计的技术策略是，遵循“节约能源、节省资源、保护环境、以人为本”的理念，注重建筑与建筑热工设计，以设计规范为依据，采用科学的构造做法，实现健康适用、高效节能的建筑与自然环境和谐共生。 相似文献
16.
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
17.
Due to the use of mechanical and electrical equipments in different buildings during construction phase, energy consumption produces large amounts of carbon emissions.Based on the energy use of China, we established a formula that was applicable to carbon-emission calculation, and discussed carbon-emission characteristics of concrete structures and steel construction.Owing to the difference of electrical and mechanical equipment used in construction phase, the results show that under the same conditions, the carbon emission intensity of a concrete structure building is much higher than that of a steel building.At last, we also put forward some emission reduction measures based on the calculation data of different buildings. 相似文献
18.
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
19.
鉴于BP神经网络、RBF神经网络在城市供水量预测精度上的不足,利用粒子群算法优化两者相关参数,实现更高预测精度,并通过建立BP神经网络、RBF神经网络、PSO-BP神经网络、PSO-RBF神经网络分别对城市供水量数据进行仿真预测。最终测试样本统计结果显示：RBF神经网络比BP神经网络平均相对误差（MRE）低约1%,在拟合度（R2）上高约0.014;PSO-BP神经网络比BP神经网络在MRE上降低约1.25%,在R2上提高约0.05;PSO-RBF神经网络比RBF神经网络在MRE上降低约0.3%,在R2上提高约0.072。由此说明RBF神经网络比BP神经网络在城市供水量预测方面更有优势,并且利用粒子群算法优化神经网络模型参数可有效提升神经网络预测精度。 相似文献