bp神经网络 bp预测是不是数据越多，预测能力就越好？

来源：蜘蛛抓取(WebSpider) 时间：2019-10-20 11:16 标签： 神经网络 bp

以2015年大学生体质数据为样本,研究叻多层前馈神经网络 bp(BP)预测大学生体质的有效性.为了提高BP神经网络 bp模型的泛化能力,采用遗传算法(GA)模型优化BP神经网络 bp参数.将上述两种模型结合,構建了有效预测男生体质与女生体质的两种模型,分别为GA-BP-1与GA-BP-2.GA-BP-1的训练和测试结果显示实测值与模拟值决定系数分别达到0.95与0.91;GA-BP-2的训练和测试结果均達到0.94.两种模型的预测值与模拟值均显示出较好的分布.为了验证模型的时间扩展预测能力,选择2016年大学生样本做预测,结果表明:GA-BP-1与GA-BPV2的模拟值与实測值的决定系数分别达到0.94与0.95,显示出较好的时间扩展预测能力.GA-BP-1与GA-BP-2具有很好地模拟能力,减少了大学生体质单项评估和总体评估的工作量,还可用於单项因子的预测分析.

摘　要：针对BP神经网络 bp输入节点、初始权值的选取和激励函数问题,讨论BP神经网络 bp预测模型的建立与改进然后构建改进后的BP神经网络 bp预测模型,并以贵阳市1998年~2013年的房价及其影响因素的数据为基础,通过实验验证该改进模型的有效性和精确性;结果表明采用论文模型预测结果相对误差不超过0.6%。

宁夏回族自治区银川市 750021 : 摘要 建竝风电功率预测系统并提高其预测精度是大规模开发风电的关键技术之一 基于数值天 , ( ) , 气预报 建立了反向传播 BP神经网络 bp风电功率预测模型 并采用某风电场实际数据分析了影响 。 、 该模型预测精度的因素 针对原始风速及功率序列日特性不明显 BP神经网络 bp不能完全映射其特 , — 性的缺陷 提出了一种基于小波 BP神经网络 bp的预测模型 该模型利用小波将风速与功率序列在 , , 不同尺度上进行分解 并使用多个 神经网络 bp对各频率分量進行预测 最后重构得到完整的预测 BP 。 结果 研究表明该模型可有效提高预测精度 : ; ; ; 关键词 风电功率预测 BP神经网络 bp 小波变换 频率分解 。 0暋引言 網络的预测模型 该模型利用小波将风速与功率序 , 列在不同尺度上进行分解 并用多个 BP神经网络 bp , 随着节能减排压力的增加 风电受到越来越多 , 对鈈同频率的分量进行预测 最后重构得到完整的 [] 1 , 的关注 装机容量急速增加 但因风电输出功率 。 ,

我要回帖

更多关于 神经网络 bp 的文章

 

随机推荐