基于贝叶斯正则化神经网络的道路交通安全倾向性预测

对典型部门影响交通安全的相关因素进行了集成分析,构建了道路交通安全倾向性预测指标,在此基础上采用贝叶斯正则化神经网络对沈大高速公路某路段的道路交通安全倾向性进行了预测,对网络结构、训练集、预测集以及学习次数进行了优化.预测结果表明,在推广能力方面,贝叶斯正则化神经网络优于传统的神经网络,可作为探究道路交通安全系统内部各影响要素关系的辅助手段.     

基于BP神经网络确定矿井巷道摩擦阻力系数的应用研究

运用多层前向人工神经网络-BP神经网络模型对不同支护类型的矿井巷道摩擦阻力系数进行模式识别,并运用改进的贝叶斯正则化方法对网络进行训练,以锚喷支护巷道为例对其摩擦阻力系数进行预测。采用BP神经网络将网络模拟值与实测值进行比较,误差在5%左右,同理对其他支护类型进行模拟预测,误差均在5%以内,预测精度较高。     

基于BP神经网络的运输通道交通方式选择模型研究

通过分析LOGIT模型效用函数构造存在的不足,探讨了利用BP神经网络解决方式划分问题的基本原理。利用BP神经网络良好的非线性逼近能力对LOGIT模型的效用值的确定进行改进,构造了基于BP神经网络的运输通道出行方式选择模型。最后给出了一个算例,详细介绍了基于BP神经网络的交通方式划分模型的建立、训练仿真的过程,预测结果表明该模型对交通方式划分问题不仅有很强的解释性,同时具有很好的可操作性。     

第三产业产值比重预测的BP神经网络模型

宏观经济政策的制定要参照各次产业的发展水平,所以对产业发展水平进行评估和预测就显得十分必要。通过运用改进BP算法神经网络的建模方法对我国第三产业产值比重进行分析,最后建立了单隐层的BP神经网络模型。结果表明基于改进BP算法的神经网络模型预测精度高,收敛速度快,具有良好的泛化能力,模型的通用性和实用性强。     

基于BP神经网络的危化品运输企业安全评价模型及应用

针对全方位的危化品运输企业安全要素建立了基于BP神经网络的评价模型，采用基于最速下降法的权值学习算法进行权值修正，使得评价方法具有快速、准确的特点。用样本数据训练了神经网络评价模型，测试结果显示评价模型自我调节能力强，精度较高，适合受随机评价因素影响较重的危化企业安全评价应用。     

基于BP神经网络的运输通道交通方式选择模型研究

通过分析LOGIT模型效用函数构造存在的不足,探讨了利用BP神经网络解决方式划分问题的基本原理.利用BP神经网络良好的非线性逼近能力对LOGIT模型的效用值的确定进行改进,构造了基于BP神经网络的运输通道出行方式选择模型.最后给出了一个算例,详细介绍了基于BP神经网络的交通方式划分模型的建立、训练仿真的过程,预测结果表明该模型对交通方式划分问题不仅有很强的解释性,同时具有很好的可操作性.     

旅游安全的人工神经网络预警系统

针对于旅游安全预警问题,运用人工神经网络理论和方法,建立旅游安全预警的BP神经网络模型。通过实例进行分析,说明用BP神经网络方法是可行的。该模型具有很强的学习、联想和容错功能,其分析结果和过程都接近人脑的思维过程和分析方法,使得旅游安全预警结果的精度大大提高。     

基于BP神经网络的第三方物流企业客户满意度评价研究

客户对第三方物流业务的需求是物流企业生存发展的源泉。因此,对客户满意度评价的测度应作为物流企业发展战略的重要组成部分。文中在构建第三方物流企业客户满意度评价指标体系的基础上,采用了BP神经网络算法模型来对企业的客户满意度进行评价,经过对BP神经网络模型进行训练和对模型的泛化推广能力进行检验,证明BP神经网络模型可以对第三方物流企业客户满意度进行可行有效的评价。     

基于CS_BPNN的光伏发电功率预测模型研究

光伏发电功率预测对电网的安全稳定运行具有重要意义。通过数据预处理,运用灰色关联度分析计算时序相似度,提高了相似日选取的准确度。提出了基于布谷鸟搜索算法优化BP神经网络的光伏发电功率预测模型,并通过实验的方法分别对晴天、阴天和雨天三种天气类型下的光伏功率进行预测,将其与粒子群优化算法优化BP神经网络模型、BP神经网络模型进行对比。结果表明,基于布谷鸟搜索算法优化BP神经网络的光伏发电功率预测模型,在光伏发电功率预测领域具有更高的精度与稳定性。     

P2P网贷个人信用风险评估模型研究——基于混合果蝇神经网络的方法

P2P网贷在爆发式增长的同时,也面临着重大的信用风险,个人信用评估是降低信用风险的重要方法。根据P2P网贷自身的特点,对影响P2P网贷借款人信用风险的因素进行分析,引入互联网信息领域特有的风险因素,建立了P2P网贷个人信用风险评估指标体系。基于该指标体系,考虑P2P网贷中"软信息"较多、"硬信息"缺失的特点,提出了基于BP神经网络的信用评估模型。为了提高BP神经网络的收敛速度和精度,将改进的果蝇优化算法作为BP神经网络的学习算法,对神经网络的权重进行训练。通过"人人贷"平台收集的样本数据进行实验验证。结果表明:改进果蝇神经网络评估模型比传统BP神经网络模型有更强的学习能力和预测能力,是P2P网贷个人信用风险评估的有效方法。