Matlab关于人工神经网络在预测中的应用的论文一-基于BP神经网络的电动小巴需求预测.pdf
一、基于Matlab的BP神经网络煤炭需求预测模型
摘要：煤炭是中国的基础能源，支撑着国民经济的商邃发展。在未来的一段时期，煤炭的基础能源地位不会改变。要合理利用煤炭资源，保证我国经济的健康发展，煤炭错求的预测必不可少。近年来煤炭需求的预测存在一定的不足，精度较低。本文基于Matlab技术的双隐层BP神经网络对煤炭需求进行模拟分析，通过实际数据检验和实证分析，预测了未来五年的煤炭需求量。
关键词：前馈神经网络；煤炭需求；预侧；棋型
引言：
影响煤炭需求的因素有很多，它们之间存在着复杂的关系，而不是线性或简单的非线性关系。因此不能用线性或简单非线性函数来描述。这也是为什么目前煤炭需求预测的精度较低的问题所在。BP神经网络是一种神经网络学习算法，通常预先假定网络的结构已经确定，即已知计算单元的层数，每层的单元数目及单元之间的连接，当输入输出之间是非线性关系及训练数据充足的情况下，它可以出色完成不同领域的问题。神经网络对复杂的非线性问题具有较好的描述能力，所以，应用神经网络方法通过样本学习可以掌握煤炭需求量与其影响因素之间复杂的函数关系。这种函数关系比传统的高度简化了的函数关系相比更加接近实际。因此，神经网络预测的精度就较高，预测结果的可靠性就较大。本文建立了基于Matlab技术的双隐层BP神经网络来预测中国煤炭需求的分析模型，探讨中国未来五年煤炭需求变动趋势，为煤炭资源管理提供基础资料和决策支持。
中间内容省略~
结语：
采用基于Matlab的BP神经网络进行煤炭需求预测，计算机编程语言简单，调试方便，程序运行效率较高，误差小于0.01，预测精度较高，因此基于Matlab的BP神经网络煤炭需求预测具有一定的实际应用价值。采用双隐层的BP神经网络，是对BP神经网络的一种优化，可使其泛化能力得到提高。随着时间的推进，可以增加BP神经网络的输人，以此来减少其误差，从而提高预测能力。
基于Matlab的BP神经网络煤炭需求预测模型.pdf
二、基于BP神经网络的电动小巴需求预测
摘要：运用神经网络理论，建立了基于BP神经网络的多变量非线性预测模型，并通过实例分析，验证了该模型的科学性和准确性。最后将该模型应用于武汉市电动小巴需求预测，取得了满意的结果，较好地解决了电动小巴在新建社区合理配置的难题。
关键词：电动小巴;需求预测； BP神经网络； Matlab
引言：
电动汽车代表着21世纪汽车工业的发展方向，是人类理想的绿色交通工具。武汉电动汽车示范运营公司成功地将电动小巴应用于城市公交网络的盲区，其应用规模居全国首位。武汉市电动小巴的应用前景广阔，准确预测电动小巴的潜在需求对于电动小巴的发展具有重要意义。目前，电动汽车在国内外尚处于示范运营阶段，对社区电动小巴配置规模的需求预测研究非常少。电动小巴的需求预测是一个多因素影响的、时变的和复杂的非线性系统，具有高度不确定性，这种不确定性给电动小巴的预测带来了困难。而传统的预测技术预测精度不高，加上不具备自适应和自学习的能力，因而不能满足实际需要。
笔者运用神经网络理论，以武汉电动汽车示范运营公司目前在各个社区电动小巴的合理配置为样本数据，建立了基于BP神经网络的多变量非线性预测模型，并采用Matlab进行编程计算验证了该模型的科学性和准确性。
中间内容省略~
结语：
推广应用电动汽车是目前国家的发展战略之一，而电动汽车的市场预测是一项复杂的系统工程。笔者采用神经网络技术，结合武汉电动汽车示范运营公司多年来的运营经验和数据，准确地拟合了原始数据，得到了预测精度较高的神经网络预测模型，较好地解决了武汉市电动小巴在新建小区合理配置的难题。采用Matlab神经网络工具箱能够方便地实现BP网络模型的创建、训练及仿真，可以大大减少建模和预测的时间，具有其他方法无可比拟的优势。
基于BP神经网络的电动小巴需求预测.pdf
三、基于BP神经网络的丝状真菌生长预测研究
摘要：本文利用BP神经网络描述了丝状真菌的生长状态，经验证网络模型能够准确地反映丝状真菌的生长状况，与传统的回归建模方式相比，明显的降低了误差，提高了准确度。
关键词：生长趋势；BP神经网络；丝状真菌
引言：
人工神经网络是人工构造的模拟人脑功能而构建的一种网络,它吸取了生物神经的一些优点如高度的并行性、非线性全局作用、良好的容错性和联想记忆功能，以及十分强的自我适应和自我学习能力。误差反向传播神经网络（Back Propagation Neural Network）模型是近年应用得最广泛的网络之一，80%以上的应用如函数逼近、模式识别、线性分类、数据压缩等都是基于BP神经网络模型。由于真菌定量化的复杂性所致，目前对丝状真菌生长模型的研究不够深入。国内研究细菌生长模型以及发酵动力学的比较多，但是研究真菌生长模型的还很少。而BP神经网络是一种容错能力极强的非线性动态系统，将神经网络应用于丝状真菌的生长预测，拥有其它方法所不能比拟的优势。
中间内容省略~
结语：
本文提出了基于BP神经网络的木霉生长预测模型。其他常用方法相比，该模型构建简单，预测准确。说明本文提出的方法是行之有效的。在实际应用中,可以通过增加训练的数据量、对数据进行归一化处理等操作，进一步提高预测精度。总之，BP神经网络用于丝状真菌的生长预测，有着良好的前景。
基于BP神经网络的丝状真菌生长预测研究.pdf
