基岩平衡冲刷深度预报的神经网络模型

采用基于拟牛顿算法快速优化修正BP神经网络算法,构建人工神经网络模型,来研究基岩平衡冲刷深度与单宽流量、上下游水位差及基岩抗冲能力等因素之间的复杂映射关系。以国内已建若干挑流工程冲刷深度的实测资料为模型的学习训练样本,对冲刷深度进行了预报,结果表明,该法具有较高的预报精度,利用此神经网络模型对冲刷深度进行预报是完全可行的。     

应用神经网络方法预测堆石坝的面板挠度

运用MATLAB语言提供的newff函数创建BP神经网络,预测混凝土面板堆石坝的面板最大挠度.对网络的输入和输出数据采用lnx函数进行非线性变换和比例归一化处理,使输入和输出数据分布于[0.2,0.8]区间内,可改善网络的性能.对网络结构及训练样本的确定进行了分析,通过工程应用验证网络结构的可靠性及预测精度.结果表明,用试错法确定的网络结构是稳定可靠的,对面板最大挠度预测的精度高于常用的伊梅祖米半经验公式.     

基于BP神经网络土体自由膨胀率的模拟研究

土体的膨胀性与其物理力学指标有着密切关系,但它们的关系是非线性的、复杂的,难以用传统的方法进行模拟.BP神经网络以其良好的非线性映射能力而成为应用最广泛的一种神经网络模型.结合南水北调中线工程,取南阳地区土样作样本,以BP神经网络模拟土体自由膨胀率与物理力学指标的关系.模拟计算结果与试验值基本吻合,精度较高.对于没有做土膨胀试验的地区,可以将土样物理力学指标输入训练好的BP神经网络,以判别土样是否为膨胀土.     

基于BPNN-AdaBoost的隧道交通事故数预测研究

为了对高速公路隧道网进行综合全面的分析,预测交通安全的变化趋势,从而为评价区域交通安全形势题提供依据,本文基于BPNNAdaBoost组合模型对山西省高速公路隧道交通事故数进行了预测。设计了BPNN-AdaBoost的模型为预测不同隧道在不同年份的事故数,所用输入变量包括所在隧道的线形因素、交通因素以及往年历史事故信息等信息。模型的测试结果表明,BPNN-AdaBoost组合模型取得了较好的预测精度。本文还将BPNN-AdaBoost模型的预测精度与不经改进的BP神经网络进行了对比。结果表明,对于MAE、RMSE以及两起误差范围内的准确率3个指标,BPNN-AdaBoost模型均优于BP神经网络,说明BPNN-AdaBoost模型能很好地应用于事故预测中。     

物流成本预测方法研究

物流成本可以反映国家地区和企业的物流运行的规模、效率、结构等重要信息,通过预测物流成本不仅可以为相关政府部门了解物流成本的变化趋势,制定物流政策提供一定时期的依据,还对企业的物流成本控制起到一定作用,为国家地区和企业的发展具有重要意义,因此预测方法的选择也须重视.本文从传统的物流成本预测方法出发,对其做了简单介绍,并总结归纳了三种新的物流成本预测方法,通过分析比较各种方法,提出了各种方法的优缺点,以期对未来社会和企业物流成本的预测提供一定的参考价值和理论意义.     

区域性金融风险早期预警体系研究——以安徽省为例

2008年国际金融危机爆发以来,世界各国应对金融危机的经验表明,构建金融体系风险预警机制是必要且可行的。本文通过借鉴国内外关于建立金融风险预警指标体系的既有研究成果,综合运用模糊聚类分析、BP神经网络建模等,提出符合中国特色的区域金融风险预警体系框架,在此基础上对安徽省区域金融风险状况进行预测分析并提出相关建议。     

改进BP算法在旋转机械故障诊断中的应用

针对BP算法在神经网络诊断中表现出来的学习收敛速度慢、易于陷入局部最小点等局限性，用改进BP算法一有弹回的BP算法，对转子试验台模拟几种常见的故障进行诊断研究，从中得出结论：将代表故障的信息输入训练好的神经网络后，由输出的结果，便可以判断发生故障的类型。此外，有弹回的BP算法大大地提高了网络收敛速度和稳定性，更能满足实时在线诊断的要求。     

数据挖掘及其在银行业的应用

随着信息技术的飞速发展以及数据库管理技术的广泛应用,各大银行都在纷纷实施数据大集中,无数个数据库被用于办公、管理、开发等领域,大量的数据库信息如果不能合理使用和开发就会像垃圾一样成为银行业的包袱,如何提高信息的利用率,数据挖掘技术的应运而生给银行业带来无限生机,它将成为银行业发展过程中不可多得的新技术。     

基于机器学习的藏文图像识别系统设计与实现

随着人工智能技术的高速发展,机器学习应运而生,而人工智能的重点是机器学习。在人们的生活中,机器学习也扮演着越来越重要的角色。所以在藏文识别方面,机器学习理应发挥更重要的作用,方便人们更好地对藏文进行学习。文章采用Keras机器学习工具和卷积神经网络图像识别算法,识别的准确率可以达到97.92%,为图像识别提供了新的方法和途径。     

基于BP神经网络的大坝沉降预测模型

以某大坝沉降监测数据为例,利用Matlab软件的BP神经网络工具箱进行建模分析和预测。结果表明,滚动BP神经网络算法能较好地应用于大坝沉降数据的预测,具有良好的应用前景。