基于回归BP神经网络的短期负荷预测

负荷的形成受多方面因素的影响,在建立短期负荷预测模型时,需要综合考虑多种因素。同时,负荷是一种时间序列信号,目前的数据能够对以后的数据产生重要的影响,所以文章采用回归BP神经网络模型应用于短期负荷预测。实例计算表明,该方法有效,预测精度比常规方法高,收敛性好,运算速度快。     

基于BP神经网络的拱坝风险评价研究

拱坝坝高库大,环境条件复杂,又多处于高烈度地震区;一旦失事,后果不堪设想。不但会严重影响工农业生产、重创国民经济,而且会使人民生命财产遭受极大损失,产生恶劣的政治影响。因此,拱坝的风险分析与风险评价越来越受到力学界、坝工界、政府的高度重视和社会各界的广泛关注。利用神经网络的方法,研究具有拱坝风险评价问题,建立了基于BP神经网络的评价模型。     

基于BIM和BP神经网络的装配式建筑成本风险管控研究

针对装配式建筑成本风险管控,通过熵权法确定出装配式建筑决策设计、构件预制、预制构件运输、现场施工四个阶段成本影响关键因素,以此因素量化数据训练BP神经网络,建立基于BIM技术和BP神经网络的装配式建筑成本风险管控模型,收集装配式建筑项目类似工程数据用于分析。研究结果表明,该模型是比较理想的装配式建筑成本风险管控与考核方法,可以提高装配式建筑管理者对于成本风险的管控水平。     

金融风险计量中人工神经网络的应用

通过简要介绍金融风险计量方法的演进,阐述人工神经网络作为新技术如何具体应用到金融风险计量中以及可行的遗传算法对人工神经网络的优化,论述了人工神经网络目前的应用现状,提出要运用其函数逼近、最优化处理功能于金融风险计量。     

基于DEA和BP神经网络的企业科技成果转化综合评价及实证分析

构建了企业科技成果转化综合评价指标体系,将数据包络分析（DEA）与BP神经网络两种评价方法有机结合,建立了DEA-BP神经网络综合评价模型,利用该模型对1998年至2009年间上海市规模以上企业的相关数据进行了实证分析,验证了本文所构建的评价模型具有较高的精确度和预测能力,并根据评价结果,提出了上海市促进科技成果转化的一系列建议。     

区域耕地数量变化预测方法的对比研究

研究目的:对区域耕地数量变化预测方法进行对比分析,科学合理确定区域耕地数量。研究方法:通过Pearson相关分析法筛选影响耕地变化的关键因子,利用改进的BP神经网络算法、灰色模型和多元线性回归模型法对费县耕地数量变化进行预测。研究结果:改进的BP神经网络算法相对传统的灰色模型和多元线性回归模型等预测方法具备较高的预测精度。研究结论:改进的BP神经网络算法是进行耕地数量变化预测的较好方法,具有实际指导意义,其预测结果可以为当地相关部门合理地确定耕地保有量、推进耕地保护提供科学依据。     

基于主成分分析和BP神经网络算法的股权众筹风险评价研究

近年来,随着股权众筹的迅速发展,其在实际运作中风险评估和防范问题引起了人们的关注.基于此,本文首先利用主成分分析的方法构建了股权众筹风险评估指标体系,其次,利用BP神经网络以众投邦平台股权众筹项目为例进行了实证研究.结果显示:众筹风险评估指标体系由审核估值风险、发起人能力风险、项目本身风险、法律风险、经营风险、监管风险及流动性风险等七个指标构成;BP神经网络的方法在股权众筹风险评估方面是可行且有效的.研究结论可为我国股权众筹风险评估和防控及金融风险防控具有重要的理论及现实意义.     

BP神经网络在企业绩效评价中的应用

文章在分析传统绩效评价方法的基础上,构建了企业绩效评价体系,运用基于Matlab的BP神经网络算法,以企业历史数据作为BP神经网络的训练样本进行了实证研究,证明了将BP神经网络应用于企业绩效评价中,能达到令人满意的评价效果。     

气体检测系统中BP神经网络的设计与实现

在简要概述气体检测系统原理的基础上,分析了BP神经网络模式识别的特性和结构,阐述了一种基于人工神经网络的混合气体检测方法。分析并研究了气体检测系统中BP神经网络结构的设计方法,构建了基于Matlab的BP网络模型,并实现了对CO、H2S和CH4三种混合气体的定性定量检测。     

基于Delphi法和BP神经网络的技术预见模型研究

构建了基于Delphi法和BP神经网络的技术预见模型。基于专利分析提取高价值专利以期提供科学、客观的参考点;处理专家评价数据时,为充分考虑专家熟悉程度的影响引入性能指数概念,并运用熵权TOPSIS法评估专利技术综合得分;结合BP神经网络算法计算各技术评估得分,弱化权重计算中人为因素的影响,对比计算结果验证其可行性。以智能制造领域为例开展实证研究,对该领域重点专利技术进行评估,验证了模型的科学性和可行性。