导读:本文包含了预测神经网络论文开题报告文献综述、选题提纲参考文献,主要关键词:神经网络,算法,挖泥船,磨耗,盾构,正交,动态。
预测神经网络论文文献综述写法
张品一,梁锶[1](2019)在《基于ADGA-BP神经网络模型的金融产业发展趋势仿真与预测》一文中研究指出为了对新常态多目标条件下金融产业发展趋势进行仿真和预测,本文基于经济稳定增长、经济结构优化和创新驱动这叁个目标以及金融产业发展速度与质量的相关变量,构建自适应遗传算法优化BP神经网络模型。对2016年叁个目标进行敏感性调控,发现金融产业发展速度受经济结构优化目标的影响最大,受经济稳定增长目标的影响其次,受创新驱动目标的影响最小;而金融产业发展质量受叁个目标的影响强度相反。并且对2017—2019年金融产业发展趋势进行预测,发现金融产业发展速度将大幅减缓,但是金融资产的质量将逐步提高。(本文来源于《管理评论》期刊2019年12期)
舒服华[2](2019)在《基于Elman神经网络的湖北省固定资产投资额预测》一文中研究指出研究地区固定资产投资变化发展趋势,对该地制定经济产业政策、优化投资结构、保障市场供给、促进就业、改善民生、确保区域经济可持续发展具有重要的意义。Elman神经网络具有局部记忆功能,它既有前馈连接,又有反馈连接,具有能够适应变量动态变化的特性,泛化能力更强,适合处理动态系统变量。运用Elman神经网络对湖北省固定资产投资进行预测,网络有较高的拟合精度,平均拟合误差为2.1553%,比BP神经网络的平均拟合误差减小了16.5870%。由网络预测得到了2019-2023年湖北省固定资产投资额。(本文来源于《广东培正学院论丛》期刊2019年04期)
韩勇,周林,高鹏,王舒康,陈戈[3](2020)在《基于BP神经网络的公交动态行程时间预测方法研究》一文中研究指出公交行程时间的精确预测对于提升公交吸引力具有重要意义。本文基于公交车到离站的历史数据,综合考虑时间周期、站点、站间距离、天气等多个因素,建立了基于BP神经网络的公交车静态行程时间预测模型,以该模型为基础,采用动态迭代的方法,迭加多个站间行程时间预测结果,进一步构建了面向连续站点的公交车动态行程时间预测模型,实现对跨越多个站点的公交行程时间预测。以青岛市125路公交为例对算法进行测试。在模型的横向对比实验中,本模型预测结果的绝对误差均在50 s以内,平均绝对误差百分比(MAPE)为11.74%,均方根误差(RMSE)为23.15,R~2的确定系数为0.905 1,SVM的MAPE、RMSE、R~(2 )误差指标分别为:12.38%、38.33、0.743 6,LR对应的误差指标分别为:12.50%、25.59、0.884 1;在静态模型与动态模型的对比实验中,动态模型预测结果的MAPE为11.75%,RMSE为23.15,静态模型对应误差指标分别为:11.63%、26.74。研究结果表明,基于BP神经网络的公交动态行程时间预测模型比传统的静态预测方法具有更高的预测精度。(本文来源于《中国海洋大学学报(自然科学版)》期刊2020年02期)
李杰,段光友,曾义,段振馨,吴卓熙[4](2019)在《人工神经网络、极端梯度提升和Logistic回归用于预测再次剖宫产术中输血的比较分析》一文中研究指出目的通过大样本临床数据构建再次剖宫产术中输血的预测模型,分析比较人工神经网络(artificial neural network,ANN)、极端梯度提升(extreme gradient boosting,XGB)和Logistic回归3种机器学习算法的预测效果。方法通过医院病历系统,收集我院2015年10月至2017年10月符合纳入标准的再次剖宫产产妇2 525例,详细录入产妇术前、术中各项指标。将可能有临床意义的变量纳入预测模型的构建,分别采用Logistic回归、XGB和ANN 3种机器学习算法构建术中输血预测模型。计算并比较3个模型的ROC曲线下面积(AUROC)、精确度、召回率和F1值4个指标。结果研究的有效样本共2 525例,其中332例(13.1%)进行了术中输血。最终的模型得到5个最重要的预测因素为:术前Hb、手术时间、宫缩乏力、前置胎盘和ASA分级。Logistic回归、XGB和ANN 3种算法的AUROC依次为0.960、0.959、0.956,同时通过F1值、精确度、召回率3个指标的比较发现3种算法差别很小。为进一步比较预测效果,再次在训练样本和测试样本上进行预测验证,发现XGB的AUROC为0.904和0.886,高于Logistic回归的0.868和0.878,以及ANN的0.882和0.884,同时XGB的精确度、召回率和F1 3个指标均略高于Logistic回归和ANN。结论术前Hb、手术时间、前置胎盘等指标可用于预测再次剖宫产术中输血。Logistic回归、XGB和ANN这3种机器学习算法均可用于剖宫产术中输血的预测,但XGB的预测效果比Logistic回归和ANN更准确。(本文来源于《第叁军医大学学报》期刊2019年24期)
郗伟杰,李东辉[5](2019)在《基于遗传算法优化BP神经网络的接触网磨耗预测》一文中研究指出针对接触网磨耗问题,构建利用遗传算法改进的BP神经网络模型进行接触网磨耗预测,将接触压力、列车速度、导线高度、拉出值、电压、列车频次求取均值与方差作为神经网络的输入,接触网平均磨耗量作为输出,通过Matlab编程建立神经网络模型,并通过运用遗传算法的全局搜索优势改进权值和阈值,补偿局部极值缺陷。(本文来源于《电气化铁道》期刊2019年S1期)
周文潮[6](2019)在《基于VP与GA-BP神经网络的变压器运行温度预测》一文中研究指出为提高变压器的动态可靠性,通过建立变压器模型,利用ANSYS软件对其进行仿真,得到了不同环境温度和负载电流匹配下的变压器顶层油温值,并分析了其变化规律;基于GA-BP神经网络预测了其他工况下顶层油温值;将虚拟样机技术与GA-BP神经网络结合,为变压器运行可靠性预测提供了一种全新理念和便捷方法,分析结果为变压器结构设计及其热特性研究提供参考。(本文来源于《电气化铁道》期刊2019年S1期)
岳岭,刘方,刘辉,曹利强[7](2020)在《基于人工神经网络的大直径盾构隧道施工地层变形预测分析》一文中研究指出为了预测盾构施工引起的地表沉降规律,以京张高铁清华园大直径泥水盾构隧道工程为背景,结合盾构试验段隧道掘进过程中地层变形的监测数据,建立基于时间序列的NARNN(不含外部输入)和NARXNN(含外部输入)非线性自回归神经网络预测模型,对重要监测断面测点的隧道掘进过程中地表沉降发展趋势进行预测分析,并与传统时间序列ARMA模型预测结果进行对比,发现NARNN模型、NARXN模型、NARMA模型的预测结果与现场监测数据都比较吻合,而NARNN和NARXN非线性自回归神经网络预测模型精度明显高于传统时间序列ARMA模型,而考虑外部输入的NARXNN模型又比不考虑外部输入的NARNN精度高。因此,在考虑施工方法、地质条件和空间效应(埋深)等外部因素条件下建立的NARXNN模型具有良好的预测效果,能够较好地模拟盾构施工引起的地表沉降规律。(本文来源于《铁道标准设计》期刊2020年01期)
丁磊明,杨晓雷,黄金波,姚剑峰[8](2019)在《基于BP神经网络优化的改进灰色模型在电量预测中的应用》一文中研究指出经济增长与电力需求作为分析一个国家经济运行状况的两个重要指标,两者相互作用,联系紧密。用单一的预测方法预测电量无法保证高精度的预测结果,如何最大程度地提高预测精度是电力系统电量预测的研究的关键。现提出用BP神经网络算法修正灰色预测值的方法,其核心是通过分析月数据规律进行灰色预测外推得到初步预测结果,在充分考虑经济指标与电量的相互作用的情况下,利用BP神经网络对电量预测值进行修正,从而得到实用性更好的中长期电量预测结果。(本文来源于《机电信息》期刊2019年36期)
王柳艳,陈新华,王伟[9](2019)在《基于RBF神经网络的绞吸挖泥船施工产量预测研究及分析》一文中研究指出由于绞吸挖泥船的疏浚作业过程复杂,以往国内外学者大多从利用绞吸挖泥船关键设备的工作特性来开展相关研究并建立其数学模型,但从基本原理上建立绞吸挖泥船控制系统这样一个多参数、非线性、大时滞系统的输入输出模型是不准确的且不能满足实际控制系统的需要。文中采用数据驱动的方法解决绞吸挖泥船控制系统中控制变量与瞬时产量之间的黑盒问题。实验结果表明:在不同工况条件下,RBF神经网络的预测结果可靠性强,该模型可为下一步模型预测控制提供精确的非线性数学模型。(本文来源于《中国港湾建设》期刊2019年12期)
李帆,闫献国,陈峙,郭宏,姚永超[10](2019)在《基于遗传算法优化BP神经网络的YG8硬质合金耐磨性预测模型》一文中研究指出由于BP神经网络全局寻优存在较大误差,本文基于遗传算法(GA)对BP神经网络进行优化,得出YG8硬质合金耐磨性预测模型。取试验条件中的深冷温度、降温速率、深冷时间、回火温度、回火次数等5项关键工艺参数作为GA-BP模型输入,取磨损量作为模型输出。结果表明,GA-BP预测模型更具有灵活性,预测YG8硬质合金耐磨性正确率达到99.54%,且预测精度较传统的BP神经网络提升了4.07%。(本文来源于《金属热处理》期刊2019年12期)
预测神经网络论文开题报告范文
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
研究地区固定资产投资变化发展趋势,对该地制定经济产业政策、优化投资结构、保障市场供给、促进就业、改善民生、确保区域经济可持续发展具有重要的意义。Elman神经网络具有局部记忆功能,它既有前馈连接,又有反馈连接,具有能够适应变量动态变化的特性,泛化能力更强,适合处理动态系统变量。运用Elman神经网络对湖北省固定资产投资进行预测,网络有较高的拟合精度,平均拟合误差为2.1553%,比BP神经网络的平均拟合误差减小了16.5870%。由网络预测得到了2019-2023年湖北省固定资产投资额。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
预测神经网络论文参考文献
[1].张品一,梁锶.基于ADGA-BP神经网络模型的金融产业发展趋势仿真与预测[J].管理评论.2019
[2].舒服华.基于Elman神经网络的湖北省固定资产投资额预测[J].广东培正学院论丛.2019
[3].韩勇,周林,高鹏,王舒康,陈戈.基于BP神经网络的公交动态行程时间预测方法研究[J].中国海洋大学学报(自然科学版).2020
[4].李杰,段光友,曾义,段振馨,吴卓熙.人工神经网络、极端梯度提升和Logistic回归用于预测再次剖宫产术中输血的比较分析[J].第叁军医大学学报.2019
[5].郗伟杰,李东辉.基于遗传算法优化BP神经网络的接触网磨耗预测[J].电气化铁道.2019
[6].周文潮.基于VP与GA-BP神经网络的变压器运行温度预测[J].电气化铁道.2019
[7].岳岭,刘方,刘辉,曹利强.基于人工神经网络的大直径盾构隧道施工地层变形预测分析[J].铁道标准设计.2020
[8].丁磊明,杨晓雷,黄金波,姚剑峰.基于BP神经网络优化的改进灰色模型在电量预测中的应用[J].机电信息.2019
[9].王柳艳,陈新华,王伟.基于RBF神经网络的绞吸挖泥船施工产量预测研究及分析[J].中国港湾建设.2019
[10].李帆,闫献国,陈峙,郭宏,姚永超.基于遗传算法优化BP神经网络的YG8硬质合金耐磨性预测模型[J].金属热处理.2019