共查询到20条相似文献,搜索用时 15 毫秒
1.
分析了人工神经网络解决成本预测的可能性。介绍了BP神经网络用于非线性预测的基本原理和算法步骤。采用matlab试验方法,对某企业总产量与总成本进行仿真,对比了回归分析法和BP神经网络的预测结果。实验结果表明,BP神经网络预测算法具有较高的预测精度。 相似文献
2.
3.
4.
为提高BP神经网络预测股票收盘价的准确性和高效性,文章使用Python语言,通过遗传算法(GA)对BP神经网络算法中的权值和阈值进行优化(GA-BP),并将优化后的系统用于股票预测当中。优化后的算法收敛速度更快,同时克服了BP算法容易陷入局部最优的缺陷,提高了整个系统的预测精度。最后对股票“千金药业”的仿真结果表明,该方法在股票收盘价的短期预测方面具有一定的应用价值。此外,在对股票收盘价预测过程中,添加输入参数盘口,能够有效降低GA-BP神经网络的预测误差。 相似文献
5.
6.
基于BP神经网络的地震预测研究 总被引:7,自引:2,他引:5
以地震特性的研究为出发点,以预报震级为最终目标,通过BP(Back Propagation)神经网络实现地震震级的预测算法,用仿真方法模拟个体行为对系统的影响,研究了地震震级的预测技术,并通过测试数据预测了系统的整体运行情况. 相似文献
7.
阐述一种基于Spearman-NARX神经网络的风速预测模型。基于某机场一段时间内的历史气象数据,包括风向、风速、露点温度、相对湿度、云高、能见度、QNH,使用Spearman对各变量做相关性分析,通过多变量数据训练拟合,在第17轮迭代后得到最佳验证性能的NARX神经网络风速预测模型。 相似文献
8.
《电子技术与软件工程》2019,(5)
自进入工业化社会以来,空气污染逐渐成为全球最大的环境问题之一。空气中的悬浮粒子对人类身体健康产生有害影响,减少空气污染的重要前提就是预测PM2.5的浓度。因此,对大气质量污染的监测以及预测研究显得尤为重要。本文采用openstack云计算组件,部署了大数据平台,通过历史数据加实时抓取的数据来完善BP神经网络,以实现自我学习来提高预测数据的准确度。 相似文献
9.
10.
随着制造业的发展,能源需求日益增大,实现节能减排刻不容缓。针对印刷车间的能耗的复杂性,提出了利用MEA算法改进的BP神经网络模型作为解决能耗预测的办法。MEA算法利用算法解空间内多个子群体共同寻找最优值个体,采用“趋同”以及“异化”的有机结合,输出最优个体,解码得到网络的权值和阈值,建立了MEA-BP神经网络预测模型。可以有效地改善BP神经网络的收敛率和泛化能力,保证了权值和阈值的全局代表性。经模拟试验,实验证明了MEA-BP神经网络具有较好的预测精度,能够较好地运用在印刷车间能耗的预测方面。 相似文献
11.
准确的汽车车速预测对整车能量分配、道路交通管理具有重要意义。针对汽车车速本身具有高度时变性以及单模型预测存在局限性的特点,提出:反向传播神经网络-长短时记忆网络(BP-LSTM)组合神经网络模型,首先利用BP神经网络进行训练,将训练集数据和得到的预测输出、残差输入到Adam算法优化的LSTM神经网络中,用于训练LSTM模型。结合BP网络结构简单、预测时间短、LSTM精度高的优点,通过深度学习框架Tensorflow进行模型的搭建与验证,实现基于BP-LSTM组合神经网络模型的短时车速预测。结果表明:组合神经网络预测效果优于BP、LSTM两种单一模型,预测精度得到改善。 相似文献
12.
基于BP神经网络的路面性能预测方法 总被引:2,自引:0,他引:2
文章提出了一种改进的BP算法以优化神经网络连接权,并把它应用于路面性能预测系统中,对路面性能进行预测。实验证明该网络具有广泛的映射能力和快速全局收敛性,具有良好的应用前景。 相似文献
13.
交通流预测在城市交通管理和控制中起着十分重要的作用。在分析城市交通流复杂非线性特性的基础上引入BP神经网络模型,从人工智能的角度对交通流预测进行了研究,同时给出了一种基于BP神经网络模型的交通流预测方法,通过对预测数据与实测数据的比较分析,证实了该方法的有效性。 相似文献
14.
15.
16.
为提高校园IP网络流量预测的准确度,本文基于BP神经网络对未来时刻流量大小与历史数据间存在的相关性进行了拟合分析,通过数据预处理、模型参数选择、网络权重阈值训练等流程实现了对预测模型的建立,并利用仿真结果对比验证了该模型在网络流量值的预测中具有很好的准确度. 相似文献
17.
邓雪凝 《电子技术与软件工程》2020,(4):215-217
本文为了克服单一用电量预测模型的局限性,提高预测精度,构建了基于灰色关联度的BP神经网络模型。BP神经网络预测模型过程中引入灰色关联度分析预测确定全社会用电量主要影响因素,以安徽省2000-2015年全社会用电量数据为例对2016-2018年用电量进行预测,计算结果证明基于灰色关联度的BP神经网络模型计算精度较高,并对2019-2023年全社会用电量进行预测,具有较高的实用性。 相似文献
18.