基于BP神经网络的煤自然发火预报系统

自燃火灾是煤矿的重大自然灾害之一,严重地影响着煤矿的正常生产。预防自燃火灾的关键是做好煤炭自然发火的早期预测预报工作。煤自然发火预测预报主要采用气体分析法,通过煤的升温氧化实验,确定煤自然发火预测预报

基于BP神经网络

BP神经网络-bp神经网络.rarBP神经网络的几个实例  有程序  和word文档

以提高各标志气体对煤自然发火预报的灵敏性和可操作性为出发点,以煤升温氧化气体产物的测定实验为基础,对青山矿硬子槽各煤样产生气体量随温度的变化进行了研究.根据矿井的实际情况,引入初始化数值K,即各升温点

为了研究煤在氧化升温过程中CO、CO2、CH4、C2H6、C2H4等气体对温度的反馈作用,并通过各气体的数据准确预测煤自燃的温度。以赵楼煤矿为背景,采集部分煤样,放入煤自然发火实验炉中,通过数控程序系

基于BP神经网络预报的动态矩阵预测控制

基于BP神经网络的天气预报模型是通过Matlab实现的。BP神经网络在天气预测中具有任意复杂的模式分类能力和优良的多维函数映射能力，可以解决简单感知器无法解决的异或和其他问题。该模型的结构包括输入层、

针对传统BP神经网络收敛速度慢、易陷入局部极小等问题,采用Matlab神经网络工具箱中的自适应学习率VLBP算法和基于数值优化技术的LMBP算法对传统BP神经网络算法进行改进,并设计了基于改进BP神经

基于matlab的编程BP神经网络，可直接转C或C++，非matlab自带神经网络程序。

将股票历史交易数据存入Access数据库，利用BP网络对历史交易数据进行建模。在此基础上，利用学习模型，分类或识别最近的股票交易数据，从而预测股票价格走势。