期刊文献+
共找到245篇文章
< 1 2 13 >
每页显示 20 50 100
基于RBF-BP组合神经网络模型的特高拱坝混凝土浇筑仓最高温度预测 被引量:2
1
作者 邹昊 周宜红 +1 位作者 汪雷 张治钰 《水电能源科学》 北大核心 2016年第3期67-69,共3页
鉴于混凝土浇筑仓最高温度对特高拱坝温控防裂的重要性,为了实现对混凝土大坝最高温度的有效控制,将BP神经网络、RBF神经网络相结合,选取浇筑温度、施工现场环境气温、浇筑仓层厚、水管布置、通水的水温和流量作为输入矢量,浇筑仓最高... 鉴于混凝土浇筑仓最高温度对特高拱坝温控防裂的重要性,为了实现对混凝土大坝最高温度的有效控制,将BP神经网络、RBF神经网络相结合,选取浇筑温度、施工现场环境气温、浇筑仓层厚、水管布置、通水的水温和流量作为输入矢量,浇筑仓最高温度作为输出矢量,建立一种基于RBF-BP组合神经网络的浇筑仓最高温度预测模型,并将其应用于溪洛渡特高双曲拱坝中。结果表明,基于RBF-BP组合神经网络预测模型可行、有效,且精度较高、收敛速度快。 展开更多
关键词 rbf-bp组合神经网络模型 特高拱坝 浇筑 最高温度 预测
在线阅读 下载PDF
基于注意力循环神经网络的联合深度推荐模型
2
作者 郭东坡 何彬 +1 位作者 张明焱 段超 《现代电子技术》 北大核心 2025年第1期80-84,共5页
为了向用户推荐符合兴趣偏好的项目,设计一种基于注意力循环神经网络的联合深度推荐模型。将双层注意力机制设置于网络中,该模型由五个部分构成,在输入层中生成联合深度推荐模型的输入矩阵,通过序列编码层对项目评论文本语义展开正向和... 为了向用户推荐符合兴趣偏好的项目,设计一种基于注意力循环神经网络的联合深度推荐模型。将双层注意力机制设置于网络中,该模型由五个部分构成,在输入层中生成联合深度推荐模型的输入矩阵,通过序列编码层对项目评论文本语义展开正向和反向编码,获得隐藏状态输出,并将其输入双层注意力机制中,提取项目特征,利用全连接层提取用户偏好特征。在预测层中建立项目与用户的交互模型,获得项目评分,为用户推荐高评分的项目。为了提高模型精度,加权融合MSE损失函数、CE损失函数和RK损失函数建立组合损失函数,对深度联合训练模型展开训练,提高模型的推荐性能。仿真结果表明,所提方法具有良好的推荐效果,能够适应不断变化的市场需求和用户行为。 展开更多
关键词 双层注意力机制 循环神经网络 用户偏好 组合损失函数 交互模型 联合深度推荐模型
在线阅读 下载PDF
基于BP神经网络和二次指数平滑法组合预测模型的安徽省物流需求预测
3
作者 徐健 桂海霞 《山东交通学院学报》 CAS 2024年第3期39-45,共7页
为准确预测安徽省的物流需求,从经济发展、产量结构、地区贸易和消费水平4方面选取安徽省的地区生产总值,第一、二、三产业产值,社会消费品零售总额,固定资产投资,人均消费性支出7个影响因素作为安徽省物流需求评价指标,以安徽省货运量... 为准确预测安徽省的物流需求,从经济发展、产量结构、地区贸易和消费水平4方面选取安徽省的地区生产总值,第一、二、三产业产值,社会消费品零售总额,固定资产投资,人均消费性支出7个影响因素作为安徽省物流需求评价指标,以安徽省货运量作为物流需求规模输出指标,采用灰色关联分析计算安徽省物流需求评价指标与物流需求规模间的关联度,判断评价指标的合理性。通过夏普利值法将BP神经网络预测模型和二次指数平滑法预测模型组合,预测2017—2021年安徽省物流需求。结果表明:BP神经网络预测模型、二次指数平滑法预测模型及二者的组合预测模型预测结果的平均相对误差分别为4.58%、6.70%、3.99%,组合预测模型的平均相对误差最小。通过组合预测模型预测2022—2024年安徽省物流需求分别为405 004.96万t、407 142.09万t、409 108.95万t,安徽省货运量呈持续增长趋势,但增幅降低。安徽省应加快传统物流向智慧物流的转移速度,扩大内需,加强物流枢纽城市间的联系,加速区域一体化发展步伐,确保物流高质量发展。 展开更多
关键词 组合预测模型 BP神经网络模型 二次指数平滑法模型 物流需求 预测
在线阅读 下载PDF
神经网络结合机器学习的煤与瓦斯突出量和危险性等级预测组合模型
4
作者 李江涛 王飞 《中国矿业》 北大核心 2024年第S02期176-184,共9页
准确预测煤与瓦斯突出危险性能够有效预防煤与瓦斯突出事故,保证煤矿的安全高效生产。为提高煤与瓦斯突出预测模型的准确性和普适性,提取BP神经网络最后一步隐藏层作为随机森林的输入特征,构建了BP神经网络结合随机森林的组合模型(BP-R... 准确预测煤与瓦斯突出危险性能够有效预防煤与瓦斯突出事故,保证煤矿的安全高效生产。为提高煤与瓦斯突出预测模型的准确性和普适性,提取BP神经网络最后一步隐藏层作为随机森林的输入特征,构建了BP神经网络结合随机森林的组合模型(BP-RF模型)。以60组煤与瓦斯突出工程数据集作为样本,采用平均误差、均方误差、危险等级预测精度和相关系数对模型进行了定量评价。研究结果表明:所建立的BP-RF模型对煤与瓦斯突出危险等级预测的准确率为99.9%,对煤与瓦斯突出量的预测准确率为94.87%。所建立了BP-RF模型性能优于BP、RF、IFOA-GRNN模型,精度较高。同时,根据所建立模型对所有特征的敏感性进行了分析,研究认为煤层深度、厚度煤层、地质构造变化、煤层厚度变化、煤层倾角变化、软层厚度变化、煤层软塌现象、煤层坚固系数变化、钻井动力学现象、气体释放初始速度对模型预测结果最为敏感,在煤矿实际开采过程中必须要高度重视。 展开更多
关键词 煤与瓦斯突出 BP神经网络 随机森林 组合模型 敏感性分析
在线阅读 下载PDF
基于神经网络组合模型的大坝变形预测研究
5
作者 刘开敏 《水利科技与经济》 2024年第8期147-151,共5页
大坝变形对坝体的稳定性和安全性有着重要影响,在多种环境影响下,大坝变形呈现出非稳定性和非线性的特点。为了精准预测大坝变形,研究提出LDM-BRF神经网络组合模型,并将大坝变形实测值和常见的网络模型预测结果进行对比。结果表明,LDM-... 大坝变形对坝体的稳定性和安全性有着重要影响,在多种环境影响下,大坝变形呈现出非稳定性和非线性的特点。为了精准预测大坝变形,研究提出LDM-BRF神经网络组合模型,并将大坝变形实测值和常见的网络模型预测结果进行对比。结果表明,LDM-BRF神经网络模型得出的大坝变形预测结果的均方根误差、平均绝对误差百分比、平均绝对误差低于另外两种模型;LDM-BRF神经网络组合模型得出的大坝变形预测值与实际监测值较为接近,预测效果较好,可进行应用推广。 展开更多
关键词 大坝变形 LDM-BRF神经网络组合模型 BP神经网络模型 预测精度
在线阅读 下载PDF
基于BP神经网络的组合预测模型及其在公路运输量预测中的应用 被引量:16
6
作者 赵淑芝 田振中 +1 位作者 张树山 金俊武 《交通运输系统工程与信息》 EI CSCD 2006年第4期108-112,共5页
组合预测方法与单一预测方法相比可以提高预测的精度和稳定性,因此得到广泛的应用.本文首先概述了组合预测的基本思想,然后介绍了基于BP神经网络的组合预测模型,并以吉林省公路货运量为例给出计算实例,实例的预测结果非常理想,同时也用... 组合预测方法与单一预测方法相比可以提高预测的精度和稳定性,因此得到广泛的应用.本文首先概述了组合预测的基本思想,然后介绍了基于BP神经网络的组合预测模型,并以吉林省公路货运量为例给出计算实例,实例的预测结果非常理想,同时也用数理统计的方法证明了此模型的适用性.统计分析和实践都证明此模型的可行性和适用性,说明将此模型用于公路交通运输量预测是有效可行的. 展开更多
关键词 组合预测 公路运输量 BP神经网络 模型
在线阅读 下载PDF
基于粒子群改进BP神经网络的组合预测模型及其应用 被引量:45
7
作者 崔吉峰 乞建勋 杨尚东 《中南大学学报(自然科学版)》 EI CAS CSCD 北大核心 2009年第1期190-194,共5页
针对应用广泛的传统人工智能预测BP(Back propagation)神经网络自身局限以及其在处理中长期复杂预测问题中需要样本数量大、泛化能力弱等不足,提出利用粒子群算法优化BP神经网络的学习算法,在此基础上,利用灰色预测方法和自回归移动平... 针对应用广泛的传统人工智能预测BP(Back propagation)神经网络自身局限以及其在处理中长期复杂预测问题中需要样本数量大、泛化能力弱等不足,提出利用粒子群算法优化BP神经网络的学习算法,在此基础上,利用灰色预测方法和自回归移动平均模型(ARIMA)时序预测对历史数据进行初步预测,对中长期预测中数据趋势项和随机项进行模拟;将初步预测的结果作为改进BP神经网络的输入,在此基础上进行训练和预测,构建基于改进BP网络的组合预测模型。以我国1978-2007年能源需求数据为样本,进行实例分析。结果表明:组合预测模型预测精度较BP神经网络、灰色预测方法和ARIMA预测方法分别提高4.8%,6.1%和5.3%,验证了组合预测方法在中长期预测问题处理中的有效性。 展开更多
关键词 BP神经网络 粒子群算法 ARIMA模型 灰色理论 组合预测
在线阅读 下载PDF
基于TSO-LSTM神经网络的股票收益率均值预测模型及其在智能投资中的应用
8
作者 刘和扬 申飞飞 杨柳 《湘潭大学学报(自然科学版)》 CAS 2024年第5期101-111,共11页
根据股票收益的历史数据,建立数据和模型双驱动的智能资产配置系统,指导股民投资实现收益最大化.使用金枪鱼群优化(TSO)算法寻参的长短期记忆(LSTM)神经网络为分布鲁棒优化投资组合模型提供收益率的均值与协方差矩阵,求解更符合实际情... 根据股票收益的历史数据,建立数据和模型双驱动的智能资产配置系统,指导股民投资实现收益最大化.使用金枪鱼群优化(TSO)算法寻参的长短期记忆(LSTM)神经网络为分布鲁棒优化投资组合模型提供收益率的均值与协方差矩阵,求解更符合实际情况的分布鲁棒模型得到投资方案.该模型提出的方案在未来前10 d的收益明显高于直接使用历史均值的分布鲁棒模型,亏损天数少于直接使用历史均值的分布鲁棒模型和平均分配资金的方案.同时该文提出的决策系统随着时间的推移,可以通过更新历史数据重新训练LSTM网络,使得模型保持良好的效果.TSO-LSTM神经网络能有效地抓住股票收益率的历史数据特征,实时动态地为投资者提供良好的投资决策. 展开更多
关键词 LSTM神经网络 分布鲁棒投资组合优化 金枪鱼群优化算法 CVaR模型约束
在线阅读 下载PDF
基于LS-SVM和BP神经网络组合模型的GPS高程拟合 被引量:8
9
作者 张腾旭 刘立龙 +3 位作者 周淼 赫林 黄良珂 张鹏飞 《桂林理工大学学报》 CAS 北大核心 2014年第3期505-509,共5页
提出了最小二乘支持向量机(LS-SVM)与BP神经网络的最优加权组合模型。通过实测数据对比分析了LS-SVM、BP神经网络、基于总体最小二乘算法(TLS)的二次多项式曲面拟合和最优加权组合模型的精度,结果表明最优加权组合模型的精度优于其他模型。
关键词 BP神经网络 高程拟合 组合模型
在线阅读 下载PDF
基于BP神经网络的冠状动脉临界病变患者证候要素及其常见组合中医辨证诊断模型研究 被引量:10
10
作者 刘超 高嘉良 +6 位作者 董艳 黄信生 林飞 李易 张振鹏 李军 王阶 《中国中医药信息杂志》 CAS CSCD 2021年第3期104-110,共7页
目的基于BP神经网络方法,建立冠状动脉临界病变患者证候要素及其常见组合的中医辨证诊断模型。方法采用临床流行病学研究方法,多中心收集814例冠状动脉临界病变患者中医四诊信息,由专家对证候要素及其组合进行判定,采用二进制位标识数据... 目的基于BP神经网络方法,建立冠状动脉临界病变患者证候要素及其常见组合的中医辨证诊断模型。方法采用临床流行病学研究方法,多中心收集814例冠状动脉临界病变患者中医四诊信息,由专家对证候要素及其组合进行判定,采用二进制位标识数据,“有”赋值为“1”,“无”赋值为“0”,建立数据库。基于BP神经网络构建冠状动脉临界病变患者证候要素及其常见组合的中医辨证诊断模型,随机从数据库中抽取70%数据作为训练集以建立模型,30%数据作为验证集用于验证模型准确性,同时计算模型受试者工作特征曲线下面积(AUC)以评估模型优劣。结果建立血瘀、气滞、痰浊、热蕴、气虚、阴虚和阳虚7种证候要素的BP神经网络中医辨证诊断模型,训练集准确率均超过90%,验证集准确率均超过85%,训练集平均准确率为94.51%,验证集平均准确率为88.29%,模型平均AUC为0.953。对5种常见证候要素组合形式气虚+血瘀、气虚+气滞、气滞+血瘀、气虚+阴虚、气虚+血瘀+气滞构建BP神经网络中医辨证诊断模型,训练集准确率均超过98%,验证集准确率均超过90%,训练集平均准确率为99.47%,验证集平均准确率为94.34%,模型平均AUC为0.996。结论通过BP神经网络算法,可形成准确率较高且符合临床实际的证候要素及其常见组合的中医辨证诊断模型,为规范冠状动脉临界病变中医证候诊断标准提供客观依据。 展开更多
关键词 BP神经网络 冠状动脉临界病变 证候要素 常见组合 辨证诊断模型
在线阅读 下载PDF
基于组合赋权优化的ES-ARIMA-BP神经网络交通事故预测研究 被引量:1
11
作者 刘尊青 单小曼 +3 位作者 辛宁 侯金超 姚亮 钟丽华 《现代电子技术》 北大核心 2024年第22期71-76,共6页
为提高交通事故模型的预测精度,更好地辨识交通事故在时间维度上的规律特性,基于CRITIC法和熵权法组合赋权,构建一种ES-ARIMA-BP神经网络组合预测模型,探究新疆地区交通事故在时间维度上的月度分布规律。首先,使用指数平滑法(ES)进行预... 为提高交通事故模型的预测精度,更好地辨识交通事故在时间维度上的规律特性,基于CRITIC法和熵权法组合赋权,构建一种ES-ARIMA-BP神经网络组合预测模型,探究新疆地区交通事故在时间维度上的月度分布规律。首先,使用指数平滑法(ES)进行预测,可减少数据间的噪声,并能捕捉时间序列数据中的季节性变动;其次,使用ARIMA模型进行预测,可捕捉数据中的线性部分、非季节性趋势和周期性波动;最后,为更好地应对数据中的复杂非线性及无周期性波动,引入BP神经网络进行预测。结果表明:构建基于组合赋权优化的ES-ARIMA-BP神经网络组合预测模型,平均绝对误差百分比(MAPE)仅为1.869%,决定系数(R^(2))高达0.982,较单一模型及单一赋权法下的组合模型预测误差率更低,拟合程度更好。组合预测模型以数据最大优化为思想基础,可有效克服单一模型的局限,同时采用组合赋权,使其能更好地适应不断变化的数据和环境,从而提高预测的准确度。 展开更多
关键词 交通事故预测 ES-ARIMA-BP 神经网络 组合模型 预测模型 赋权优化
在线阅读 下载PDF
用改进的噪声混沌神经网络模型求解组合优化问题 被引量:5
12
作者 谢传泉 何晨 诸鸿文 《上海交通大学学报》 EI CAS CSCD 北大核心 2002年第3期351-354,共4页
混沌模拟退火方法 (CSA)在解决组合优化问题时有很强的搜索能力 .其中系数α代表能量函数对动态性的影响 ,α太大 ,能量函数影响太强 ,以至于无法得到暂态混沌现象 ,α太小 ,能量函数的影响太弱 ,从而无法收敛到最优解 .提出了一种自适... 混沌模拟退火方法 (CSA)在解决组合优化问题时有很强的搜索能力 .其中系数α代表能量函数对动态性的影响 ,α太大 ,能量函数影响太强 ,以至于无法得到暂态混沌现象 ,α太小 ,能量函数的影响太弱 ,从而无法收敛到最优解 .提出了一种自适应参数动态调整方法 ,随着能量函数的逐渐减小 ,通过加大 α,保持能量函数在整个搜索过程中对搜索动态性保持一定的影响 ,从而加快搜索速度 ,同时保持搜索的精度 .计算机仿真结果表明 ,在保持和增强搜索能力的同时 ,文中动态参数算法所用时间与现有的算法相比可以减少 2 0 %~ 5 0 % . 展开更多
关键词 噪声 混沌 神经网络模型 组合优化问题 推销员问题
在线阅读 下载PDF
基于神经网络的土石坝沉降组合模型 被引量:8
13
作者 徐洪钟 张乾飞 顾冲时 《水电能源科学》 2000年第4期19-21,共3页
采用自适应模糊神经网络建立了土石坝的沉降组合模型 ,并以某土石坝为实例进行了具体分析应用 ,将神经网络预测模型与各个子模型进行了对比分析研究 .结果表明 ,该组合模型具有较好的拟合和预报精度 .采用模糊神经网络进行组合预报 。
关键词 土石坝 沉降 模糊神经网络 组合模型 预报
在线阅读 下载PDF
基于灰色BP神经网络组合模型的基坑变形预测研究 被引量:20
14
作者 贾备 邬亮 《隧道建设》 2009年第3期280-283,289,共5页
为了使得基坑变形预测在"少样本"、"贫信息"的情况下依然能够得出精度较高的结果,在传统的灰色GM(1,1)模型和BP神经网络模型的基础上,进行了灰色BP神经网络组合模型的研究。通过总结2传统模型的原理和算法,归纳各... 为了使得基坑变形预测在"少样本"、"贫信息"的情况下依然能够得出精度较高的结果,在传统的灰色GM(1,1)模型和BP神经网络模型的基础上,进行了灰色BP神经网络组合模型的研究。通过总结2传统模型的原理和算法,归纳各自的优缺点,分析2模型在本质原理上的关系,提出了构建组合模型的方法。利用广州市轨道交通三号线燕塘站的监测数据,对灰色GM(1,1)模型、BP神经网络模型和灰色BP神经网络组合模型分别进行了检验,肯定了组合模型的优越性。 展开更多
关键词 灰色BP神经网络 组合模型 基坑变形预测
在线阅读 下载PDF
模型预测前向神经网络算法及其在组合导航中的应用 被引量:6
15
作者 杨一 高社生 +1 位作者 吴佳鹏 赵岩 《中国惯性技术学报》 EI CSCD 北大核心 2014年第2期221-226,共6页
针对系统误差的不确定性可能会引起滤波精度降低或发散的问题,提出一种新的基于模型预测滤波的前向神经网络算法。首先,采用模型预测滤波估计网络在正向传递过程中的模型误差,并对其进行修正,以弥补模型误差对隐含层权值更新的影响;然后... 针对系统误差的不确定性可能会引起滤波精度降低或发散的问题,提出一种新的基于模型预测滤波的前向神经网络算法。首先,采用模型预测滤波估计网络在正向传递过程中的模型误差,并对其进行修正,以弥补模型误差对隐含层权值更新的影响;然后,利用模型预测滤波为神经网络提供精确的训练样本,学习待估计系统的非线性关系。将提出的算法应用于SINS/CNS/BDS组合导航系统,并与扩展卡尔曼滤波进行比较,仿真结果表明,提出的算法得到的姿态误差、速度误差和位置误差分别在[-0.25′,+0.25′]、[-0.05 m/s,+0.05 m/s]和[-5 m,+5 m]以内,滤波性能明显优于扩展卡尔曼滤波算法,表明该算法能提高组合导航定位的解算精度。 展开更多
关键词 前向神经网络 模型预测滤波 权值修正 SINS/CNS/BDS组合导航
在线阅读 下载PDF
应用小波-人工神经网络组合模型研究电力负荷预报 被引量:10
16
作者 王文圣 朱聪 丁晶 《水电能源科学》 2004年第2期68-70,共3页
针对负荷时间序列的非线性和多时间尺度特性,提出了将小波分析与人工神经网络相结合进行负荷预报的方法——小波-人工神经网络组合模型。该模型吸取了小波分析的多分辨功能和人工神经网络的非线性逼近能力。以月、日平均负荷预报为例对... 针对负荷时间序列的非线性和多时间尺度特性,提出了将小波分析与人工神经网络相结合进行负荷预报的方法——小波-人工神经网络组合模型。该模型吸取了小波分析的多分辨功能和人工神经网络的非线性逼近能力。以月、日平均负荷预报为例对模型进行验证,结果表明:该模型的拟合、检验精度较高。 展开更多
关键词 小坡分析 人工神经网络 组合模型 负荷预报
在线阅读 下载PDF
基于神经网络和SARIMA组合模型的短期交通流预测 被引量:15
17
作者 孙湘海 刘潭秋 《交通运输系统工程与信息》 EI CSCD 2008年第5期32-37,共6页
为了更精确地预测短期交通流,提出由季节自回归求和移动平均模型(SARIMA)和广义回归神经网络(GRNN)模型所构成的组合模型(SARIMA-GRNN模型),该模型结合了时间序列模型和神经网络模型进行时间序列预测的优点.构造该组合模型的两个组成模... 为了更精确地预测短期交通流,提出由季节自回归求和移动平均模型(SARIMA)和广义回归神经网络(GRNN)模型所构成的组合模型(SARIMA-GRNN模型),该模型结合了时间序列模型和神经网络模型进行时间序列预测的优点.构造该组合模型的两个组成模型,即SARIMA模型和GRNN模型,也被用于预测研究以便于验证该组合模型在预测上的优势.实证研究结果表明,组合模型的预测精度高于SARIMA模型,但是却并不必然高于GRNN模型.然而,合理选择组合模型中神经网络部分的输入变量以及输出变量将显著地改善模型的预测精度,本文所构造的这个组合模型不仅具有很好的预测表现而且结构简单,非常适合城市道路短期交通流的实时预测. 展开更多
关键词 短期交通流预测 季节自回归求和移动平均模型 广义回归神经网络模型 组合模型
在线阅读 下载PDF
洪水灾害等级评价的遗传神经网络组合模型 被引量:5
18
作者 周玉良 金菊良 +1 位作者 吴成国 张礼兵 《水电能源科学》 2008年第5期37-39,100,共4页
针对单个洪水灾害等级评价模型的片面性和不稳定性,采用BP算法和BP-RAGA对各单个评价模型进行非线性组合评价,将评价结果作为遗传神经网络输入节点值、洪水灾害评价的标准值作为网络的输出节点值。实例表明,BP-RAGA组合评价模型能综合... 针对单个洪水灾害等级评价模型的片面性和不稳定性,采用BP算法和BP-RAGA对各单个评价模型进行非线性组合评价,将评价结果作为遗传神经网络输入节点值、洪水灾害评价的标准值作为网络的输出节点值。实例表明,BP-RAGA组合评价模型能综合利用各单个评价模型的信息,评价结果具有较强的稳健性,评价精度明显高于单个评价模型,在复杂系统综合评价中具有推广应用价值。 展开更多
关键词 洪水灾害管理 等级评价 组合评价模型 BP神经网络 遗传算法
在线阅读 下载PDF
基于BP神经网络的非线性组合模型及其应用 被引量:4
19
作者 谢定松 薛桂玉 李民 《人民长江》 北大核心 2002年第7期36-37,42,共3页
由于采用最优权组合模型进行大坝安全监测观测资料分析时 ,有时会出现不符合实际的负权重。针对这一情况 ,采用基于BP神经网络的非线性组合模型 ,并进行实例计算。实例表明 ,基于BP神经网络的非线性组合模型是可行的和合理的 ,建立可信... 由于采用最优权组合模型进行大坝安全监测观测资料分析时 ,有时会出现不符合实际的负权重。针对这一情况 ,采用基于BP神经网络的非线性组合模型 ,并进行实例计算。实例表明 ,基于BP神经网络的非线性组合模型是可行的和合理的 ,建立可信的数学模型是作好组合模型的前提 ,基于BP神经网络的非线性组合模型拟合精度和预报效果都要优于最优权组合模型。 展开更多
关键词 BP神经网络 非线性组合模型 大坝 安全监测
在线阅读 下载PDF
基于组合神经网络模型对纺织品热阻与湿阻的估计研究 被引量:2
20
作者 楚艳艳 汪青 +1 位作者 崔世忠 禹建丽 《丝绸》 CAS 北大核心 2008年第4期40-42,共3页
针对纺织品热湿阻估计问题,采用纤维种类、面密度、厚度、透气性和回潮率5个影响因素,基于线性回归模型、BP人工神经网络模型,建立组合神经网络模型,分别对织物热湿阻值进行了实验估计。结果表明,线性回归模型对织物热阻和湿阻的估计精... 针对纺织品热湿阻估计问题,采用纤维种类、面密度、厚度、透气性和回潮率5个影响因素,基于线性回归模型、BP人工神经网络模型,建立组合神经网络模型,分别对织物热湿阻值进行了实验估计。结果表明,线性回归模型对织物热阻和湿阻的估计精度平均值分别为7.97%和6.69%;BP人工神经网络模型的估计精度平均值分别为4.23%和4.72%;组合神经网络模型的估计精度分别为1.31%和1.97%,估计精度高于其他两种模型。 展开更多
关键词 纺织品热湿阻 舒适性 线性回归模型 BP神经网络 组合神经网络模型
在线阅读 下载PDF
上一页 1 2 13 下一页 到第
使用帮助 返回顶部