基于BP神经网络的建筑能耗预测

建筑负荷的预测是现在建筑能耗工作中十分重要的一项,是建立节能减排的重要支撑条件,对建筑总体能耗的预测需要考虑建筑结构内、外部环境方面的各项因素,例如对外部平均温度、湿度等,提出了使用BP神经网络的理论解决负荷的预测问题,结合某地的事实数据,用Matlab建立负荷预测模型,进行仿真预测的结果进行分析,预测的误差较小,能够...     

基于BP神经网络的BBS上帖子回复数预测

建立BP神经网络模型,以中华网社区上实际数据为原始数据样本,对网络进行训练后,对帖子的回复数进行预测,并计算预测值和实际值的误差。实验结果表明,该模型预测精度高,收敛速度快。     

基于利用BP神经网络进行Stacking模型融合算法的电力非节假日负荷预测研究

短期负荷预测尤其是非节假日负荷预测对提升电力系统整体调度、支撑电网运营工作起着十分关键的作用。目前针对非节假日负荷预测的理论、方法和应用层出不穷,但是预测精度和使用范围都受到一定限制,并且经济发展对短期负荷预测的精度提出越来越高的要求,传统的机器学习算法已经难以满足人们的需求。为了提高负荷预测的精度,本文提出了利用BP神经网络进行Stacking模型融合算法,它是基于集成学习的思想,首先挑选五种预测精度较高的单模型,然后利用Stacking模型融合方法将其集成为预测精度更高的综合模型。本文采用此算法预测某省2018年非节假日负荷,结果表明该算法可以有效提高预测精度。     

基于遗传算法和BP神经网络的房价预测分析

针对BP神经网络存在易陷入局部极小值、收敛速度慢等问题,提出用遗传算法优化BP神经网络并用于房价预测。采用BP神经网络建立房价预测模型。利用遗传算法对BP神经网络的初始权值和阈值进行优化。选取1998年2011年贵阳市的房价及其主要影响因素作为实验数据,分别对传统的BP神经网络和经过遗传算法优化后的BP神经网络进行训练和仿真实验,结果表明,与传统的BP神经网络预测模型相比,经过遗传算法优化后的BP神经网络预测模型能加快网络的收敛速度,提高房价的预测精度。     

基于BP神经网络的可信网络用户行为预测模型

本文,我们探讨了可信网络中用户的行为信任问题,首先根据网络用户的行为信任的不同特性划分,建立用户行为信任的评价体系,然后通过BP神经网络算法,结舍MATLAB软件对用户的信任等级进行科学的预测,预测的结果可以给服务提供商对用户的管理提供参考.     

BP神经网络在堤坝砂基液化预测中的应用研究

鉴于砂土液化是多因素综合作用的结果,应用人工神经网络基本原理,建立多参数综合评价砂土液化的BP网络模型,对砂土液化的严重程度作出了客观评价,并在实际工程中得以应用和检验,取得良好的效果.     

改进BP神经网络的光伏系统发电功率预测

为了提高光伏发电功率的预测精度,提出一种改进BP神经网络的光伏发电功率预测模型.首先采用包括室外温度、光照辐射量、风速等作为输入层节点,交流发电功率作为输出节点,引入RMSE作为衡量最优模型指标,确定了隐含层节点数,然后采用BP神经网络对其进行学习,并采用布谷鸟搜索算法对BP神经网络进行优化,最后采用仿真实验对其有效性进行测试.结果表明,改进神经网络提高了光伏发电功率预测精度,具有一定的推广价值.     

基于优化BP神经网络光伏出力短期预测研究

太阳能拥有丰富的资源,而且分布广泛,现已被广泛应用到各种应用中,光伏发电已是一种可靠可行、可扩展的重要可再生能源利用的方式,因此对光伏出力进行精准的预测意义重大;从宁夏市某光伏发电站获得了一年的光伏发电数据与气象等因素,选取四月至五月的数据进行研究预测;针对BP神经网络的收敛时间长,容易陷入局部极小值等缺点;建立单一BP神经网络预测模型,基于遗传算法(GA)优化BP神经网络的GA-BP预测模型与基于狼群算法(WPA)优化的BP神经网络的WPA-BP预测模型;选择平均相对误差作为误差评估指标,结果表明,3种预测模型均能对光伏电站的发电功率进行预测,但是单一的BP神经网络模型误差较大,晴天时,误差为5.1%,经遗传算法改进后的预测误差为4.9%,较单一模型提高了0.2%的精度,而WPA-BP预测模型误差为4.4%,预测精度高于前者;同时多云天和雨天的时候,均为WPA-BP模型的预测误差小,稳定性高,具有一定的研究价值。     

基于BP神经网络的太阳辐射度预测

太阳辐射预测准确,能够对光伏发电的输出功率做出较为准确的预测,将为电网的运行和控制提供重要参考依据。建立了一种用于预测太阳辐射的BP神经网络仿真模型,通过利用实际数据对该模型进行训练,实现了对未来太阳辐射的预测。     

基于BP神经网络的高炉铁水硅含量预测模型研究、

建立了基于BP神经网络的高炉铁水硅含量预测模型，给出了学习参数的确定方法，BP网络的学习算法和步骤，并利用湘钢4#高炉一段连续时期内正常生产的数据经过时序化、归一化处理后进行训练和仿真，结果表明，高炉冶炼在运用了先进的BP人工神经网络预测模型后，能预测[Si]的高低，判断炉温走势，调控炉温；并能同时监测多个主要控制对象，对于了解高炉各方面的状态具有指导性的作用。     

基于BP神经网络的农村用电量预测的研究

农村用电量预测是县级供电部门的重要工作之一，其受国民生产总值和上年度用电量的影响，具有一定的随机性。利用BP神经网络建立了农村用电量预测模型。通过应用实例分析表明，预测结果和实际结果有很好的一致性。     

基于神经网络的机械加工工序能耗预测

针对工序级能耗难以用数学方法精确估算的问题,提出了一个基于神经网络的机械加工工序能耗预测方法。给出了输入变量及输出变量的选取及其归一化处理方法,进行了隐含层节点数和传递函数的选取。以各切削用量组合及其对应能源消耗的历史数据作为神经网络训练的样本集,建立切削用量组合方案输入和能源消耗输出间的非线性关系,从而对新的切削用量参数组合进行能耗值的预测。以某企业导叶片的粗铣加工为例,验证了该能耗预测方法的有效性。     

BP神经网络短时交通流预测模型研究

通过对比分析短时交通流预测模型,本文对BP神经网络的基本原理进行了分析,对BP神经网络算法进行设计,建立了基于BP神经网络的短时交通流预测模型。同时将其应用于短时交通流预测模型的仿真计算,利用某市路口的实测交通流数据来验证模型的可行性。仿真结果表明,BP神经网络算法具有较快的计算速度与较好的适应能力,该方法可以较好地应用于短时交通流预测。     

基于BP神经网络的高炉铁水硅含量预测模型研究

建立了基于BP神经网络的高炉铁水硅含量预测模型,给出了学习参数的确定方法,BP网络的学习算法和步骤,并利用湘钢4#高炉一段连续时期内正常生产的数据经过时序化、归一化处理后进行训练和仿真,结果表明,高炉冶炼在运用了先进的BP人工神经网络预测模型后,能预测[Si]的高低,判断炉温走势,调控炉温;并能同时监测多个主要控制对象,对于了解高炉各方面的状态具有指导性的作用。     

基于BP神经网络的团购商品数量预测

随着互联网的发展与普及,网络购物已成为现代人生活中一个重要组成部分。网购为消费者带来了颠覆传统消费模式的全新购物模式,节省了大量的购物时间。目前网络团购模式已经被广大网络消费者所认同,团购商品数量是团购网站预期营业额的重要依据,因此建立有效的团购商品数量预测模型,分析影响团购商品数量的作用因素,对团购网站具有重要的实际指导意义。     

基于优化BP神经网络的销售预测算法研究

已知国内房屋售价具有一定的不完整的规律性,其会因季节变换、人群流动、国家相关政策等一系列因素而呈现一定的规律.与此同时,该规律性并没有确定的单一因子可以直接影响,故其售价与全部因素之间的关系也是非线性的.针对这一问题,利用神经网络输入量的非线性、冗杂性和可不完整性,对一段时期内的房屋售价进行预测是一种合理的预测方法.基...     

BP神经网络在医院多因素时间序列预测中的应用

利用三层BP神经网络对非线性系统的函数所具有的以任意精度逼近的良好特性 ,突破传统上基于统计学方法进行预测的限制 ,设计了一种体现时序的多因素动态时间序列神经网络预测模型 ,并将模型运用于某医院年收治病人数的预报。通过仿真实验结果表明 ,应用BP网络预测方法不仅可行 ,而且有更好的预测精度。     

物联网中基于KNN和BP神经网络预测模型的研究

物联网中,无线传感器网络由于环境、资源等因素的变化和限制,会导致部分数据异常或丢失,使数据传输的可靠性降低。因此常用的BP神经网络方法在根据最终获取数据进一步处理时的准确性不高。提出K近邻算法和BP神经网络相结合的二阶段预测模型,先使用K近邻算法对BP神经网络输入数据中异常或缺失数据进行估值和替换预处理,同时进行初步预测,然后将预处理后的数据输入BP神经网络,综合BP神经网络和KNN的预测结果给出最终结论。实际环境中实验表明,所提出的模型能够有效地提高物联网环境中预测的准确度和稳定性。     

基于BP神经网络的海表温度预测

海洋表面温度(SST)是全球气候重要的地理参量之一,掌握未来海表温度变化趋势有助于全球气候变化研究的开展。因此,本文提出一种基于海表温度历史数据的反向传播BP (Back Propagation) 预测模型,对南海部分海域海表面温度进行了分析,研究结果表明：训练后模型的平均绝对百分比误差MAPE为0.0183,平均误差为0.0573,误差回归直线的相关系数R达0.9767,预测值与真实的海表温度误差较小。由此可见,BP神经网络能有效地预测海表温度的总体变化趋势,为海表温度预测提供一种可行且有效方法。     

基于BP神经网络的港口货物吞吐量预测

港口货物吞吐量的预测对于港口的建设和规划有着极其重要的意义.本文将BP神经网络理论引入港口货物吞吐量的预测中,建立以港口货物吞吐量影响因素作为输入神经元,港口货物吞吐量作为输出神经元的三层BP神经网络模型,并对南京港货物吞吐量进行预测,得到较好的预测结果.