基于季节调整的ARIMA模型与BP神经网络的电力负荷组合预测

在总结采场底板破坏深度预测方法和理论的基础上,结合大量实际资料分析,归纳出开采深度、煤层倾角、开采厚度、工作面长度、底板抗破坏能力和有无切穿型断层或破碎带6个方面是影响底板破坏深度的主要因素.根据全国

利用遗传算法进行优化BP神经网络的传递函数，使得优化后的预测误差偏小，进而预测的更加准确

基于BP神经网络的流感病毒预测，林权，张亚鹏，本文研究了流感病毒爆发程度的预测问题。病毒爆发情况的预测直接关系到疫苗的使用效果，本文依据病毒的传播特性和各大洲的地理特

 针对管道系统历史数据缺乏、失效机理非线性的特点,选用具有良好自学习性、鲁棒性等特点的BP神经网络对管道失效状态进行预测。在对管道外表面涂层检测数据预处理的基础上,采用BP神经网络进

能对多因素影响因子进行简单预测输入层多变量 输出层一个变量的BP神经网络实现,对物流量进行预测与分析

该程序基于bp神经网络预测交通流参数，数据来源于加利福尼亚的一段快速路

BP神经网络用于太阳黑子的预测，BP网络通过反向误差传播，可以调整学习的效率，学习的准确性。

对交叉口交通流量预测学习，输入层分为南北流量、东西流量、最大流量、最小流量和总流量五层，输出为交叉口总流量，数据的输入输出隐层数量可以根据实际需求自行更改，

利用MATLAB的BP神经网络进行的预测模型的程序

通过对不同混煤一维燃烧过程中H2S和SO2释放特性的有关数据,应用BP人工神经网络进行预测.通过分析和计算建立了典型的三层BP网络,输入神经元为8个,隐含层神经元个数为6个,输出层神经元个数为2个,用