BP人工神经网络模型在太湖水污染指标预测中的应用

**资讯http://www.***.*** **资讯http://www.***.*** **资讯http://www.***.***

人工神经网络是在模仿人脑处理问题的过程中发展起来的新型智能信息处理理论,通过对人工神经网络及bp网络的基本原理与特征的分析,建立了工程估价预测模型.

长期以来,由于水土流失引发的生态环境问题受到各界人士的十分关注。我国大部分地区降水集中,生态破坏导致水土流失严重。利用bp网络模型对水土流失程度进行检测和分析是当前学科领域的一个热门话题。

针对拉萨市道路交通噪声污染问题,运用人工神经网络理论和方法对拉萨市道路交通噪声的等效连续声级进行预测。经检验,计算值与实测值接近,从而为道路交通噪声的预测提供了一种新的途径。

本文采用bp神经网络预测模型,通过在matlab软件建模,并对实际工程项目的支护结构顶水平位移的监测数据进行分析,预测其后的监测数据,结果表明bp神经网络拟合效果优越,仿真性强,具有很强的泛化能力,能够对实际工程的支护结构顶水平位移进行有效预测.

针对基坑变形预测中信息的灰色性和数据的非线性性,提出用灰色神经网络预测基坑变形的新方法。用一桩锚联合支护体系实例进行了预测研究,得到支护体系的不同预测模型的组合预测值。研究结果表明:灰色神经网络预测误差比gm(1,1)预测模型小;与bp预测模型相比,前期误差大,后期误差小。在基坑变形监测中,为了更准确地预测基坑变形,可以采用灰色神经网络预测与bp预测相结合的方法进行预测。

人工神经网络在预测软基沉降中的应用研究——依据影响软土路基沉降的因素选取参数建立了bp神经网络预测最终沉降量模型，利用已建高速公路沉降数据，进行了软土地基最终沉降量的预测，取得了较为理想的效果。证明神经网络法能避免传统方法计算过程中各种人为因素...

泡沫金属试样测试复杂,对试样而言又急需知道基体结构参数与力学性能和阻尼性能的关系,采用线性回归技术无法实现这一功能,应用人工神经网络,则解决了通过测量泡沫金属的四个基本参数达到推知其力学性能、阻尼性能的课题。

**资讯http://www.***.*** **资讯http://www.***.*** **资讯http://www.***.***

基于人工神经网络理论,提出了根据前期沉降观测资料进行沉降预测的人工神经网络模型,并用于汕汾高速公路预压荷载卸荷时间预报.研究表明,所建议的模型较传统沉降预测模型具有显著的优越性,应用前景广阔.

利用神经网络强大的非线性映射能力,提出了一种基于bp神经网络模型的工程造价预测模型,指出该预测模型可对不同情况的工程造价进行合理的预测,实例检验证明,该方法收敛速度快,预测的可靠性令人满意。

基于人工神经网络的工程造价预测模型——利用神经网络强大的非线性映射能力,提出了一种基于bp神经网络模型的工程造价预测模型,指出该预测模型可对不同情况的工程造价进行合理的预测,实例检验证明,该方法收敛速度快,预测的可靠性令人满意。　　

人工神经网络模型描述

调查分析了蘑菇湖水库的污染源,选取蘑菇湖水库污染的6项水质监测数据作为评价指标,采用matlab建立了蘑菇湖水库水质评价的三层bp网络模型,并以这6项指标为训练样本,对bp网络进行训练,将训练好的网络用于水质进行评价,得出的蘑菇湖水库水质评价结果是劣ⅴ类,采用分级评分法对计算结果进行了比较分析,结果表明:bp神经网络方法收敛速度较快,预测精度很高,蘑菇湖水库已丧失养殖功能,并且已不能满足农业灌溉的标准。

第47卷第6期厦门大学学报(自然科学版)vol.47no.6 2008年11月journalofxiamenuniversity(naturalscience)nov.2008 基于bp神经网络的工程估价模型及其应用 叶青,王全凤 (华侨大学土木工程学院,福建泉州362021) 收稿日期:20080414 基金项目:福建省自然科学基金(2008j0196)资助 email:yeqing@hqu.edu.cn 摘要:基于bp神经网络的工程估价模型具有高度的容错性和较强的泛化能力,通过对数据并行处理的方式能快速准 确地估算出工程造价.本文根据bp神经网络原理,选取福建泉州地区的21组工程实例来建立模型,其中19组为训练样 本,2组为检测样本,确定了13个主要造价

农产品价格风险预警模型的建立与应用 ——基于ｂｐ人工神经网络 赵瑞莹，杨学成 （山东农业大学经济管理学院山东泰安２７１０１８） 第２９卷第２期 ２００８年３月 ｖｏｌ．２９ｎｏ．２ ｍａｒ．２００８ 农业现代化研究 ｒｅｓｅａｒｃｈｏｆａｇｒｉｃｕｌｔｕｒａｌｍｏｄｅｒｎｉｚａｔｉｏｎ 作者简介：赵瑞莹（１９６３－），女，山东蓬莱人，教授，博士，２００４－２００６年曾在德国进修农业ｍｂａ，研究方向为物流与供应链管理；杨学成（１９６１－）， 男，山东东阿人，教授，博导，研究方向为农业经济理论与政策。 收稿日期：２００７－１２－０７；修回日期：２００８－０１－２２ 摘要：农产品价格风险的防范要通过管理水平的提高来化解，农产品价格风险预警的引入则可实现农产品市场风 险管理方法的创新。本文建立了基于ｂｐ人工神经网络的农产品价格风险预警模型，并以生猪

人工神经网络方法在基坑变形预测中的应用研究——分析研究了人工神经网络方法在基坑变形预测中的建模方法，并通过实例应用，证明这种方法是切实可行的。同时将人工神经网络方法预测结果和灰色系统模型及时序模型预测进行比较，充分证明人工神经网络方法在变形预...

人工神经网络在软土地基沉降预测中的应用——人工神经网络这种数学工具可以以任意精度逼近任意非线性曲线，且具有容错性和联想记忆功能，利用基于人工神经网络和反向传播理论的分析方法对软土地基沉降进行的预测体现了很强的优越性。介绍构建网络模型后，用某高...

土壤含盐量的预测对合理配置水资源,防治土壤次生盐碱化等具有重要的指导意义。在阐述bp人工神经网络原理的基础上,针对影响土壤含盐量的主要因素,建立了多因子土壤含盐量的3层bp网络模型,以土壤含水率、地下水矿化度、地下水ph值、地下水埋深、相对湿度、降雨量、蒸发量作为模型输入参数,土壤含盐量作为模型输出,对土壤含盐量进行了预测。结果表明,bp神经网络模型预测土壤含盐量的最大误差为8.78%,平均误差为5.99%,模型具有较高的预测精度。

人工神经网络这种数学工具可以以任意精度逼近任意非线性曲线,且具有容错性和联想记忆功能,利用基于人工神经网络和反向传播理论的分析方法对软土地基沉降进行的预测体现了很强的优越性。介绍构建网络模型后,用某高速公路软基沉降的实测数据进行网络的训练和学习,再用建立的预测模型预测出了最终的沉降量。所得的结果与实测值达到了较好的一致性,与用其它理论计算方法所得结果相比较具有较高精度。

根据某高速公路高路堤填土施工期路基沉降实测资料,建立了预测路基沉降的等时距bp神经网络模型,并运用三次样条插值获得预测时间段内任一时刻沉降值,并与实测值进行比较,证明它具有很高的预测精度。

本文介绍了人工神经网络用于过程控制中的理论与方法，研究了基于多层神经网络的自校正控制。并应用神经网络控制方法仿真了丝杠磨削中的传动链误差控制，取得了良好的效果。