暂无评论
基于遗传算法-BP神经网络的突出强度预测,陈见行,韩志婷,煤与瓦斯突出强度的预测对研究煤与瓦斯突出现、保证矿井安全正常生产有着重要意义,本文提出采用遗传算法结合BP神经网络的模型来�
大型深水群桩基础易受到复杂的环境影响,其基桩轴力的变化情况与环境因素之间表现为复杂的非线性关系。综合考虑影响深水群桩基础轴力的环境因素相关参数,分析苏通大桥的原型监测数据,建立BP神经网络预测模型,并
针对煤矿开采过程中存在非线性、强耦合性等特点导致的动力灾害难以预测的问题,引入一种候选解的线性生成机制(LGMS)、混沌搜索、粒子群算法(PSO)和模拟退火算法(SA)修正果蝇算法(IFOA),利用改
基于BP神经网络预报的动态矩阵预测控制
该多元回归预测模型基于BP神经网络,可应用于多输出数据的回归预测,并可通过对数据样本进行训练提高预测精度。该模型的参数设置和训练方法详细介绍了BP神经网络的基本原理和应用。同时,该模型可用于多个领域的
为了预测采矿过程中覆岩的移动,在正交实验设计优化组合的基础上,利用数值模拟软件FLAC3D对采宽、采厚、岩性及采深4个影响覆岩移动因素所构建的16种组合进行模拟。根据数值模拟结果,构建了基于BP神经网
针对离港航班在机场场面滑出时间的动态性变化性和不确定性提出一种基于BP神经网络的离港航班滑出时间预测方法.分析滑出时间影响因素及其相关性讨论强相关中度相关和弱相关的影响因素在滑出时间预测中的作用采用我
通过对KQG150Y潜孔冲击钻机的工作参数指标分析,选取转速、冲击频率、回转扭矩建立凿岩速度预测模型。研究表明:以转速、冲击频率、回转扭矩为特征向量的BP神经网络模型具有良好的泛化能力,识别效果能够达
针对微波加热物料难以建立准确模型的问题,采用粒子群算法优化BP神经网络后,对微波加热物料的温度变化构建系统模型。在该模型上,对温度的变化趋势进行预测。实验结果表明,经过粒子群算法优化后的BP网络,具有
基于BP神经网络实现共享单车数据预测,环境:anaconda+jupyternotebook。文件包含代码+数据集
暂无评论