共查询到17条相似文献，搜索用时 218 毫秒
1.
选择性激光烧结（selective laser sintering，SLS）强度预测具有多参数、非线形的特点，采用传统的预测方法准确性较低,用神经网络方法，在试验基础上，建立了加工工艺参数与烧结强度之间的神经网络预测模型，并分析了加工工艺参数对烧结强度的影响．试验结果表明该模型能定量地反映加工工艺参数与烧结强度之间的关系． 相似文献
2.
简要分析RBF网络的结构特点及最近邻聚类学习算法,以大量粉土地基实测数据为学习训练样本及预测样本,建立了预测模型。讨论了基于RBF神经网络技术的沙土液化预测分析方法及其有效性。研究表明,用RBF神经网络方法进行沙土地震液化预测是可行的。 相似文献
3.
为准确预测生鲜产品物流需求量，提出了一种基于灰色GM(1,1)模型和BP神经网络的组合预测模型。首先构建了生鲜物流需求指标体系，然后分别利用传统灰色预测模型GM(1,1)和BP神经网络做单一预测，最后将2个模型进行加权做组合预测。选取辽宁省作为实例，通过MATLAB软件进行辽宁省生鲜产品的物流需求预测，结果表明：与2个单一的预测模型相比，灰色神经网络模型拥有更高的预测精度，因此选择组合预测模型对辽宁省未来5年生鲜产品需求量进行预测，为辽宁省生鲜物流管理的战略部署提供一定的参考。 相似文献
4.
基于PCA和BP神经网络的O—糖基化位点的预测和模式分析 总被引：1，自引：0，他引：1
糖基化是真核细胞中最常见的翻译后蛋白质修饰过程之一。传统的神经网络方法已被应用预测蛋白质糖基化位点,预测的准确性主要依赖于特征向量的维数(蛋白质序列的长度),并随着蛋白质序列长度的增加而提高,但网络的结构变得越来越复杂,增加了计算运行成本。为了解决这一问题,提出了主成分分析和BP神经网络相结合的新方法对O—糖基化位点进行预测和分析,用PCA提取主成分构造子空间以降低输入的蛋白质序列的维数,再用BP神经网络预测一个特定的蛋白质序列是否被糖基化。实验表明,提出的新方法能大大缩短计算时间,并能提高预测的准确性。 相似文献
5.
高质量的网络模型要求输入因素或输出因素之间尽可能不相关,以达到精度较高的预测模型的目的。建立了主成分分析法与神经网络结合的采矿方法优选模型,对神经网络的输入数据进行主成分分析。研究结果表明:该方法弥补了以往利用BP网络进行采矿方法优选过程中,由于输入数据相关使得输出数据精度下降的缺陷,使输入数据不相关,且减少了输入数据,消除了由于BP网络输入数据太多而影响数据处理速度的弊端,可使预测精度大大提高。 相似文献
6.
针对公路口岸货运量预测的问题,基于常用预测方法：线性回归预测、时间序列预测和灰色系统预测及组合预测方法的研究,提出BP神经网络组合预测模型。结合绥芬河公路口岸货运量运输情况,对组合预测模型进行了验证。实验结果表明,该方法对公路货运量的预测很有效。 相似文献
7.
为落实家具行业的“双碳”战略，实现家具产业的结构优化升级，本文提出了一种基于WOA-BP神经网络的板式定制家具车间电力预测模型，该模型引入鲸鱼优化算法（Whale Optimization Algorithm,WOA）对传统BP神经网络进行改进，建立了WOA-BP神经网络电力预测模型。在此基础上，使用采集的试验数据对模型进行了验证。结果表明：优化后的预测模型预测准确率可达到99%以上。因此，本文提出的基于WOA-BP神经网络预测模型在板式定制家具生产车间的电力节能和管理优化问题上具有较大的参考价值和实际意义。 相似文献
8.
9.
针对现有小尺度林火预测模型预测结果有效性、可扩展性等方面的不足,通过考虑多种火险因素,构建BP神经网络预测模型以提高预测精度,在此基础上借助粒子群算法加快BP神经网络收敛速度,进而提出一种混成的多因素森林火险等级预测模型particle swarm optimization based back-propagation neural network (PSO-BP)。所构建的预测模型,能够同时考虑气候因素(日最高气温、日平均气温、24 h降水量、连旱天数、日照时数、日平均相对湿度、日平均风速)、地形地貌因素(海拔、坡度、坡向、土壤含水量)、可燃物因素(植被类型、可燃物含水率、地被物载量)、人为因素(人口密度、距人类活动区域的距离) 16个变量。基于南京林业大学下蜀林场森林防火实验站传感器网络所采集的实际数据及现场测量数据,通过一组试验验证提出模型的有效性。结果表明:基于训练数据集及检验样本所构建的模型能够开展有效的火险等级预测;模型的计算复杂度较单独使用BP神经网络模型明显下降。 相似文献
10.
基于直连BP神经网络模型的森林火险预测 总被引：1，自引：0，他引：1
传统的BP神经网络模型(BPNN)用于森林火险预测存在预测精度低、泛化能力差等不足。选取温度、相对湿度、风速以及日降水量4个气象因子作为神经网络的输入,林火是否发生作为输出,提出一种改进的网络结构—直连BP神经网络(BPNN-DIOC)以构建森林火险预测模型。该结构在传统BP神经网络模型的基础上加入了从输入到输出的连接。为了探究该网络的有效性,根据输入层到输出层是否有连接,输出层是否有阈值,分别构建了4个不同的网络模型,并以森林火灾发生较少的太原市和森林火灾发生较频繁的桂林市为例进行验证。模拟结果表明,BPNN-DIOC模型的预测精度高于BPNN模型;它不仅能够适用于火险发生较频繁的地区,也能够很好的用于火险发生较少的地区,具有良好的通用性,而输出层是否有阈值对预测效果并没有明显的影响。 相似文献
11.
12.
动态数据驱动的林火蔓延模型适宜性选择 总被引：1，自引：0，他引：1
基于BP人工神经网络方法设计林火模型适宜性选择技术框架结构,通过神经网络形成林火模型选择知识,实现林火模型的自动化和智能化选择;以火场环境因子为输入变量,以适宜火场环境模拟的林火蔓延模型作为输出变量,构建林火模型选择神经网络模型;研究输入、输出因子数据的获取与计算方式,实现动态数据驱动的林火模型自动选择机制.以北京市为例,选择有详细火场情况记录的72场林火作为试验样本,其中60条记录作为学习样本集,12条记录作为验证样本,对神经网络进行学习和验证,结果表明:模型选择精度可达到80%以上. 相似文献
13.
以云浮市云城区和云安区森林土壤为研究对象,应用传统统计学和地统计学方法结合 GIS 技术分析其土壤养分的空间变异性,预测土壤养分空间分布。地统计学主要从空间插值模型和人工神经网络模型的角度对土壤养分的空间变异性进行诠释,并利用平均绝对误差(MAE)和均方根误差(RMSE)两个指标以及模型预测点与实测点间的相关系数作为判断模型好坏的标准。研究结果认为插值模型中泛克里格插值法在样点密度较小时显示出明显优势,而 BP-ANN 在模型的稳定性和推广性表现尤为突出,最后对泛克里格插值模型和 BP-ANN 下的有机碳、全氮、全磷、全钾4种养分空间预测分布特征进行描述。 相似文献
14.
文章通过收集1978-2007年的广东省实际GDP,运用ARIMA对广东省GDP进行时间序列预测,为提高预测的精确度,同时采用BP神经网络对ARIMA模型下的误差进行预测,并结合BP神经网络的误差预测值对实际GDP预测值进行修正,从预测结果表明:BP神经网络与ARIMA的组合预测明显优于单一方法的预测。还在组合预测模型下给出了广东省2008-2012年的实际GDP预测值。并将其转化为名义GDP,其中2008年的名义GDP为35597.10亿元,2009年为40591.12亿元和2010年为46537.22亿元。 相似文献
15.
16.
白桦人工林单木生长的人工神经网络模型研究 总被引：5，自引：0，他引：5
以东北林业大学帽儿山实验林场白桦人工林为研究对象,采用MATLAB中log-sigmoid型函数（logsig）和线性函数（purelin）为神经元的作用函数,用林分内单木相对直径、林分密度指数、林分地位指数和林分年龄作为输入变量,以单木胸径生长量作为输出变量,构建了4：n：1的单木生长的BP人工神经网络模型。用200组单木生长数据对网络模型进行训练和检验,得最适宜的网络结构为4：3：1,均方误差函数mse=0．00160179,总体拟合精度为96．86％。本模型在充分跟踪样本数据的同时,又保持树木生长方程的规律性,可供同类条件的林分在进行经营设计时进行分析、计算和模拟和预测等使用。 相似文献
17.
BP and RBF neural network to predict forest stock volume were studied,but the study in evaluating both networks’ application effects was not conducted.In order to find a higher forecast precision,more strong applicative method,the comprehensive analysis and evaluation on the two methods were carried out in the practical application. By the correlation analysis,crown density,shady-slope and sunny-slope,TM1,TM2,TM3,TM5, TM7,NDVI,TM,(4-3),TM4/3 were selected as input variables,and the forest volume of Miyun County as output variables,RBF and BP neural network models for forecasting the forest volume were established.And the neural network training step length,training time,prediction accuracy and the applicability model of the two methods were comprehensively analyzed.The results show that the RBF neural network model is superior to the BP neural network model. 相似文献