搜索结果: 1-5 共查到“特色库 BP”相关记录5条 . 查询时间(0.054 秒)
基于数量化理论和BP神经网络的滑坡体积预测
滑坡 数量化理论Ⅲ 耦合作用 BP神经网络
2016/12/23
探讨数量化理论Ⅲ和BP神经网络在滑坡中综合应用的效果,为滑坡体积的预测提供一种新的思路。[方法] 采用数量化理论Ⅲ分析滑坡体积的影响因素及其耦合作用强度,并结合其分析结果,将次要因素和强耦合程度样本进行剔除,再依据其剔除的不同阶段构建3种滑坡体积的BP神经网络预测模型。[结果] 滑坡体积的主要影响因素是坡角、坡向、植被覆盖率和坡高,次要影响因素是岩层倾角、斜坡高程和岩层倾向因素,且在不同样本中,体...
基于BP神经网络的污泥水解液合成PHA的多参数敏感性分析
污泥水解液 聚羟基烷酸酯 多参数敏感性分析 BP神经网络
2013/12/9
本文采用多参数敏感性分析方法对影响污泥水解液合成PHA产量的参数进行分析.在实验数据的基础上,利用BP神经网络建立了PHA的产量预测模型.通过与真实试验结果的对比,验证了预测模型的精确度.根据训练完成的神经网络模型中的各参数变量到目标的权值和阈值,利用Garson算法定量得到各参数变量对于目标的参数敏感性系数数值.结论表明:基于BP神经网络技术建立的预测模型具有较高的可信度,多参数敏感性分析方法可...
改进 BP网络模型在径流预测中的应用
径流预测 IPSO BP网络模型 参数优选
2013/9/17
为了克服传统 BP网络模型在训练过程中部分参数难以快速准确拟定的缺点,利用免疫粒子群算法对BP网络模型中隐含层节点数、最大训练次数、学习效率、动量因子等参数进行决策优选,建立了基于免疫粒子群算法的改进的 BP网络模型。通过应用于某水电站水库的入库径流预测,结果表明,与传统 BP网络模型相比,利用改进的 BP网络模型所得的径流预测结果更准确。
BP神经网络在太湖不同湖区叶绿素a浓度短期预测的应用初探
人工神经网络 太湖 叶绿素a 短期预测
2013/1/14
人工神经网络具有强大的非线性能力,能对复杂的水环境系统中非线性行为进行准确有效地预测。本文选择太湖的梅梁湾和湖心区两个典型湖区为研究对象,分别设置4个和2个采样点。通过对其2006-2008年三年的常规水质监测参数进行主成分分析,选择合适的输入因子及最优的网络参数,建立优化的BP网络模型,以实现叶绿素a浓度的月预测。结果表明,梅梁湾湖区和湖心区的预测值与实测值的平均相对误差分别为71%和39%,两...
基于小波消噪及BP神经网络的大坝变形分析
小波消噪 BP神经网络 大坝变形 变形预测
2013/11/8
基于港口湾大坝多期变形观测数据,采用Matlab语言、小波消噪及BP神经网络分别建立了基于时间序列和基于环境因素的大坝变形监测BP神经网络模型,并利用模型分别对大坝某点变形值进行预测。时间序列BP模型具有结构简单、学习速率快的特点;环境因素BP模型精度高,可有效反映变形因素,便于拟合预测复杂的测点变形,相对前一种模型能更好地揭示大坝变形规律。两种建模方法先应用小波分析对原始观测数据消噪,训练过程中...