搜索到1974 篇“ BP模型 “的相关文章
GA-BP 模型 在HSS模型 参数取值中的应用 2025年 小应变硬化土(HSS)模型 可以有效反映土的压缩硬化特性和小应变特性,非常适合黄土基坑的数值模拟计算。但是,HSS模型 包含了11个硬化土(HS)模型 参数和2个小应变参数,而这2个小应变参数往往需要采用试验方法确定,获取过程复杂。为了探讨小应变参数的预测方法,采用经过遗传算法优化的BP 神经网络模型 ,即GA-BP 神经网络模型 ,首先根据预设的小应变参数水平经过数值模拟计算得到49组位移数据,然后将得到的数据用于GA-BP 神经网络的训练,待GA-BP 神经网络的预测误差达到要求之后,再使用实际的位移数据反演得到小应变参数,最后基于预测得到的小应变参数进行数值模拟。结果显示,GA-BP 神经网络模型 预测的小应变参数在基坑围护结构最大水平位移和地表最大沉降计算方面表现良好,可以应用于实际工程。 张杰 马杰 陈啸海 钟鹏 王营营关键词:岩土工程 遗传算法 BP神经网络 参数反演 基于GARCH-BP 模型 的股票价格波动性研究 2025年 股票市场快速发展,股票价格波动性研究备受关注,准确预测股价走势对投资者决策和市场稳定意义重大。鉴于股票价格波动的不确定性与非线性特征,单一模型 预测效果欠佳。为此,本文提出将GARCH与BP 神经网络相结合的组合预测方法,以中国农业银行股票日收盘价数据为例,基于误差修正思想构建组合模型 ,运用BP 神经网络对GARCH模型 的残差数据进行预测校正。研究结果表明组合模型 预测效果优于单一模型 ,验证了该组合模型 在提高股票价格预测准确度方面的有效性。With the rapid development of the stock market, the study of stock price volatility has attracted much attention, and accurate prediction of stock price movements is of great significance to investors’ decision-making and market stability. In view of the uncertainty and nonlinear characteristics of stock price volatility, the prediction effect of a single model is not good. For this reason, this paper proposes a combined prediction method combining GARCH and BP neural network, taking the daily closing price data of Agricultural Bank of China as an example, constructing a combined model based on the idea of error correction, and utilizing BP neural network to correct the residual data of the GARCH model for prediction. The results show that the combination model predicts better than a single model, which verifies the effectiveness of the combination model in improving the accuracy of stock price prediction. 严彦文 王彩云关键词:GARCH模型 BP神经网络 波动性 基于CPO-BP 模型 的TIR透镜的设计方法 2025年 TIR透镜的结构对LED光源通过其后的光强和散射角有重要的影响。以TIR透镜的结构参数为输入变量,以光强和散射角为输出变量,建立了冠豪猪优化算法(Crested Porcupine Optimizer,CPO)优化的BP 神经网络模型 。结果表明,相比较BP 神经网络,CPO优化的BP 神经网络针对光强和散射角预测的平均绝对百分比误差(MAPE)分别提高了97.85%和94.3%,CPO-BP 模型 具有良好的有效性、准确性和拓展性。 于鲁平 李会明 李伟康 冶振关键词:BP神经网络 基于PCA-PSO-BP 模型 对矿山边坡变形量的预测 2025年 为准确预测矿山边坡变形量,提出了一种结合主成分分析(PCA)、粒子群算法(PSO)和BP 神经网络的耦合预测模型 ——PCA-PSO-BP 神经网络。首先,通过PCA算法有效消除影响因素之间的相关性;接着,应用PSO算法优化BP 神经网络的初始权值和阈值,从而克服BP 神经网络易陷入局部最优的缺陷。最后,基于PCA-PSO-BP 模型 的预测结果,与其他三种模型 进行对比,采用相对误差绝对值对预测精度进行评估。研究结果表明,PCA-PSO-BP 耦合预测模型 的相对误差绝对值分别为2.2%、3.73%、2.86%和5.2%,平均相对误差绝对值仅为3.5%,显著提升了矿山边坡变形量的预测精度。 徐榕浩 李溱 张天宇 袁新浩 马英鑫关键词:PSO BP神经网络 融合小波分析的GA-BP 模型 呼兰河流域年径流预测 2025年 为了提高径流预测的精度,提出了小波分析与遗传算法优化BP 神经网络相结合的预测模型 。采用呼兰河流域兰西水文站1956-2019的实测年径流序列进行预测和测试,选取均方根误差(RMSE)、拟合系数(R^(2))和平均相对误差(MAPE)对预测结果进行对比评价,与其GA-BP 模型 和BP 模型 进行对比,有着更高的精度和更低的误差。为呼兰河流域径流的预测提供了一条新的方法。 李杰 孙颖娜 曹越关键词:呼兰河流域 小波分析 径流预测 基于IVY-BP 模型 的机械臂控制方法、装置和介质 本发明涉及一种基于IVY‑BP 模型 的机械臂控制方法、装置和介质,方法包括以下步骤:通过肌电采集设备采集使用者的肌电信号;对肌电信号进行预处理,得到预处理后的数据;对预处理后的数据划分时间窗;以时间窗为单位,根据活动阈值进... 李传江 涂嘉俊 薛家耀 朱燕飞 尹仕熠 顾亚基于X-12-ARIMA-BP 模型 的某省铁路企业工伤发生人数预测研究 2025年 目的基于某省历年工伤发生人数,构建X-12-ARIMA-BP 模型 对某省铁路企业工伤发生人数进行预测,提高其工伤事故管理能力。方法基于某省铁路企业2011年第1季度至2020年第3季度的工伤发生人数数据,利用X-12-ARIMA模型 以及BP 模型 对该企业工伤发生人数进行拟合预测。根据X-12-ARIMA模型 对铁路企业工伤发生数的预测值和BP 对误差的预测值,建立X-12-ARIMA-BP 模型 ,对比三种模型 的均方根误差(RMES)、平均绝对误差(MAE)、平均绝对百分比误差(MAPE)评价指标,选择最优模型 ,最后运用该模型 对某省铁路企业工伤人数进行预测。结果X-12-ARIMA-BP 模型 的RMSE、MAE和MAPE值分别为0.4205、0.2648、1.8719%,优于X-12-ARIMA模型 的2.2627、1.8361、11.9141%和BP 神经网络模型 的1.8590、1.5194、11.9709%,因此X-12-ARIMA-BP 模型 的预测精度最高,是预测该铁路企业工伤发生人数的最佳模型 。通过该模型 对铁路企业2021—2023年每季度的工伤发生人数进行预测,结果显示,2021—2023年该企业工伤发生趋势总体平稳。结论X-12-ARIMA-BP 模型 是预测该省铁路企业工伤发生人数的最优模型 。 韩雪梅 易济琨 张笑琳 司苗苗 康盼 张雨佳 马桂妮 闫欢 丁明峰关键词:工伤 以改进的Adaboost-WOA-BP 模型 建立页岩储层的总有机碳含量预测方法:以四川盆地龙马溪组X地区页岩储层为例 2025年 页岩储层总有机碳含量(total organic carbon,TOC)是页岩生烃潜力及页岩气富集程度的重要参数,其精确预测对油气勘探开发具有重要意义。常规的线性回归方法受到地区以及测井资料之间复杂的非线性关系的影响,存在预测精度有限的问题。为此提出一种Adaboost-WOA-BP 预测模型 来进行TOC含量的预测,将WOA(whale optimization algorithm)算法优化过的BP (backpropagation)神经网络作为Adaboost(adaptive boosting)算法的弱学习器,集成多个弱学习器进而构建一个强的学习器。优选自然伽马、密度、声波时差等与计算TOC含量相关的敏感测井参数作为预测模型 的输入,通过与常规线性回归方法、BP 神经网络、WOA-BP 神经网络这3种方法进行对比,Adaboost-WOA-BP 模型 具有更高的TOC含量预测精度,预测TOC与实测TOC符合率达到95%。 陈甄明 谢锐杰 彭宏昶 李瑶 曹永强基于改进PSO-BP 模型 的钟差预报研究 2024年 针对BP 神经网络训练时陷入局部最优解导致预报钟差不稳定的问题,采用改进粒子群优化神经网络的钟差预报模型 。首先改进粒子群优化算法中几个重要参数生成的方法,再将BP 神经网络的初始权值和阈值作为粒子的位置,通过改进的粒子群优化算法迭代,寻找网络的最优初始权值和阈值,提高BP 神经网络钟差预报的稳定性和准确性。从理论上分析改进后的PSO算法原理,利用改进后的模型 预测钟差,经过分析全局最优适应度曲线、粒子群优化前后BP 模型 多次预报钟差的试验,证明该算法优化的有效性。与ARMA和GM(1,1)等传统的预报模型 相比,基于改进的粒子群优化神经网络模型 的钟差预报精度分别提高了86.5%和79%。 张颖博 刘音华 刘娅关键词:钟差预报 粒子群优化算法 BP神经网络 基于GRU-CNN双网络输出构建BP 模型 的径流预测方法 被引量:2 2024年 提高径流预测精度是避免洪水灾害发生的重要手段,由于预测阶段并无已知有效样本,给预测工作带来难度,因此,提出以双网络输出为预测阶段提供数据参考,结合训练阶段双网络输出与真实值之间的关系,对预测阶段采用二次多变量建模实现径流预测。首先,构建GRU和CNN深度学习网络,同步输出2条径流预测序列;其次,在已知时段内,构建2条预测结果与实测值之间的多变量BP 模型 ;最后,基于双网络输出预测值,通过确定的BP 模型 输出径流预测结果。经测试,该方法给预测时段提供了可靠的先验样本,高效学习了网络输出与真实值之间关系,预测精度显著提升。 张玥 姜中清 周伊 周静姝 王宇露关键词:洪水预报 径流预测 CNN BP神经网络
相关作者
樊贵盛 作品数:178 被引量:1,197 H指数:19 供职机构:太原理工大学 研究主题:土壤 入渗参数 水分入渗 入渗模型 土壤入渗 陈晨 作品数:9 被引量:55 H指数:5 供职机构:河南科技大学林学院 研究主题:BP模型 人工林 马尾松 人工神经网络 马尾松人工林 朱瑞赓 作品数:88 被引量:1,221 H指数:21 供职机构:武汉理工大学 研究主题:稳定性 边坡 边坡稳定 滑坡 爆破工程 杨涛 作品数:1,056 被引量:4,345 H指数:29 供职机构:西南交通大学 研究主题:番茄 复合地基 滑坡 边坡 棉花 夏元友 作品数:275 被引量:3,147 H指数:29 供职机构:武汉理工大学土木工程与建筑学院 研究主题:边坡 滑坡 岩爆 边坡稳定性 模型试验