體系，以BP神經(jīng)網(wǎng)絡(luò)為關(guān)鍵方法構(gòu)建風(fēng)險(xiǎn)評(píng)估模型，分析政務(wù)系統(tǒng)風(fēng)險(xiǎn)的應(yīng)對(duì)策略，并結(jié)合案例闡釋了BP神經(jīng)網(wǎng)絡(luò)模型的應(yīng)用機(jī)制，旨在為政務(wù)部門(mén)優(yōu)化電子政務(wù)系統(tǒng)風(fēng)險(xiǎn)管理實(shí)踐提供審計(jì)支持。 【關(guān)鍵詞】 政府審計(jì)； 電子政務(wù)； 政務(wù)系統(tǒng)； 風(fēng)險(xiǎn)評(píng)估； BP神經(jīng)網(wǎng)絡(luò)【中圖分類(lèi)號(hào)】 F239.4；F49? 【文獻(xiàn)標(biāo)識(shí)碼】 A? 【文章編號(hào)】 1004-5937（2024）02-0035-09 2017年5月，國(guó)務(wù)院辦公廳印發(fā)《政務(wù)信息系統(tǒng)整合共享實(shí)施方案》。2018年7

，并通過(guò)BP神經(jīng)網(wǎng)絡(luò)對(duì)顆粒阻尼器耗能數(shù)據(jù)進(jìn)行訓(xùn)練和預(yù)測(cè)；通過(guò)機(jī)電控制器的隨機(jī)振動(dòng)試驗(yàn)，驗(yàn)證離散元仿真結(jié)論與BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型的準(zhǔn)確性。結(jié)論表明，離散元仿真在振動(dòng)頻率20～40Hz、激勵(lì)幅值2～16mm范圍內(nèi)，其他條件一定時(shí)，阻尼器耗能隨頻率和幅值的增大而增大，隨顆粒填充率先增大后減小，在57%～70%填充率范圍內(nèi)具有最佳耗能效果；在機(jī)載系統(tǒng)隨機(jī)振動(dòng)試驗(yàn)中，顆粒阻尼器填充率處于30%～90%范圍內(nèi)均表現(xiàn)出較好的振動(dòng)抑制效果。仿真和試驗(yàn)結(jié)果對(duì)顆粒阻尼器在機(jī)電

理。采用BP神經(jīng)網(wǎng)絡(luò)對(duì)用戶(hù)用電功率進(jìn)行預(yù)測(cè)，實(shí)現(xiàn)用電行為識(shí)別。在滿(mǎn)足各種安全穩(wěn)定約束條件下，以用電經(jīng)濟(jì)性為目標(biāo)，對(duì)用戶(hù)用電成本進(jìn)行核算，并對(duì)用電行為進(jìn)行優(yōu)化，用以提高用戶(hù)互動(dòng)水平，實(shí)現(xiàn)電力需求側(cè)管理向需求側(cè)響應(yīng)的轉(zhuǎn)變。關(guān)鍵詞：電力物聯(lián)網(wǎng)；BP神經(jīng)網(wǎng)絡(luò)；邊緣計(jì)算；用電行為優(yōu)化中圖分類(lèi)號(hào)：TM73? ? 文獻(xiàn)標(biāo)志碼：A? ? 文章編號(hào)：1671-0797（2023）17-0016-04DOI：10.19514/j.cnki.cn32-1628/tm.2023.

介紹了BP神經(jīng)網(wǎng)絡(luò)和遺傳算法，確定了優(yōu)化后的GA-BP神經(jīng)網(wǎng)絡(luò)組合變形預(yù)測(cè)流程；利用GA-BP神經(jīng)網(wǎng)絡(luò)來(lái)反演土體力學(xué)參數(shù)中的粘聚力，預(yù)測(cè)下一階段基坑的變形特點(diǎn)，并采用PLAXIS軟件對(duì)基坑進(jìn)行模擬，分析了土體粘聚力、內(nèi)摩擦角和灌注樁樁徑等因素對(duì)建筑物基坑穩(wěn)定性的影響，以期提升實(shí)際工程中基坑支護(hù)效果。關(guān)鍵詞： 基坑支護(hù)；GA-BP神經(jīng)網(wǎng)絡(luò)；預(yù)警檢測(cè)；粘聚力；數(shù)值模擬中圖分類(lèi)號(hào)： TP311.5;TQ015.9文獻(xiàn)標(biāo)志碼： A ?文章編號(hào)： 1001-592

，并利用BP神經(jīng)網(wǎng)絡(luò)驗(yàn)證了模型的適用性，為企業(yè)智能會(huì)計(jì)滿(mǎn)意度模型的設(shè)計(jì)應(yīng)用提供參考。關(guān)鍵詞：AHP-BP神經(jīng)網(wǎng)絡(luò) 智能會(huì)計(jì) 滿(mǎn)意度分析中圖分類(lèi)號(hào)：F275.2? 文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1004-4914（2023）08-096-02一、引言2021年11月財(cái)政部制定的《會(huì)計(jì)改革與發(fā)展“十四五”規(guī)劃綱要》中指出，“十四五”時(shí)期會(huì)計(jì)改革與發(fā)展的總體目標(biāo)是：主動(dòng)適應(yīng)我國(guó)經(jīng)濟(jì)社會(huì)發(fā)展客觀需要，會(huì)計(jì)審計(jì)標(biāo)準(zhǔn)體系建設(shè)得到持續(xù)加強(qiáng)，會(huì)計(jì)審計(jì)業(yè)發(fā)展取得顯著成效，會(huì)計(jì)人員

文章采用BP神經(jīng)網(wǎng)絡(luò)分析法對(duì)問(wèn)卷結(jié)果進(jìn)行了驗(yàn)證分析，構(gòu)建了包括薪酬福利、就業(yè)滿(mǎn)意度、能崗匹配度以及人際關(guān)系等四個(gè)維度共16個(gè)評(píng)價(jià)指標(biāo)的大學(xué)畢業(yè)生農(nóng)村基層就業(yè)質(zhì)量評(píng)價(jià)指標(biāo)體系。研究結(jié)果顯示：受訪大學(xué)畢業(yè)生的就業(yè)質(zhì)量處于中等水平，家庭特征、工作特征、社會(huì)支持等對(duì)大學(xué)畢業(yè)生的就業(yè)質(zhì)量有顯著影響，其中人生價(jià)值的實(shí)現(xiàn)對(duì)就業(yè)質(zhì)量的影響最顯著。最終筆者提出促進(jìn)大學(xué)畢業(yè)生到基層就業(yè)的建議。［關(guān)鍵詞］農(nóng)村基層；就業(yè)質(zhì)量；BP神經(jīng)網(wǎng)絡(luò)；評(píng)價(jià)指標(biāo)體系［中圖分類(lèi)號(hào)］ G64 ［文

FR）和BP神經(jīng)網(wǎng)絡(luò)結(jié)果加權(quán)融合模型（BP-RFR），對(duì)土壤有機(jī)質(zhì)含量進(jìn)行預(yù)測(cè)。選取陜西安康盆地研究區(qū)40個(gè)樣點(diǎn)數(shù)據(jù)，對(duì)比分析RFR、BP神經(jīng)網(wǎng)絡(luò)和BP-RFR模型預(yù)測(cè)效果，使用決定系數(shù)（[R2]）、平均絕對(duì)百分比誤差（MAPE）和均方誤差（MSE）來(lái)評(píng)估模型性能。結(jié)果表明，BP-RFR、BP和RFR 模型三者預(yù)測(cè)值與實(shí)測(cè)值的決定系數(shù)（[R2]）分別為0.954 5、0.951 4、0.933 5，MAPE分別為0.037 7、0.045 1、0.091

提出基于BP神經(jīng)網(wǎng)絡(luò)的民辦高校國(guó)際項(xiàng)目班教學(xué)質(zhì)量評(píng)價(jià)方法。構(gòu)建了包含教學(xué)能力、教學(xué)態(tài)度、教學(xué)內(nèi)容、教學(xué)方法和教學(xué)效果的一級(jí)評(píng)價(jià)指標(biāo)，并且以各個(gè)一級(jí)指標(biāo)為基礎(chǔ)，細(xì)化構(gòu)建了二級(jí)評(píng)價(jià)指標(biāo)，對(duì)二級(jí)指標(biāo)進(jìn)行個(gè)性化賦權(quán)后，將權(quán)重系數(shù)輸入到三層拓?fù)浣Y(jié)構(gòu)的BP神經(jīng)網(wǎng)絡(luò)中，通過(guò)適應(yīng)度參數(shù)對(duì)輸出結(jié)果進(jìn)行約束，得到最終的評(píng)價(jià)結(jié)果。在測(cè)試結(jié)果中，設(shè)計(jì)方法的評(píng)價(jià)結(jié)果誤差穩(wěn)定在1.20以?xún)?nèi)，具有較高的可靠性。關(guān)鍵詞： BP神經(jīng)網(wǎng)絡(luò)；教學(xué)質(zhì)量；一級(jí)評(píng)價(jià)指標(biāo)；二級(jí)評(píng)價(jià)指標(biāo)；三層拓?fù)浣Y(jié)構(gòu)；

次，介紹BP神經(jīng)網(wǎng)絡(luò)和PSO算法的基本原理及其應(yīng)用，并探討基于粗糙集理論的特征選擇方法。再次，基于粗糙PSO-BP神經(jīng)網(wǎng)絡(luò)的冷鏈物流服務(wù)商選擇模型，本文詳細(xì)介紹了模型的框架、流程和各個(gè)模塊的實(shí)現(xiàn)方法。最后，本文進(jìn)行實(shí)驗(yàn)設(shè)計(jì)和分析，評(píng)估了模型的性能，并與其他方法進(jìn)行比較和討論。實(shí)驗(yàn)結(jié)果表明，該模型在選取冷鏈物流服務(wù)商方面具有較高的準(zhǔn)確性和預(yù)測(cè)能力。關(guān)鍵詞：冷鏈物流服務(wù)商選擇；BP神經(jīng)網(wǎng)絡(luò)；PSO算法；物流規(guī)劃本文索引：蔡海榮.[J].中國(guó)商論，2023（13

最后使用BP神經(jīng)網(wǎng)絡(luò)構(gòu)建價(jià)值評(píng)估模型。結(jié)果表明：通過(guò)191條數(shù)據(jù)的訓(xùn)練仿真，基于BP神經(jīng)網(wǎng)絡(luò)的科創(chuàng)板企業(yè)價(jià)值評(píng)估模型預(yù)測(cè)準(zhǔn)確度為82.93%，模型具有較好的適用性和可靠性。其中，EVA的相對(duì)影響度為23.69%，能有效反映科創(chuàng)板企業(yè)真實(shí)的價(jià)值創(chuàng)造能力?！娟P(guān)鍵詞】 科創(chuàng)板企業(yè)； 價(jià)值評(píng)估； EVA； BP神經(jīng)網(wǎng)絡(luò)【中圖分類(lèi)號(hào)】 F234.3；F270? 【文獻(xiàn)標(biāo)識(shí)碼】 A? 【文章編號(hào)】 1004-5937（2023）13-0019-08一、引言自2019年

：考慮到BP神經(jīng)網(wǎng)絡(luò)模型和PSO粒子群優(yōu)化算法存在有的收斂速度慢及陷入局部最優(yōu)的問(wèn)題，給出了基于融合混沌（Chaos）模型和模擬退火（SA）算法而設(shè)計(jì)的PSO-BP神經(jīng)網(wǎng)絡(luò)模型。將混沌模型和SA算法的優(yōu)點(diǎn)進(jìn)行融合并對(duì)PSO算法加以改進(jìn)，防止PSO算法因“早熟”而處于局部最優(yōu)，從而得出BP神經(jīng)網(wǎng)絡(luò)模型的權(quán)值與閾值集合。實(shí)例驗(yàn)證結(jié)果表明，CSAPSO-BP神經(jīng)網(wǎng)絡(luò)模型的收斂性高于PSO-BP神經(jīng)網(wǎng)絡(luò)模型與SAPSO-BP神經(jīng)網(wǎng)絡(luò)模型，其平均絕對(duì)百分比誤差分別比

和預(yù)測(cè)的BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，實(shí)現(xiàn)熱網(wǎng)管路故障診斷。關(guān)鍵詞：供熱系統(tǒng)；仿真建模；BP神經(jīng)網(wǎng)絡(luò)；故障診斷；監(jiān)測(cè)預(yù)警中圖分類(lèi)號(hào)：TN929文獻(xiàn)標(biāo)志碼：A0引言近年來(lái)，神經(jīng)網(wǎng)絡(luò)因具有抗干擾性、泛化能力強(qiáng)、學(xué)習(xí)速度快等優(yōu)勢(shì)，在故障分類(lèi)診斷上得到越來(lái)越多的運(yùn)用。本文主要研究的故障診斷算法是BP神經(jīng)網(wǎng)絡(luò)，該網(wǎng)絡(luò)具有較為柔性的網(wǎng)絡(luò)結(jié)構(gòu)，對(duì)非線性問(wèn)題具有很好的映射能力，是目前神經(jīng)網(wǎng)絡(luò)中使用最廣泛的［1］。在深入研究BP神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)上，本文對(duì)損失函數(shù)、動(dòng)態(tài)學(xué)習(xí)率等進(jìn)行了改進(jìn)，

數(shù)據(jù)采用BP神經(jīng)網(wǎng)絡(luò)建立了車(chē)床主軸徑向跳動(dòng)熱誤差模型，通過(guò)該預(yù)測(cè)模型的結(jié)果可以采用BP神經(jīng)網(wǎng)絡(luò)來(lái)對(duì)車(chē)床主軸徑向跳動(dòng)熱誤差來(lái)進(jìn)行分析預(yù)測(cè)。關(guān)鍵詞：熱誤差；加工精度；BP神經(jīng)網(wǎng)絡(luò)中圖分類(lèi)號(hào)：TP18? ? 文獻(xiàn)標(biāo)識(shí)碼：A? ? 文章編號(hào)：2096-4706（2023）07-0147-05Abstract： In precision machining， the influence of thermal error on machining accuracy c

文章基于BP神經(jīng)網(wǎng)絡(luò)構(gòu)建了一種企業(yè)債務(wù)風(fēng)險(xiǎn)預(yù)警系統(tǒng)，該系統(tǒng)由基礎(chǔ)應(yīng)用層、虛擬網(wǎng)絡(luò)層、安全共識(shí)層、數(shù)據(jù)處理層及實(shí)際應(yīng)用層等結(jié)構(gòu)組成，實(shí)現(xiàn)了企業(yè)債務(wù)風(fēng)險(xiǎn)預(yù)警工作必需的功能，如構(gòu)建基于BP神經(jīng)網(wǎng)絡(luò)的非線性預(yù)警模型等。關(guān)鍵詞：BP神經(jīng)網(wǎng)絡(luò)；企業(yè)債務(wù)風(fēng)險(xiǎn)；預(yù)警系統(tǒng)；智能風(fēng)險(xiǎn)監(jiān)控中圖分類(lèi)號(hào)：TN915.03文獻(xiàn)標(biāo)志碼：A0引言企業(yè)外部生存環(huán)境的惡劣及企業(yè)間競(jìng)爭(zhēng)的加劇，促使企業(yè)向規(guī)?；?zhuān)業(yè)化發(fā)展。在企業(yè)的一般經(jīng)營(yíng)活動(dòng)中，面向外部籌集企業(yè)發(fā)展壯大所需資金屬于較為常見(jiàn)的行

一種基于BP神經(jīng)網(wǎng)絡(luò)的設(shè)計(jì)方法。通過(guò)調(diào)研獲得產(chǎn)品外觀感性描述詞，并將其作為指標(biāo)進(jìn)行打分評(píng)價(jià)，作為輸出層參數(shù)，即將產(chǎn)品拆解成外觀元素并編碼作為輸入層參數(shù)，再使用BP神經(jīng)網(wǎng)絡(luò)模型建立起外觀設(shè)計(jì)元素與用戶(hù)感性意向的關(guān)系模型。利用數(shù)學(xué)軟件進(jìn)行訓(xùn)練和測(cè)試，最終得到基于BP神經(jīng)網(wǎng)絡(luò)的無(wú)人機(jī)外觀設(shè)計(jì)預(yù)測(cè)模型，從而指導(dǎo)設(shè)計(jì)師有針對(duì)性地評(píng)價(jià)并挑選設(shè)計(jì)方案，高效率地提供初步的設(shè)計(jì)方案。實(shí)驗(yàn)結(jié)果證明，應(yīng)用BP神經(jīng)網(wǎng)絡(luò)的搭建模型能夠快速建立起針對(duì)消費(fèi)者感性需求的工業(yè)產(chǎn)品外觀設(shè)計(jì)系

理技術(shù)與BP神經(jīng)網(wǎng)絡(luò)相結(jié)合的判別方法。首先收集不同弊病類(lèi)型的男西裝袖圖像，借用MATLAB平臺(tái)，對(duì)圖像進(jìn)行灰度化、灰度增強(qiáng)、二值化等預(yù)處理，繪制褶皺部位的灰度曲線圖；然后基于灰度曲線圖以及二值化圖提取褶皺寬度、褶皺深度和褶皺斜率等3個(gè)特征參數(shù)；最后將提取的特征參數(shù)和對(duì)應(yīng)的弊病類(lèi)型輸入到BP神經(jīng)網(wǎng)絡(luò)中訓(xùn)練和識(shí)別，對(duì)男西裝袖弊病圖像的類(lèi)型進(jìn)行分類(lèi)。結(jié)果顯示，提出的方法對(duì)袖弊病類(lèi)型的判別具有較高的準(zhǔn)確率與穩(wěn)定性。關(guān)鍵詞：男西裝袖；弊病類(lèi)型；褶皺；圖像處理；BP神

層，構(gòu)建BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)模型，定量預(yù)測(cè)抗旱指標(biāo)特征。通過(guò)改變學(xué)習(xí)樣本獲得3個(gè)學(xué)習(xí)模型的預(yù)測(cè)值，預(yù)測(cè)值與實(shí)際值之間的誤差小于10%。把實(shí)際值和模型預(yù)測(cè)值進(jìn)行線性擬合，R2＞0.95。本研究構(gòu)建的BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)模型可用于定量預(yù)測(cè)水稻種質(zhì)資源的抗旱性，預(yù)測(cè)的準(zhǔn)確度和穩(wěn)定性均優(yōu)于單一的回歸分析；分蘗期干物質(zhì)量、分蘗期葉面積、拔節(jié)期株高、最高分蘗數(shù)、穗粒數(shù)、結(jié)實(shí)率、千粒質(zhì)量、產(chǎn)量、生物量、經(jīng)濟(jì)系數(shù)可作為水稻抗旱能力鑒定指標(biāo)；稻堅(jiān)強(qiáng)為抗旱性最強(qiáng)的種質(zhì)資源。關(guān)鍵詞：寒

SO優(yōu)化BP神經(jīng)網(wǎng)絡(luò)對(duì)50個(gè)新化合物的生物活性值進(jìn)行預(yù)測(cè)，模型擬合度為0.833 7，根均方誤差為0.731 5，比優(yōu)化前的BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)值更貼合實(shí)際．隨后為提高藥物研發(fā)的成功率，依據(jù)已有的ADMET性質(zhì)數(shù)據(jù)利用PSO優(yōu)化SVM構(gòu)建ADMET分類(lèi)預(yù)測(cè)模型，算法交叉驗(yàn)證CV準(zhǔn)確率達(dá)到94.076 7％，5個(gè)指標(biāo)模型的預(yù)測(cè)準(zhǔn)確率均在79％以上．結(jié)果表明，所建立的模型比基準(zhǔn)模型的預(yù)測(cè)性能更好，采用的預(yù)測(cè)策略是有效的，可為抗乳腺癌藥物的研發(fā)提供借鑒．關(guān)鍵詞抗乳腺

要：構(gòu)建BP神經(jīng)網(wǎng)絡(luò)模型，對(duì)我國(guó)病毒性肝炎發(fā)病趨勢(shì)進(jìn)行預(yù)測(cè).收集1990-2019年全國(guó)病毒性肝炎發(fā)病率的數(shù)據(jù)，分別構(gòu)建ARIMA模型、支持向量回歸、BP神經(jīng)網(wǎng)絡(luò)、ARIMA-SVR、ARIMA-BPANN模型，對(duì)病毒性肝炎發(fā)病率進(jìn)行預(yù)測(cè).實(shí)驗(yàn)結(jié)果表明，BP神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)的效果最佳，得到測(cè)試集的擬合值和真實(shí)值的RMSE（平均殘差平方和的平方根）和MAPE（平均絕對(duì)百分誤差）分別只有0.427 3和0.385 8，遠(yuǎn)小于其他預(yù)測(cè)模型.關(guān)鍵詞：病毒性肝炎；發(fā)

：解耦；BP神經(jīng)網(wǎng)絡(luò)；有限元分析；標(biāo)定實(shí)驗(yàn)；盤(pán)形滾刀中圖分類(lèi)號(hào)：TP391 文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1009-3044（2023）12-0100-03盤(pán)形滾刀作為一種挖掘堅(jiān)硬巖石的刀具，常應(yīng)用于盾構(gòu)機(jī)和TBM等大型掘進(jìn)設(shè)備。對(duì)滾刀載荷進(jìn)行實(shí)時(shí)監(jiān)測(cè)，借助不同刀位的滾刀載荷情況從而獲得掌子面巖體參數(shù)[1]，滾刀載荷信息還可作為優(yōu)化滾刀布置的參考，使刀盤(pán)受力更均勻[2]。國(guó)內(nèi)外學(xué)者針對(duì)上述問(wèn)題，研發(fā)了各具特色的TBM滾刀載荷測(cè)量方法，如Samuel等人[3]在掘

入不同的BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，使用時(shí)數(shù)據(jù)庫(kù)系統(tǒng)自動(dòng)讀取庫(kù)內(nèi)已有的算法模型或根據(jù)已有的試驗(yàn)數(shù)據(jù)訓(xùn)練新的模型，之后錄入試驗(yàn)數(shù)據(jù)會(huì)自動(dòng)對(duì)模型重新訓(xùn)練，實(shí)現(xiàn)隨數(shù)據(jù)庫(kù)內(nèi)試驗(yàn)數(shù)據(jù)擴(kuò)展或修正自動(dòng)適應(yīng)的參數(shù)預(yù)測(cè)，能夠預(yù)測(cè)未知工藝參數(shù)下的焊縫形貌尺寸。最后，基于MIG工藝設(shè)計(jì)了1組驗(yàn)證試驗(yàn)對(duì)數(shù)據(jù)庫(kù)的預(yù)測(cè)功能效果進(jìn)行檢驗(yàn)，熔寬預(yù)測(cè)誤差為1.3%，余高預(yù)測(cè)誤差為1.5%，說(shuō)明了數(shù)據(jù)庫(kù)系統(tǒng)預(yù)測(cè)功能的可行性。關(guān)鍵詞： 數(shù)據(jù)庫(kù); 電弧熔絲增材制造; 打印工藝; 焊縫形貌預(yù)測(cè); BP神經(jīng)網(wǎng)

PCA；BP神經(jīng)網(wǎng)絡(luò)；BPEQI1引言小學(xué)教育作為中國(guó)教育的組成部分，已被列入國(guó)家教育的重中之重[1]。保證小學(xué)教育的質(zhì)量，是實(shí)現(xiàn)“科教興國(guó)”戰(zhàn)略的基礎(chǔ)保障。2001年，在《國(guó)務(wù)院關(guān)于基礎(chǔ)教育改革與發(fā)展的決定》文件中提出，“改革考試評(píng)價(jià)和招生選拔制度”“建立對(duì)地區(qū)和學(xué)校實(shí)施素質(zhì)教育的評(píng)價(jià)機(jī)制”。由此可見(jiàn)，建立一套完善的小學(xué)教育質(zhì)量評(píng)價(jià)體系，量化教育質(zhì)量評(píng)價(jià)指數(shù)，一直以來(lái)都是國(guó)家教育發(fā)展的戰(zhàn)略需求。目前，國(guó)際教育指數(shù)體系主要包括3類(lèi)：世界銀行發(fā)行的《世界發(fā)展

構(gòu)建基于BP神經(jīng)網(wǎng)絡(luò)的評(píng)估模型?！窘Y(jié)果】將研究數(shù)據(jù)導(dǎo)入評(píng)估模型，得到脆弱性評(píng)估指數(shù)，從時(shí)間和空間兩個(gè)維度對(duì)研究區(qū)洪災(zāi)脆弱性進(jìn)行特征分析。【結(jié)論】①時(shí)間上，2010—2020年8市洪澇災(zāi)害脆弱性呈現(xiàn)“整體下降、局部波動(dòng)”趨勢(shì)；②空間上，8市空間分異顯著，呈現(xiàn)出整體分散、局部集中的分布形式，脆弱性從西到東呈現(xiàn)“高-低-高-低”分布特征；③省會(huì)城市鄭州10年間洪災(zāi)脆弱性指數(shù)居高，并在空間上處于脆弱性等級(jí)較高區(qū)域。關(guān)鍵詞：洪澇災(zāi)害；脆弱性；BP神經(jīng)網(wǎng)絡(luò)；沿黃城市中

征權(quán)重；BP神經(jīng)網(wǎng)絡(luò)電影票房在電影產(chǎn)業(yè)中占有舉足輕重的地位，因此，在電影發(fā)行當(dāng)天對(duì)電影票房做出準(zhǔn)確的預(yù)估，可以幫助制片人控制風(fēng)險(xiǎn)，幫助影院制定排片計(jì)劃，并引導(dǎo)影院和制片人制定市場(chǎng)戰(zhàn)略。在前期對(duì)電影票房的影響因子及票房預(yù)估的探討中，研究者著重于電影上映之前所確立的靜態(tài)影響因子，如主演、導(dǎo)演、編劇、題材、制式、獲獎(jiǎng)及提名、上映檔期、發(fā)行公司、電影地區(qū)等。目前，對(duì)于上述的一些靜態(tài)影響因子，大部分學(xué)者都建立了比較完整的評(píng)價(jià)體系和比較科學(xué)的定量模型，而這些靜態(tài)因子在

測(cè)模型；BP神經(jīng)網(wǎng)絡(luò)中圖分類(lèi)號(hào)：G642 文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1009-3044（2023）03-0016-031 引言新冠病毒自2019年12月被發(fā)現(xiàn)以來(lái)，迅速蔓延至全球，給全世界的經(jīng)濟(jì)發(fā)展帶來(lái)了不容小覷的影響，民航業(yè)是受疫情沖擊最大的行業(yè)之一。吳婷婷等將新冠疫情與非典疫情作比較，提出新冠疫情短期內(nèi)對(duì)交通運(yùn)輸行業(yè)會(huì)產(chǎn)生較大不利影響[1]。在新冠疫情的沖擊下，我國(guó)民航市場(chǎng)受到了較大的損失，基于預(yù)測(cè)的角度研究疫情對(duì)民航業(yè)的影響，將為后疫情時(shí)代我國(guó)民航客運(yùn)

構(gòu)建基于BP神經(jīng)網(wǎng)絡(luò)的線上教學(xué)質(zhì)量評(píng)價(jià)模型，結(jié)合我校MOOC課程、直播課程等在線課程的教學(xué)實(shí)際數(shù)據(jù)來(lái)訓(xùn)練模型，給出了線上教學(xué)質(zhì)量評(píng)價(jià)的一般方法。關(guān)鍵詞：線上教學(xué)評(píng)價(jià)；BP神經(jīng)網(wǎng)絡(luò)；教學(xué)大數(shù)據(jù)；數(shù)據(jù)挖掘中圖分類(lèi)號(hào)：G642? 文獻(xiàn)標(biāo)識(shí)碼：A? 文章編號(hào)：1673-260X（2023）04-0064-061 高校開(kāi)展在線教學(xué)的意義在互聯(lián)網(wǎng)技術(shù)時(shí)代，信息技術(shù)廣泛應(yīng)用于教育行業(yè)，數(shù)字化、網(wǎng)絡(luò)化、智慧化的學(xué)習(xí)方式越來(lái)越流行[1]。在線教學(xué)，是指通過(guò)互聯(lián)網(wǎng)技術(shù)或其他數(shù)

歸模型和BP神經(jīng)網(wǎng)絡(luò)模型，并以虎牙為例，采用實(shí)證研究方式驗(yàn)證了企業(yè)價(jià)值影響因素中存在網(wǎng)狀相關(guān)的問(wèn)題是目前網(wǎng)絡(luò)直播平臺(tái)企業(yè)估值模型存在誤差的原因之一，并提出改進(jìn)建議。關(guān)鍵詞：網(wǎng)絡(luò)直播平臺(tái)企業(yè)；線性回歸模型；BP神經(jīng)網(wǎng)絡(luò)；改進(jìn)建議本文索引：韓浩東，石書(shū)玲.<變量 2>[J].中國(guó)商論，2023（09）：-150.中圖分類(lèi)號(hào)：F124.3 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：2096-0298（2023）05（a）--051 引言隨著互聯(lián)網(wǎng)技術(shù)的發(fā)展，網(wǎng)絡(luò)直播在國(guó)內(nèi)的熱度

性，利用BP神經(jīng)網(wǎng)絡(luò)算法構(gòu)建模型，采用MATLAB對(duì)某店鋪的2021年筆記本電腦的銷(xiāo)售數(shù)據(jù)進(jìn)行了網(wǎng)絡(luò)訓(xùn)練，通過(guò)Pearson相關(guān)系數(shù)來(lái)分析輸入層各節(jié)點(diǎn)和輸出層銷(xiāo)售額之間的相關(guān)性，確定了訪客數(shù)UV、收藏?cái)?shù)、加購(gòu)物車(chē)次數(shù)、客單價(jià)和支付轉(zhuǎn)化率等5個(gè)輸入層節(jié)點(diǎn)，銷(xiāo)售額為輸出層節(jié)點(diǎn)。實(shí)驗(yàn)證明了構(gòu)建的BP神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)值和實(shí)際值誤差小，預(yù)測(cè)準(zhǔn)確度高，可為筆記本電腦銷(xiāo)售計(jì)劃安排及庫(kù)存管理提供依據(jù)。關(guān)鍵詞： BP神經(jīng)網(wǎng)絡(luò)； Pearson相關(guān)系數(shù)； 筆記本銷(xiāo)售； 預(yù)測(cè)中

PCA；BP神經(jīng)網(wǎng)絡(luò)；BPEQI1引言小學(xué)教育作為中國(guó)教育的組成部分，已被列入國(guó)家教育的重中之重[1]。保證小學(xué)教育的質(zhì)量，是實(shí)現(xiàn)“科教興國(guó)”戰(zhàn)略的基礎(chǔ)保障。2001年，在《國(guó)務(wù)院關(guān)于基礎(chǔ)教育改革與發(fā)展的決定》文件中提出，“改革考試評(píng)價(jià)和招生選拔制度”“建立對(duì)地區(qū)和學(xué)校實(shí)施素質(zhì)教育的評(píng)價(jià)機(jī)制”。由此可見(jiàn)，建立一套完善的小學(xué)教育質(zhì)量評(píng)價(jià)體系，量化教育質(zhì)量評(píng)價(jià)指數(shù)，一直以來(lái)都是國(guó)家教育發(fā)展的戰(zhàn)略需求。目前，國(guó)際教育指數(shù)體系主要包括3類(lèi)：世界銀行發(fā)行的《世界發(fā)展

征權(quán)重；BP神經(jīng)網(wǎng)絡(luò)電影票房在電影產(chǎn)業(yè)中占有舉足輕重的地位，因此，在電影發(fā)行當(dāng)天對(duì)電影票房做出準(zhǔn)確的預(yù)估，可以幫助制片人控制風(fēng)險(xiǎn)，幫助影院制定排片計(jì)劃，并引導(dǎo)影院和制片人制定市場(chǎng)戰(zhàn)略。在前期對(duì)電影票房的影響因子及票房預(yù)估的探討中，研究者著重于電影上映之前所確立的靜態(tài)影響因子，如主演、導(dǎo)演、編劇、題材、制式、獲獎(jiǎng)及提名、上映檔期、發(fā)行公司、電影地區(qū)等。目前，對(duì)于上述的一些靜態(tài)影響因子，大部分學(xué)者都建立了比較完整的評(píng)價(jià)體系和比較科學(xué)的定量模型，而這些靜態(tài)因子在

，建立了BP神經(jīng)網(wǎng)絡(luò)研發(fā)成本預(yù)測(cè)模型，并對(duì)網(wǎng)絡(luò)進(jìn)行仿真測(cè)試，以杭可科技公司為例應(yīng)用預(yù)測(cè)模型進(jìn)一步驗(yàn)證其可行性與準(zhǔn)確性，結(jié)果發(fā)現(xiàn)：BP神經(jīng)網(wǎng)絡(luò)模型在科創(chuàng)板企業(yè)研發(fā)成本預(yù)測(cè)上的應(yīng)用是行之有效的；BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)相較于傳統(tǒng)的回歸預(yù)測(cè)擬合效果好，有較高的預(yù)測(cè)精度； BP神經(jīng)網(wǎng)絡(luò)的應(yīng)用能提升科創(chuàng)板企業(yè)研發(fā)成本預(yù)測(cè)的準(zhǔn)確性，解決歷史數(shù)據(jù)不足問(wèn)題，也能為企業(yè)降本增效指明方向。最后，鑒于真實(shí)情況和預(yù)測(cè)結(jié)果為科創(chuàng)板企業(yè)降本增效工作提出相應(yīng)的改進(jìn)建議?！娟P(guān)鍵詞】 科創(chuàng)板企業(yè)；

關(guān)鍵詞：BP神經(jīng)網(wǎng)絡(luò);工程保障；效能分析；評(píng)估模型；網(wǎng)絡(luò)訓(xùn)練1 引言工程保障裝備保障效能是工程保障裝備在實(shí)施保障活動(dòng)中發(fā)揮作用的有效程度，是裝備保障體系的主體要素和結(jié)構(gòu)機(jī)制、運(yùn)行狀態(tài)及其共同作用結(jié)果的綜合反映[1]。主要表現(xiàn)為裝備在完成保障任務(wù)的過(guò)程中，將其潛在保障能力轉(zhuǎn)化為實(shí)際保障能力程度。它是衡量裝備運(yùn)用質(zhì)量、運(yùn)用時(shí)效、運(yùn)用效果的綜合性標(biāo)準(zhǔn)[2] [3]。有助指揮員對(duì)工程保障裝備的保障能力有深刻認(rèn)識(shí)，為保障決策做支撐。2 構(gòu)建指標(biāo)體系及方法2.1 工程

c回歸、BP神經(jīng)網(wǎng)絡(luò)和決策樹(shù)構(gòu)建線性組合預(yù)測(cè)模型。結(jié)果顯示，構(gòu)建的組合模型在個(gè)人信用風(fēng)險(xiǎn)預(yù)測(cè)準(zhǔn)確率和第一類(lèi)誤判率表現(xiàn)上優(yōu)于3種單一模型，并且模型具有較好的泛化穩(wěn)健性。關(guān)鍵詞：組合預(yù)測(cè)模型；Logistic回歸；BP神經(jīng)網(wǎng)絡(luò)；決策樹(shù)中圖分類(lèi)號(hào)：F832.33? ? ? 文獻(xiàn)標(biāo)志碼：A? ? ? 文章編號(hào)：1673-291X（2022）35-0069-04商業(yè)銀行是金融系統(tǒng)的重要組成部分，其信用風(fēng)險(xiǎn)治理能力不僅關(guān)系自身運(yùn)營(yíng)和大眾利益，更影響經(jīng)濟(jì)社會(huì)健康運(yùn)轉(zhuǎn)。個(gè)

本。設(shè)計(jì)BP神經(jīng)網(wǎng)絡(luò)，學(xué)習(xí)電壓曲線的關(guān)鍵特征和電池容量之間的映射關(guān)系。將經(jīng)過(guò)訓(xùn)練的神經(jīng)網(wǎng)絡(luò)模型應(yīng)用于配置好的測(cè)試樣本，比較電池容量的實(shí)測(cè)值和估計(jì)值，實(shí)驗(yàn)結(jié)果顯示：有效檢測(cè)范圍內(nèi)的相對(duì)誤差控制在10%以?xún)?nèi)，滿(mǎn)足實(shí)際所需的精度。實(shí)驗(yàn)驗(yàn)證了電池在不同老化狀態(tài)條件下，所提出估計(jì)方案對(duì)電池容量估計(jì)的有效性。關(guān)鍵詞：組合脈沖放電法；電池容量估計(jì)；蓄電池；BP神經(jīng)網(wǎng)絡(luò)移動(dòng)通信作為新基建的重要組成部分，為大眾提供可靠的移動(dòng)通信服務(wù)，通信基站斷站率是地區(qū)通信服務(wù)的重要評(píng)價(jià)指

來(lái)源，將BP神經(jīng)網(wǎng)絡(luò)模型應(yīng)用于此類(lèi)上市公司的財(cái)務(wù)危機(jī)預(yù)警。結(jié)果顯示該模型預(yù)測(cè)準(zhǔn)確率較高，達(dá)到83.9%。因此，將BP神經(jīng)網(wǎng)絡(luò)模型引入財(cái)務(wù)危機(jī)預(yù)警研究具有一定的應(yīng)用價(jià)值?！娟P(guān)鍵詞】財(cái)務(wù)危機(jī)預(yù)警;BP神經(jīng)網(wǎng)絡(luò);環(huán)保類(lèi)上市公司【中圖分類(lèi)號(hào)】X324;F426;F406.7? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?【文獻(xiàn)標(biāo)志碼】A? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?

量的基于BP神經(jīng)網(wǎng)絡(luò)葡萄大棚小氣候預(yù)測(cè)模型。為了對(duì)比分析BP神經(jīng)網(wǎng)絡(luò)的精確度和穩(wěn)定性，同時(shí)建立多元線性回歸模型。結(jié)果表明，基于BP神經(jīng)網(wǎng)絡(luò)建立的預(yù)測(cè)模型，其訓(xùn)練值和實(shí)測(cè)值之間的絕對(duì)誤差分別為1.55 ℃、4.46%、0.77 ℃，標(biāo)準(zhǔn)誤差分別為2.18 ℃、5.94%、1.00 ℃;預(yù)測(cè)值和實(shí)測(cè)值之間的絕對(duì)誤差分別為1.37 ℃、2.84%、0.42 ℃，標(biāo)準(zhǔn)誤差分別為1.96 ℃、4.60%、0.53 ℃。預(yù)測(cè)效果明顯優(yōu)于多元線性回歸模型，預(yù)測(cè)精度滿(mǎn)足棚

關(guān)鍵詞：BP神經(jīng)網(wǎng)絡(luò);公共交通;客流量;預(yù)測(cè)中圖分類(lèi)號(hào)：TP18? ? ? ? ? 文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：2096-4706（2022）03-0067-04Research and Application of Short-Term Passenger Flow Prediction of Bus Stations Based on BP Neural NetworkZHANG Weirong， WANG Yingcun， WANG Jinfeng（We

關(guān)鍵詞：BP神經(jīng)網(wǎng)絡(luò);深度置信網(wǎng)絡(luò);城市軌道;客流量;培訓(xùn)系統(tǒng)在現(xiàn)代城市的建設(shè)中，城市軌道設(shè)施的建設(shè)與人們密切相關(guān)，影響著每一個(gè)人的日常出行。城市軌道客流量短時(shí)間迅猛增長(zhǎng)，而車(chē)輛空間容載能力卻十分有限，軌道客流與道路空間的矛盾日益突出，造成的后果就是交通擁堵現(xiàn)象時(shí)常發(fā)生。為解決這一問(wèn)題，國(guó)內(nèi)外眾多學(xué)者針對(duì)如何準(zhǔn)確模擬與預(yù)測(cè)城市軌道客流進(jìn)行了大量研究，Ku-mar等提出了一種基于季節(jié)的自回歸移動(dòng)平均模型，該模型在對(duì)車(chē)流量的影響因素中添加了季節(jié)因素，考慮不同季

立了基于BP神經(jīng)網(wǎng)絡(luò)的車(chē)速預(yù)測(cè)模型，并采用遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò)的權(quán)值和閾值，以提高預(yù)測(cè)模型的精度。與傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)構(gòu)建的預(yù)測(cè)模型相比，該方法提高了預(yù)測(cè)精度。關(guān)鍵詞：車(chē)速預(yù)測(cè);BP神經(jīng)網(wǎng)絡(luò);遺傳算法城市道路路徑規(guī)劃可降低最后一公里配送的成本，提高配送效率，但動(dòng)態(tài)的城市道路同行情況使得路徑規(guī)劃在一定時(shí)間后失效，因此為了應(yīng)對(duì)交通時(shí)變特性對(duì)路徑規(guī)劃的影響，預(yù)先的道路通行速度預(yù)測(cè)變得十分必要。徐韜[2]利用小波變換較強(qiáng)的時(shí)頻域特性，運(yùn)用平移不變小波變換對(duì)數(shù)據(jù)去噪，

將其作為BP神經(jīng)網(wǎng)絡(luò)的輸入，將2080例醫(yī)案作為訓(xùn)練數(shù)據(jù)，剩余520份病例作為測(cè)試數(shù)據(jù)。 [結(jié)果 ]該辨證模型的準(zhǔn)確率為88.29%。 [結(jié)論 ]本文利用BP神經(jīng)網(wǎng)絡(luò)技術(shù)，構(gòu)建了太陰風(fēng)濕表證的系統(tǒng)中醫(yī)辨證模型，準(zhǔn)確率較高，為名老中醫(yī)智能辨證提供了一條新的途徑，值得推廣。關(guān)鍵詞：太陰風(fēng)濕表證;BP神經(jīng)網(wǎng)絡(luò);辯證模型中圖分類(lèi)號(hào)：TB???? 文獻(xiàn)標(biāo)識(shí)碼：A????? doi：10.19311/j.cnki.16723198.2022.15.0950 引言中醫(yī)辨

道工程;BP神經(jīng)網(wǎng)絡(luò);視覺(jué)喚醒;智慧燈光中圖分類(lèi)號(hào) U453.7文獻(xiàn)標(biāo)識(shí)碼 A文章編號(hào) 2096-8949（2022）12-0004-03收稿日期：2022-04-01作者簡(jiǎn)介：徐路毅（2001—），男，本科在讀，研究方向：城市交通工程。基金項(xiàng)目：大學(xué)生創(chuàng)新創(chuàng)業(yè)訓(xùn)練計(jì)劃項(xiàng)目“基于隧道中駕駛者視覺(jué)喚醒的智慧燈光系統(tǒng)研究”（S202110107062）。0 引言《交通強(qiáng)國(guó)建設(shè)綱要》明確提出到2035年基本建成交通強(qiáng)國(guó)。我國(guó)西部地區(qū)交通建設(shè)前景廣闊，但地勢(shì)高差起

本，訓(xùn)練BP神經(jīng)網(wǎng)絡(luò)，建立渦輪增壓系統(tǒng)、冷卻系統(tǒng)及潤(rùn)滑系統(tǒng)三大系統(tǒng)的模糊神經(jīng)網(wǎng)絡(luò)模型，并通過(guò)未參與訓(xùn)練的故障案例樣本對(duì)模型進(jìn)行驗(yàn)證，經(jīng)驗(yàn)證模型的預(yù)測(cè)誤差均在5%以?xún)?nèi)，可以滿(mǎn)足故障診斷的要求。另外，針對(duì)各系統(tǒng)的模糊神經(jīng)網(wǎng)絡(luò)模型，利用MATLAB GUI建立發(fā)動(dòng)機(jī)故障診斷系統(tǒng)，該系統(tǒng)可以根據(jù)故障現(xiàn)象，診斷故障原因，并通過(guò)實(shí)際故障案例驗(yàn)證，診斷結(jié)果與實(shí)際故障原因相符，說(shuō)明故障診斷系統(tǒng)具有指導(dǎo)性。關(guān)鍵詞：柴油發(fā)動(dòng)機(jī);BP神經(jīng)網(wǎng)絡(luò);模糊理論;故障診斷中圖分類(lèi)號(hào)：U4

影響，以BP神經(jīng)網(wǎng)絡(luò)優(yōu)化超寬帶定位模型為基礎(chǔ)，針對(duì)BP神經(jīng)網(wǎng)絡(luò)用于超寬帶定位收斂速度慢、易陷入局部極值等問(wèn)題，利用引力場(chǎng)算法改進(jìn)BP神經(jīng)網(wǎng)絡(luò)的初始權(quán)值和閾值。模型利用BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練的預(yù)測(cè)值和期望值之間的絕對(duì)誤差衡量灰塵質(zhì)量，確定中心灰塵;利用移動(dòng)因子，周?chē)覊m快速向中心灰塵靠攏，加快BP神經(jīng)網(wǎng)絡(luò)的收斂速度;通過(guò)自轉(zhuǎn)因子作用，避免灰塵過(guò)度集中于中心灰塵，改善BP神經(jīng)網(wǎng)絡(luò)易陷入局部最優(yōu)的問(wèn)題。以IEEE802.15.4a標(biāo)準(zhǔn)下CM4超寬帶信道模型模擬室內(nèi)NL

參數(shù)輸入BP神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，可以獲得識(shí)別成功率達(dá)到91%的桂圓分級(jí)能力。該系統(tǒng)綜合運(yùn)用數(shù)字圖像處理和基于神經(jīng)網(wǎng)絡(luò)的分級(jí)技術(shù)，對(duì)桂圓的等級(jí)檢測(cè)具有低時(shí)延、高準(zhǔn)確度、低功耗等特點(diǎn)，因此利用該模型對(duì)桂圓等級(jí)的檢測(cè)識(shí)別具有較高的可行性。關(guān)鍵詞：桂圓干;機(jī)器視覺(jué);BP神經(jīng)網(wǎng)絡(luò)Research?on?Dried?Longan?Classification?TechnologyBased?on?Neural?NetworkMa?Qingxiu?He?Erbin*Col

感識(shí)別;BP神經(jīng)網(wǎng)絡(luò);個(gè)人語(yǔ)音庫(kù)中圖分類(lèi)號(hào)：TP181? ? ? 文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1009-3044（2022）10-0076-04通常意義上的語(yǔ)音識(shí)別是指機(jī)器自動(dòng)的識(shí)別語(yǔ)音的文本信息。語(yǔ)音的文本含義識(shí)別技術(shù)出現(xiàn)較早，1952年開(kāi)發(fā)出簡(jiǎn)單的語(yǔ)音識(shí)別數(shù)字系統(tǒng)，從此正式開(kāi)啟了語(yǔ)音識(shí)別的進(jìn)程。語(yǔ)音情感識(shí)別也是語(yǔ)音識(shí)別的重要部分。語(yǔ)音情感識(shí)別領(lǐng)域是一項(xiàng)綜合性的研究領(lǐng)域，包括生物技術(shù)、心理認(rèn)知、腦科學(xué)、統(tǒng)計(jì)學(xué)、計(jì)算機(jī)科學(xué)等學(xué)科。情感可以通過(guò)孤立的跳躍式、離散

次，利用BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練所收集的樣本數(shù)據(jù)，生成能夠再現(xiàn)專(zhuān)家評(píng)價(jià)體系的神經(jīng)網(wǎng)絡(luò)模型;最后，根據(jù)所開(kāi)發(fā)的數(shù)字閱讀素養(yǎng)評(píng)測(cè)系統(tǒng)得到數(shù)字閱讀素養(yǎng)評(píng)測(cè)值，利用BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)樣本中關(guān)于專(zhuān)家指標(biāo)值和評(píng)測(cè)值的映射關(guān)系，驗(yàn)證數(shù)字閱讀素養(yǎng)評(píng)測(cè)指標(biāo)權(quán)重的合理性，并存儲(chǔ)該BP神經(jīng)網(wǎng)絡(luò)用于預(yù)測(cè)中小學(xué)生數(shù)字閱讀素養(yǎng)評(píng)測(cè)值，從而形成客觀合理的數(shù)字閱讀素養(yǎng)評(píng)測(cè)體系，為我國(guó)中小學(xué)生數(shù)字閱讀評(píng)測(cè)提供模型、工具和技術(shù)系統(tǒng)，也為相關(guān)領(lǐng)域評(píng)價(jià)體系建構(gòu)提供一種方法。[關(guān)鍵詞] BP神經(jīng)網(wǎng)絡(luò); 數(shù)字

對(duì)傳統(tǒng)的BP神經(jīng)網(wǎng)絡(luò)算法易陷入局部極小值，影響預(yù)測(cè)精度的問(wèn)題，本研究利用遺傳算法（genetic algorithm， GA）的全局尋優(yōu)能力對(duì)BP神經(jīng)網(wǎng)絡(luò)進(jìn)行優(yōu)化，構(gòu)建了基于GA-BP神經(jīng)網(wǎng)絡(luò)的路基沉降預(yù)測(cè)模型。以高速公路路基沉降監(jiān)測(cè)進(jìn)行實(shí)驗(yàn)驗(yàn)證分析，結(jié)果表明：相較于傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)模型，GA-BP神經(jīng)網(wǎng)絡(luò)模型的預(yù)測(cè)精度有了顯著的提高，可為高速公路的建設(shè)及后續(xù)工程的沉降預(yù)測(cè)提供參考。關(guān)鍵詞：遺傳算法;BP神經(jīng)網(wǎng)絡(luò);路基沉降;沉降預(yù)測(cè)中圖分類(lèi)號(hào)：P208?

一種基于BP神經(jīng)網(wǎng)絡(luò)的靜電噴涂涂膜厚度預(yù)測(cè)方法，構(gòu)建了神經(jīng)網(wǎng)絡(luò)模型，開(kāi)展了訓(xùn)練樣本采集實(shí)驗(yàn)，完成了神經(jīng)網(wǎng)絡(luò)的訓(xùn)練，最后采用神經(jīng)網(wǎng)絡(luò)對(duì)不同噴涂參數(shù)下的涂膜厚度進(jìn)行了預(yù)測(cè)，并開(kāi)展了預(yù)測(cè)對(duì)比實(shí)驗(yàn)。結(jié)果表明，神經(jīng)網(wǎng)絡(luò)對(duì)涂膜厚度預(yù)測(cè)的準(zhǔn)確率最高可達(dá)95%，平均誤差為12%，最大誤差為20%，能為噴涂參數(shù)的設(shè)置提供有效的科學(xué)依據(jù)。關(guān)鍵詞：靜電噴涂;涂膜厚度預(yù)測(cè);BP神經(jīng)網(wǎng)絡(luò)中圖分類(lèi)號(hào)：TP181? ? 文獻(xiàn)標(biāo)志碼：A? ? 文章編號(hào)：1671-0797（2022）10

，單一的BP神經(jīng)網(wǎng)絡(luò)很難達(dá)到理想預(yù)測(cè)精度，為快速準(zhǔn)確地識(shí)別青年女性臂部體型，提高預(yù)測(cè)精度，本文構(gòu)建了一種基于思維進(jìn)化算法（MEA）優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的青年女性臂部體型識(shí)別模型。首先，通過(guò)[TC]2三維人體測(cè)量獲取611名青年女性的臂部數(shù)據(jù);其次，通過(guò)主成分因子分析得到影響青年女性臂部體型特征的5大形態(tài)因子，選取5個(gè)特征指標(biāo)采用兩步聚類(lèi)法將臂部體型分為4類(lèi);最后使用Matlab軟件構(gòu)建基于MEA-BP神經(jīng)網(wǎng)絡(luò)的青年女性臂部體型識(shí)別模型。實(shí)驗(yàn)結(jié)果顯示：該模型能有

的不足及BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)效率低的問(wèn)題，文章采用交叉熵代價(jià)函數(shù)對(duì)神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)方法進(jìn)行改進(jìn)，建立基于交叉熵神經(jīng)網(wǎng)絡(luò)的瀝青路面抗滑性能預(yù)測(cè)模型。同時(shí)，以某高速公路2014—2020年路面抗滑指標(biāo)SRI為預(yù)測(cè)目標(biāo)，以路面使用年限、年平均交通量、氣溫、降雨量以及日照時(shí)長(zhǎng)為考慮因素，建立預(yù)測(cè)模型，并利用Matlab軟件構(gòu)建模型的網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)及網(wǎng)絡(luò)訓(xùn)練，對(duì)路面抗滑性能進(jìn)行預(yù)測(cè)。結(jié)果表明：相同預(yù)測(cè)精度下，交叉熵神經(jīng)網(wǎng)絡(luò)模型較一般的均方差神經(jīng)網(wǎng)絡(luò)模型收斂速度更快;相同訓(xùn)練

礎(chǔ)上建立BP神經(jīng)網(wǎng)絡(luò)，以?xún)?yōu)化滿(mǎn)意度模型;通過(guò)問(wèn)卷調(diào)查方式采集數(shù)據(jù)，對(duì)數(shù)據(jù)進(jìn)行檢驗(yàn)分析，驗(yàn)證智能網(wǎng)聯(lián)汽車(chē)用戶(hù)滿(mǎn)意度優(yōu)化模型。驗(yàn)證結(jié)果表明，優(yōu)化模型能夠定量地分析出各因素之間的相互影響關(guān)系，影響用戶(hù)滿(mǎn)意度的主要路徑是使用態(tài)度，重要路徑是感知風(fēng)險(xiǎn)。[關(guān)鍵詞]智能網(wǎng)聯(lián)汽車(chē);用戶(hù)滿(mǎn)意度;結(jié)構(gòu)方程;BP神經(jīng)網(wǎng)絡(luò)一、 引言“十四五”是實(shí)現(xiàn)制造強(qiáng)國(guó)的關(guān)鍵階段，汽車(chē)產(chǎn)業(yè)的壯大變強(qiáng)是實(shí)現(xiàn)制造強(qiáng)國(guó)的重要支撐。在汽車(chē)產(chǎn)業(yè)領(lǐng)域里，有8個(gè)重點(diǎn)領(lǐng)域：汽車(chē)市場(chǎng)、中國(guó)品牌、新能源產(chǎn)業(yè)、智能

量回歸;BP神經(jīng)網(wǎng)絡(luò);生態(tài)學(xué)屬性評(píng)價(jià);室內(nèi)裝飾材料;層次分析法中圖分類(lèi)號(hào)：S772??? 文獻(xiàn)標(biāo)識(shí)碼：A?? 文章編號(hào)：1006-8023（2022）02-0068-06Comparative of GA-GRNN Ecological Properties Evaluation Modelof Interface Materials for Interior Decoration DesignYANG Yang1，2， ZHOU Huanyu2， GUO

驗(yàn)設(shè)計(jì);BP神經(jīng)網(wǎng)絡(luò);遺傳算法;優(yōu)化設(shè)計(jì);南水北調(diào)工程中圖分類(lèi)號(hào)：TV732.2 文獻(xiàn)標(biāo)志碼：A doi：10.3969/j.issn.1000-1379.2022.03.022引用格式：王亞輝，張慧鵬，尚力陽(yáng)，等.基于BP神經(jīng)網(wǎng)絡(luò)與遺傳算法的攔污柵結(jié)構(gòu)優(yōu)化設(shè)計(jì)[J].人民黃河，2022，44（3）：112-117.南水北調(diào)工程中許多帶有攔污柵結(jié)構(gòu)的河道攔藻設(shè)備投入使用。攔污柵工作時(shí)并不穩(wěn)定，水通過(guò)攔污柵時(shí)，柵條尾部脫流產(chǎn)生的卡門(mén)渦街引起激振力，該激振力的

法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)算法對(duì)自由曲面上若干個(gè)點(diǎn)的加工誤差進(jìn)行預(yù)測(cè)，結(jié)合模擬退火算法的概率突跳特性，在解空間中隨機(jī)尋找目標(biāo)函數(shù)的全局最優(yōu)解，從而改進(jìn)BP神經(jīng)網(wǎng)絡(luò)算法。為進(jìn)一步提高算法的預(yù)測(cè)精度，采用加工誤差分解的方法剔除點(diǎn)集中的奇異點(diǎn)。用三坐標(biāo)測(cè)量機(jī)對(duì)自由曲面上若干個(gè)點(diǎn)進(jìn)行測(cè)量并獲得加工誤差，將預(yù)測(cè)結(jié)果與試驗(yàn)結(jié)果進(jìn)行對(duì)比驗(yàn)證。結(jié)果表明，平均絕對(duì)誤差指標(biāo)達(dá)到了1.70 μm，且最大絕對(duì)誤差為7.12 μm，說(shuō)明該優(yōu)化算法具有較好的預(yù)測(cè)性能。關(guān)鍵詞：自由曲面;加工

步預(yù)測(cè)時(shí)BP神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)性能優(yōu)于長(zhǎng)短期記憶（long short-term memory，LSTM）網(wǎng)絡(luò)模型，多步預(yù)測(cè)時(shí)LSTM模型預(yù)測(cè)性能優(yōu)于BP神經(jīng)網(wǎng)絡(luò)模型。關(guān)鍵詞：? 軟基; 沉降預(yù)測(cè); 三點(diǎn)法; 雙曲線法; 長(zhǎng)短期記憶網(wǎng)絡(luò); BP神經(jīng)網(wǎng)絡(luò)中圖分類(lèi)號(hào)：? TP391.99; TU311.3文獻(xiàn)標(biāo)志碼：? BPrediction on settlement of blown soft foundationbased on different mod

究。基于BP神經(jīng)網(wǎng)絡(luò)方法，對(duì)關(guān)中平原城市群11個(gè)城市的物流競(jìng)爭(zhēng)力進(jìn)行評(píng)價(jià)，獲取了關(guān)中平原城市群物流競(jìng)爭(zhēng)力排名，通過(guò)對(duì)評(píng)價(jià)結(jié)果的分析為關(guān)中平原城市群各城市明確自身物流產(chǎn)業(yè)現(xiàn)狀提供參考。結(jié)果表明，關(guān)中平原城市群的發(fā)展以西安為“龍頭”城市，呈現(xiàn)出“多弱少?gòu)?qiáng)”的格局，咸陽(yáng)、寶雞和渭南與西安相距較近，已成為城市群內(nèi)部的二級(jí)核心城市，運(yùn)城、臨汾等7個(gè)城市競(jìng)爭(zhēng)力較弱。關(guān)鍵詞：城市群物流;競(jìng)爭(zhēng)力;BP神經(jīng)網(wǎng)絡(luò);評(píng)價(jià);建議中圖分類(lèi)號(hào)：F252 ? ? ? ?文獻(xiàn)標(biāo)志碼：A

上構(gòu)建了BP神經(jīng)網(wǎng)絡(luò)突發(fā)事件情景演化模型，并對(duì)其演化流程進(jìn)行了分析，利用動(dòng)態(tài)情景演化輔助決策優(yōu)勢(shì)，可以對(duì)突發(fā)重大公共衛(wèi)生事件的預(yù)測(cè)，通過(guò)建立和推演整個(gè)事件發(fā)生過(guò)程的不確定因素，從而為快速的響應(yīng)和科學(xué)的決策提供理論的支撐。關(guān)鍵詞：重大公共衛(wèi)生突發(fā)事件;BP神經(jīng)網(wǎng)絡(luò);情景演化一、研究背景 突發(fā)公共衛(wèi)生事件是指突然發(fā)生、造成或者可能造成社會(huì)公眾健康嚴(yán)重?fù)p害的重大傳染病疫情、群體性不明原因疾病、食物中毒以及其他嚴(yán)重影響公眾健康的事件。突發(fā)公共衛(wèi)生事件具有突發(fā)性、

A模型、BP神經(jīng)網(wǎng)絡(luò)兩個(gè)模型，選取2000-2019年我國(guó)GDP季度數(shù)據(jù)進(jìn)行擬合，分別將GDP季度數(shù)據(jù)劃分為訓(xùn)練集和測(cè)試集，將兩個(gè)模型擬合效果進(jìn)行比較，研究發(fā)現(xiàn)，ARIMA模型的擬合效果較好。最后借助ARIMA對(duì)我國(guó)2020-2021年GDP進(jìn)行預(yù)測(cè)。關(guān)鍵詞：ARIMA;BP神經(jīng)網(wǎng)絡(luò);GDP隨著全球化進(jìn)程的加快，我國(guó)綜合國(guó)力得到大幅提升。經(jīng)濟(jì)快速發(fā)展的同時(shí)，暴露出一系列的弊端，貧富差距分化嚴(yán)重，社會(huì)矛盾問(wèn)題凸顯。此時(shí)，研究衡量我國(guó)經(jīng)濟(jì)發(fā)展的數(shù)據(jù)指標(biāo)，對(duì)我國(guó)

過(guò)GA-BP神經(jīng)網(wǎng)絡(luò)擬合曲線，提取曲線裙厚、裙寬、周長(zhǎng)和面積作為外輪廓造型參數(shù)，并引入動(dòng)態(tài)偏移值表征三圍曲線的動(dòng)靜態(tài)造型變化。研究結(jié)果表明：緯密與腰圍曲線裙寬、周長(zhǎng)和面積顯著正相關(guān);懸垂系數(shù)與臀圍曲線裙厚、周長(zhǎng)和面積顯著負(fù)相關(guān);緯向抗彎剛度與擺圍曲線裙寬、周長(zhǎng)和面積顯著正相關(guān)。經(jīng)緯向抗彎剛度與右前腰區(qū)域在人體前后方向上的偏移值顯著正相關(guān);總折皺回復(fù)角與后腰區(qū)域在人體前后方向上的偏移值顯著正相關(guān);經(jīng)緯密與左臀區(qū)域在人體前后方向上的偏移值正相關(guān)。 關(guān)鍵詞： ?

， 利用BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練樣本和誤差前饋補(bǔ)償策略，減小機(jī)械臂運(yùn)動(dòng)過(guò)程中的靜態(tài)誤差。仿真結(jié)果表明，補(bǔ)償后誤差分布大幅度減小，提高了更換筒子紗的準(zhǔn)確性和魯棒性。 關(guān)鍵詞： ?紡織機(jī)械;自動(dòng)換紗;抓紗機(jī)械臂;柔性誤差;BP神經(jīng)網(wǎng)絡(luò);誤差前饋補(bǔ)償策略中圖分類(lèi)號(hào)： TS103.1;TP391文獻(xiàn)標(biāo)志碼： A文章編號(hào)： 1001 7003（2022）03 0052 07引用頁(yè)碼： 031108DOI： 10.3969/j.issn.1001-7003.2022.03.0