导读:本文包含了神经网络预测论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:神经网络,算法,牙轮,金属陶瓷,磨耗,盾构,正交。
神经网络预测论文文献综述
张品一,梁锶[1]（2019）在《基于ADGA-BP神经网络模型的金融产业发展趋势仿真与预测》一文中研究指出为了对新常态多目标条件下金融产业发展趋势进行仿真和预测,本文基于经济稳定增长、经济结构优化和创新驱动这叁个目标以及金融产业发展速度与质量的相关变量,构建自适应遗传算法优化BP神经网络模型。对2016年叁个目标进行敏感性调控,发现金融产业发展速度受经济结构优化目标的影响最大,受经济稳定增长目标的影响其次,受创新驱动目标的影响最小;而金融产业发展质量受叁个目标的影响强度相反。并且对2017—2019年金融产业发展趋势进行预测,发现金融产业发展速度将大幅减缓,但是金融资产的质量将逐步提高。(本文来源于《管理评论》期刊2019年12期）
韩勇,周林,高鹏,王舒康,陈戈[2]（2020）在《基于BP神经网络的公交动态行程时间预测方法研究》一文中研究指出公交行程时间的精确预测对于提升公交吸引力具有重要意义。本文基于公交车到离站的历史数据,综合考虑时间周期、站点、站间距离、天气等多个因素,建立了基于BP神经网络的公交车静态行程时间预测模型,以该模型为基础,采用动态迭代的方法,迭加多个站间行程时间预测结果,进一步构建了面向连续站点的公交车动态行程时间预测模型,实现对跨越多个站点的公交行程时间预测。以青岛市125路公交为例对算法进行测试。在模型的横向对比实验中,本模型预测结果的绝对误差均在50 s以内,平均绝对误差百分比(MAPE)为11.74%,均方根误差(RMSE)为23.15,R~2的确定系数为0.905 1,SVM的MAPE、RMSE、R~(2 )误差指标分别为:12.38%、38.33、0.743 6,LR对应的误差指标分别为:12.50%、25.59、0.884 1;在静态模型与动态模型的对比实验中,动态模型预测结果的MAPE为11.75%,RMSE为23.15,静态模型对应误差指标分别为:11.63%、26.74。研究结果表明,基于BP神经网络的公交动态行程时间预测模型比传统的静态预测方法具有更高的预测精度。(本文来源于《中国海洋大学学报(自然科学版)》期刊2020年02期）
李杰,段光友,曾义,段振馨,吴卓熙[3]（2019）在《人工神经网络、极端梯度提升和Logistic回归用于预测再次剖宫产术中输血的比较分析》一文中研究指出目的通过大样本临床数据构建再次剖宫产术中输血的预测模型,分析比较人工神经网络(artificial neural network,ANN)、极端梯度提升(extreme gradient boosting,XGB)和Logistic回归3种机器学习算法的预测效果。方法通过医院病历系统,收集我院2015年10月至2017年10月符合纳入标准的再次剖宫产产妇2 525例,详细录入产妇术前、术中各项指标。将可能有临床意义的变量纳入预测模型的构建,分别采用Logistic回归、XGB和ANN 3种机器学习算法构建术中输血预测模型。计算并比较3个模型的ROC曲线下面积(AUROC)、精确度、召回率和F1值4个指标。结果研究的有效样本共2 525例,其中332例(13.1%)进行了术中输血。最终的模型得到5个最重要的预测因素为:术前Hb、手术时间、宫缩乏力、前置胎盘和ASA分级。Logistic回归、XGB和ANN 3种算法的AUROC依次为0.960、0.959、0.956,同时通过F1值、精确度、召回率3个指标的比较发现3种算法差别很小。为进一步比较预测效果,再次在训练样本和测试样本上进行预测验证,发现XGB的AUROC为0.904和0.886,高于Logistic回归的0.868和0.878,以及ANN的0.882和0.884,同时XGB的精确度、召回率和F1 3个指标均略高于Logistic回归和ANN。结论术前Hb、手术时间、前置胎盘等指标可用于预测再次剖宫产术中输血。Logistic回归、XGB和ANN这3种机器学习算法均可用于剖宫产术中输血的预测,但XGB的预测效果比Logistic回归和ANN更准确。(本文来源于《第叁军医大学学报》期刊2019年24期）
郗伟杰,李东辉[4]（2019）在《基于遗传算法优化BP神经网络的接触网磨耗预测》一文中研究指出针对接触网磨耗问题,构建利用遗传算法改进的BP神经网络模型进行接触网磨耗预测,将接触压力、列车速度、导线高度、拉出值、电压、列车频次求取均值与方差作为神经网络的输入,接触网平均磨耗量作为输出,通过Matlab编程建立神经网络模型,并通过运用遗传算法的全局搜索优势改进权值和阈值,补偿局部极值缺陷。(本文来源于《电气化铁道》期刊2019年S1期）
周文潮[5]（2019）在《基于VP与GA-BP神经网络的变压器运行温度预测》一文中研究指出为提高变压器的动态可靠性,通过建立变压器模型,利用ANSYS软件对其进行仿真,得到了不同环境温度和负载电流匹配下的变压器顶层油温值,并分析了其变化规律;基于GA-BP神经网络预测了其他工况下顶层油温值;将虚拟样机技术与GA-BP神经网络结合,为变压器运行可靠性预测提供了一种全新理念和便捷方法,分析结果为变压器结构设计及其热特性研究提供参考。(本文来源于《电气化铁道》期刊2019年S1期）
岳岭,刘方,刘辉,曹利强[6]（2020）在《基于人工神经网络的大直径盾构隧道施工地层变形预测分析》一文中研究指出为了预测盾构施工引起的地表沉降规律,以京张高铁清华园大直径泥水盾构隧道工程为背景,结合盾构试验段隧道掘进过程中地层变形的监测数据,建立基于时间序列的NARNN(不含外部输入)和NARXNN(含外部输入)非线性自回归神经网络预测模型,对重要监测断面测点的隧道掘进过程中地表沉降发展趋势进行预测分析,并与传统时间序列ARMA模型预测结果进行对比,发现NARNN模型、NARXN模型、NARMA模型的预测结果与现场监测数据都比较吻合,而NARNN和NARXN非线性自回归神经网络预测模型精度明显高于传统时间序列ARMA模型,而考虑外部输入的NARXNN模型又比不考虑外部输入的NARNN精度高。因此,在考虑施工方法、地质条件和空间效应(埋深)等外部因素条件下建立的NARXNN模型具有良好的预测效果,能够较好地模拟盾构施工引起的地表沉降规律。(本文来源于《铁道标准设计》期刊2020年01期）
丁磊明,杨晓雷,黄金波,姚剑峰[7]（2019）在《基于BP神经网络优化的改进灰色模型在电量预测中的应用》一文中研究指出经济增长与电力需求作为分析一个国家经济运行状况的两个重要指标,两者相互作用,联系紧密。用单一的预测方法预测电量无法保证高精度的预测结果,如何最大程度地提高预测精度是电力系统电量预测的研究的关键。现提出用BP神经网络算法修正灰色预测值的方法,其核心是通过分析月数据规律进行灰色预测外推得到初步预测结果,在充分考虑经济指标与电量的相互作用的情况下,利用BP神经网络对电量预测值进行修正,从而得到实用性更好的中长期电量预测结果。(本文来源于《机电信息》期刊2019年36期）
陈通,周晓辉[8]（2019）在《基于BP神经网络的深层感知器预测模型》一文中研究指出众所周知,地方财政收入是国家的重要组成部分。科学合理地预测地方财政收入,能有效克服预算收支规模的随意性和盲目性。在大数据的浪潮中,善于利用数据进行财政收入的预测与分析,将大量繁琐零碎的数据转换成有用的决策信息具有非常重要意义。目前,财政收入组合预测模型大都采用的都是叁层神经网络结构;文章结合当前财政收入组合预测方法和深层学习思想,提出了一种基于BP神经网络的深层神经网络预测模型。它是四层神经网络结构,并以西安的财政收入数据为样本,与传统的BP神经网络预测模型进行比较,证明该模型具有学习精度高、收敛速度快、预测精度高等优点,具有广泛的应用性和实用性。(本文来源于《计算机与数字工程》期刊2019年12期）
马猛,王明红[9]（2019）在《基于进化神经网络的304不锈钢车削加工表面粗糙度预测》一文中研究指出表面粗糙度是衡量加工零件质量的重要指标之一,对表面粗糙度进行提前预测有利于提高加工质量。课题组采用正交试验方法进行了YG8硬质合金刀具干式车削304不锈钢棒料的实验,得到不同切削条件下的表面粗糙度。由于BP神经网络的算法预测精度不高而且容易陷入局部极小值,利用遗传算法的全局搜索能力优化BP神经网络的结构和初值,建立基于进化神经网络的表面粗糙度预测模型。结果表明:进化的BP神经网络模型有效地克服了BP神经网络容易陷入局部极小值的缺陷,实现了表面粗糙度的精确预测。(本文来源于《轻工机械》期刊2019年06期）
范鹏飞,张冠[10]（2019）在《基于线性回归和神经网络的金属陶瓷激光熔覆层形貌预测》一文中研究指出目的研究激光熔覆关键工艺参数(激光功率、扫描速度、送粉速率)与单道熔覆层宏观形貌(宽度、高度、熔池深度)之间的数量关系,以实现对WC-Co50复合熔覆层形貌的预测,从而为牙轮钻头的修复提供参考。方法设计不同的实验参数,利用4k W光纤激光器在牙轮钻头钢15MnNi4Mo表面熔覆单道WC-Co50复合涂层。采用工业显微镜观察单道熔覆层的横截面宏观形貌,并测量其叁维尺寸。在上述形貌参数的基础上,分别运用多元线性回归分析和人工神经网络方法,建立关键工艺参数与熔覆层宏观形貌之间的关系模型,并将实验结果与模型预测结果进行对比。结果总体来讲,神经网络对熔覆层形貌的预测结果更为精确,平均相对误差为5.3187%;多元线性回归分析预测的平均相对误差为6.0028%。分析表明,对熔覆层宽度的预测结果最精确,两种方法的平均相对误差仅为1.2999%;对高度及熔池深度的预测结果稍差,平均相对误差分别为8.0586%和7.6237%。结论两种预测方法都具有较高的精度,但神经网络法函数关系不明确,运算过程复杂,需要通过进一步的算法优化来提高预测精度。(本文来源于《表面技术》期刊2019年12期）
神经网络预测论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
公交行程时间的精确预测对于提升公交吸引力具有重要意义。本文基于公交车到离站的历史数据,综合考虑时间周期、站点、站间距离、天气等多个因素,建立了基于BP神经网络的公交车静态行程时间预测模型,以该模型为基础,采用动态迭代的方法,迭加多个站间行程时间预测结果,进一步构建了面向连续站点的公交车动态行程时间预测模型,实现对跨越多个站点的公交行程时间预测。以青岛市125路公交为例对算法进行测试。在模型的横向对比实验中,本模型预测结果的绝对误差均在50 s以内,平均绝对误差百分比(MAPE)为11.74%,均方根误差(RMSE)为23.15,R~2的确定系数为0.905 1,SVM的MAPE、RMSE、R~(2 )误差指标分别为:12.38%、38.33、0.743 6,LR对应的误差指标分别为:12.50%、25.59、0.884 1;在静态模型与动态模型的对比实验中,动态模型预测结果的MAPE为11.75%,RMSE为23.15,静态模型对应误差指标分别为:11.63%、26.74。研究结果表明,基于BP神经网络的公交动态行程时间预测模型比传统的静态预测方法具有更高的预测精度。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
神经网络预测论文参考文献
[1].张品一,梁锶.基于ADGA-BP神经网络模型的金融产业发展趋势仿真与预测[J].管理评论.2019
[2].韩勇,周林,高鹏,王舒康,陈戈.基于BP神经网络的公交动态行程时间预测方法研究[J].中国海洋大学学报(自然科学版).2020
[3].李杰,段光友,曾义,段振馨,吴卓熙.人工神经网络、极端梯度提升和Logistic回归用于预测再次剖宫产术中输血的比较分析[J].第叁军医大学学报.2019
[4].郗伟杰,李东辉.基于遗传算法优化BP神经网络的接触网磨耗预测[J].电气化铁道.2019
[5].周文潮.基于VP与GA-BP神经网络的变压器运行温度预测[J].电气化铁道.2019
[6].岳岭,刘方,刘辉,曹利强.基于人工神经网络的大直径盾构隧道施工地层变形预测分析[J].铁道标准设计.2020
[7].丁磊明,杨晓雷,黄金波,姚剑峰.基于BP神经网络优化的改进灰色模型在电量预测中的应用[J].机电信息.2019
[8].陈通,周晓辉.基于BP神经网络的深层感知器预测模型[J].计算机与数字工程.2019
[9].马猛,王明红.基于进化神经网络的304不锈钢车削加工表面粗糙度预测[J].轻工机械.2019
[10].范鹏飞,张冠.基于线性回归和神经网络的金属陶瓷激光熔覆层形貌预测[J].表面技术.2019
论文知识图
