基于BP神经网络的农机总动力预测.pdfVIP

  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
2011年 12月 农 业 机 械 学 报 第 42卷第 12期 基于BP神经网络的农机总动力预测 1,2 1 2 王吉权  王福林  邱立春 (1.东北农业大学工程学院,哈尔滨 150030;2.沈阳农业大学工程学院,沈阳 110161)   【摘要】 分析了 BP神经网络用于预测时存在的不足,进而对基于 BP神经网络的时间序列的预测问题进行 了探讨。根据BP神经网络结构的特点,依据 Z变换理论,提出了这一类预测问题可选用y=x作为传递函数,并分 析指出了在 BP神经网络中,以y=x作为传递函数与y=a+bx作为传递函数等价的结论,同时指出了网络结构应 为两层网络。在此基础上,推导了相应的计算公式,并分别以单极性S型函数和y=x作为传递函数,对于具有增长 趋势的农机总动力预测问题进行了实例计算。计算结果表明,以 y=x作为传递函数的 BP神经网络在外推效果、 训练样本的数据处理区间影响方面明显优于 S型传递函数的 BP神经网络,并且克服了 S型传递函数的 BP神经网 络在预测问题中存在的不足。 关键词:农机总动力 预测 传递函数 BP神经网络 中图分类号:S23 01 文献标识码:A 文章编号:10001298(2011)12012106 PredictionofTotalPowerinAgricultureMachinery BasedonBPNeuralNetwork 1,2 1 2 WangJiquan  WangFulin QiuLichun (1.CollegeofEngineering,NortheastAgriculturalUniversity,Harbin150030,China 2.CollegeofEngineering,ShenyangAgriculturalUniversity,Shenyang110161,China) Abstract BasedonanalysisofthedeficienciesoftheBPneuralnetworkusedinprediction,thetimeseries predictionbasedonBPneuralnetworkwasdiscussed.AccordingtothecharacteristicsofBPnetwork structureandZtransformtheory,functiony=xwasputforwardtobethetransferfunctioninthiskindof prediction.Besides,theconclusionthatfunctiony=xandy=a+bxwereequivalentintheBPnetwork wasproposed.Itwaspointedoutthatthelayerofnetworkstructureshouldbetwo.Onbasisofthis,the correspondingformulawasderived.WiththeunipolarSfunctionandfunctiony=xasthetransfer functionrespectively,thetotalpowerofagriculturemachinerywascalculated.Theresultsshowedthatthe performanceoffunctiony=xinBPneuralnetworkwasbetterthanStransferfunctioninexternalpush effectandinfluences

文档评论(0)

yeguhong + 关注
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档