简介:Basedontheoperationdatafromacertainwastewatertreatmentplant(WWTP)innortheastChina,themodelsofbackpropagationneuralnetwork(BPNN)andradialbasisfunctionneuralnetwork(RBFNN)havebeendesignedrespectivelyandtheabilityofconvergenceandgeneralizationhasbeenanalyzedseparately.AsforBPNN,theeffectsofnumbersoflayersandnodeshavebeenstudied;asforRBFNN,theinfluencesofthenumberofnodesandtheRBF′swidthhavebeenstudied.ItisconcludedthatBPNNhasconvergedmuchslowlyincomparisonwithRBFNN.TheconclusionthattheRBFNNissuitableformodelingactivatedsludgesystemhasbeendrawn.AnautomaticallyoptimumdesignprogramforRBFNNhasbeendeveloped,throughwhichtheRBFNNmodeloftraditionalactivatedsludgesystemhasbeenestablished.
简介:摘要:在这个电子信息时代,各个领域都有对应的融合,在建筑方面通过研究发现 BP多目标人工群峰算法加快了原有工程的进程,大大减少了人们进行复杂的数字运算与筛选的时间,对于多目标人工群蜂算法来说这是一个最好的时代,它化简了许多过程,在多方面领域对它的青睐程度很高,所以对于我们而言,我们很有必要去研究,开发和应用这个方法,将它的能力开发到极致,尤其是在建筑方面
简介:目的:与经典测量理论相比,项目反应理论具有更多的优势,但由于项目反应理论模型的复杂性,进行参数估计时往往需要较大的被试样本;人工神经网络的出现为小样本被试估计项目反应理论的能力参数和项目参数提供了可能,文章的目的是通过神经网络的蒙特卡罗模拟研究寻找更精确的参数估计方法。方法:以项目反应理论的两参数模型为例,以MAB和RMSE为比较指标,通过模拟数据比较经典测量理论的通过率、点二列相关系数、平均得分作为神经网络的输入值与以经过转换的数值(IRT参数估计的初值)作为神经网络的输入值训练网络结果的差异,比较不同条件下MAB指标和RMSE指标的差异。结果:以通过率估计项目参数b与以bj=zj/rbj估计项目参数b存在差异;以点二列相关系数估计项目参数a与以aj=rbj/√1-r^2bj估计项目参数a存在差异;以平均得分估计能力参数θ与以ln[x/(m-x)]估计能力参数θ存在差异。结论:对于两参数项目反应模型,以通过率估计项目参数b比以bj=zj/rbj估计项目参数b误差更小,而以点二列相关系数估计项目参数a比以aj=rbj/√1-r^2bj估计项目参数a误差更大,以平均得分估计能力参数θ比以ln[x/(m-x)]估计能力参数θ误差更大。
简介:摘 要 航材保障面临着库存积压、库存结构不合理等问题,严重影响了航材保障质量效益。其中原因之一,就是航材消耗规律把握不够准确,在一定程度上影响了航材订货决策的科学性。因此,本文将尝试根据航材的消耗规律运用BP神经网络预测方法建立模型,并通过实例计算预测,验证所建立模型的准确度,对预测结果进行分析评价航材。
简介:目的:面对我国人参价格涨跌频繁的现状,基于历史价格数据探索一种人参价格预测方法,进而有预见性的指导人参的种植、经营,防范伤农、伤商事件的发生。方法:以生晒55支规格的人参为代表,选取2012年6月至2018年5月的历史价格为实验数据,以2012年6月至2017年8月的价格为训练集,以2017年9月到2018年5月的价格为验证数据集,分别基于BP神经网络与ARIMA方法,构建人参(生晒55支规格)的价格预测模型,并将二者的预测效果进行比较。结果:ARIMA模型在平稳期的预测较为精确,BP神经网络能应对价格的突变预测。结论:BP神经网络预测模型整体优于ARIMA模型,进一步证实了BP神经网络用于价格预测的优越性。
简介:摘要:本文主要针对高等教育问题进行了相关研究,利用BP神经网络以分数评价国家高等教育系统的健康状况。首先收集了多个国家教育影响因素的数据,选择出“国家人均GDP”、“国家高校升学率”等八个指标初步建立简单的指标体系。其次对八个国家进行模型应用,对模型进行进一步的优化,对其提出优化后的合理蓝图。最后建立时间序列的BP神经网络预测模型,预测出原状态下2020年中国评分从而得知此模型稳定性较好。
简介:摘要:为了提高造价预测效率,提出了一种基于BP神经网络的工程造价预估模型。该模型在详细分析了住宅的造价构成的特征的基础上,找到主要的造价影响因素,建立了造价影响因素和工程造价的映射关系,以住宅工程的影响因素作为神经网络的输入向量,将所需的工程造价作为神经网络的输出向量,从20个案例中,选取5个案例样本作为预测样本,剩下15个样本作为训练样本输入,不断地训练网络函数,使函数修正和改进,使函数输出的工程造价几乎接近于样本的造价,达到了准确预估住宅工程造价的目的。实验结果表明,本文建立的仿真模型切实可行,预测误差在10%左右,是比较理想的住宅工程造价预估方法,可用于造价工程的辅助估算。