第３１卷增刊２ ２０１１年ｌ２月 计算机应用
Ｊｏｕｒｎａｌ ｏｆ Ｃｏｍｐｕｔｅｒ Ａｐｐｌｉｅａｔｉｏｎｓ Ｖｏ１．３１ Ｓｕｐｐ１．２
Ｄｅｃ．２０１１
文章编号：１００１—９０８１（２０１１）ｓ２—００９０—０２
ＢＰ神经网络和模糊时间序列组合预测模型及其应用
石 慧 ，王玉兰 ，翁福利
（１．成都理工大学管理科学学院，成都６１００５９；２．电子科技大学数学科学学院，成都６１１７３１）
（ｆｅｎｇｙｕ３１ １５０２４＠１６３．ｃｏｒｎ）
摘要：为了解决非线性的时间序列预测问题，提出了ＢＰ神经网络和模糊时间序列相结合的预测模型。利用ＢＰ
神经网络自学习和模糊集能够更客观反应实际情况，通过对时间序列差分模糊化建立数学模型，ＢＰ神经网络进行训
练，最后去模糊化还原实际。将这种预测方法应用到矿产资源镍价格中，取得了较好的效果。
关键词：模糊时间序列；ＢＰ神经网络；非线性关系；镍价格
中图分类号：ＴＰ１８３ 文献标志码：Ａ
Ｃｏｍｐｏｓｉｔｅ ｐｒｅｄｉｃｔｉｏｎ ｍｏｄｅｌ ０ｆ ＢＰ ｎｅｕｒａｌ ｎｅｔｗｏｒｋｓ ａｎｄ
ｆｕｚｚｙ ｔｉｍｅ ｓｅｒｉｅｓ ａｎｄ ｉｔｓ ａｐｐｌｉｃａｔｉｏｎ
ＳＨＩ Ｈｕｉ 。ＷＡＮＧ ＹＵ－ｌａｎ ，ＷＥＮＧ Ｆｕ．１ｉ
（１．Ｓｃｈｏｏｌ ｏｆＭａｎａｇｅｍｅｎｇｔ Ｓｃｉｅｎｃｅ，Ｃｈｅｎｇｄｕ Ｕｎｉｖｅｒｓｉｔｙ ｏｆＴｅｃｈｎｏｌｏｇｙ，Ｃｈｅｎｇｄｕ Ｓｉｃｈｕａｎ ６１００５９，Ｃｈｉｎａ； ２．Ｓｃｈｏｏｌ ｏｆＭａｔｈｅｍａｔｉｃａｌ Ｓｃｉｅｎｃｅｓ，Ｕｎｉｖｅｒｓ￣ｙ ｏｆＥｌｅａｒｏｎ＆Ｓｃｉｅｎｃｅ ａｎｄ Ｔｅｃｈｎｏｌｏｇｙ ｏｆＣｈｉｎａ，Ｃｈｅｎｇｄｕ Ｓｉｃｈｕａｎ ６１１７３１，Ｃｈｉｎａ）
Ａｂｓｔｒａｃｔ：Ｔｏ ｓｏｌｖｅ ｎｏｎｌｉｎｅａｒ ｔｉｍｅ ｓｅｌ３ｅｓ ｐｒｅｄｉｃｔｉｏｎ ｐｒｏｂｌｅｍｓ，ａ ｃｏｍｐｏｓｉｔｅ ｍｏｄｅｌ ｗａｓ ｐｕｔ ｆｏｒｗｏｒｄ．Ｔｈｅ ｍｏｄｅｌ Ｗａｓ ｂａｓｅｄ
第２卷第１期 ２００７年２月 北京教育学院学报（目然科字般） ＪＯＵＲＮＡＬ ＯＦ ＢＥＩＪＩＮＧ ＩＮＳＴＩＴＵＴＥ ＯＦ ＥＤＵＣＡＴＩＯＮ（ＮＡＴＵＲＡＬ ＳＣＩＥＮＣＥ）
ＢＰ神经网络在中国旅游发展
总量预测中的应用 术
陆相林“ （枣庄学院旅游与资源环境系，山东枣庄２７７１６０）
摘要：利用改进的ＢＰ神经网络对我国旅游发展总量（旅游收入和旅游人次数）进行了预测， 并详细介绍了ＭＡＴＬＡＢ６．５中的神经网络工具箱中的ＧＵＩ界面的使用程序，得出了ＢＰ神经网
络能够有效预测旅游发展总量的结论。 关键词：旅游发展总量；旅游收入；旅游人次；ＢＰ神经网络；预测 中图分类号：ＴＰ３９３・０９ 文献标识码：Ａ 文章编号：ＣＮＩ！一５３４０／Ｎ（２００７）０１－０００８－０４
１ 引言
人工神经网络（ＡＮＮ．Ａｒｔｉｆｉｃｉａｌ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ）方法是一种新兴的交叉学科．已经走过 了几十年的发展阶段．已成功地应用于预测、过 程控制、图像、数据分类等领域【ｔ１。ＢＰ神经网络体 现了ＡＮＮ最精华的部分［２１．有关ＢＰ神经网络原 理已有不少专著和论文的作了较为详细的介绍 【 ，在预测领域的应用．已有一些成功的实例， 如企业破产预测、债券信用等级预测、股价预测 等，ＢＰ神经网络对于那些规律不明显、用统计方 法难解决的预测问题（非线性问题）具有独特的 优势，效果优于回归模型［２１。 建立科学的可操作的旅游发展总量ｆ主要包 括旅游收入和旅游人次数）预测模型是实现旅游 业持续、健康、稳定发展的前提。传统的旅游发展 总量预测属于需求函数预测模式 ．该模式受传 统经济学的影响．认为旅游业是提供消费品（服 务）的产业．提供消费品的产业应该选择居民收 入、居民可自由支配时间等变量作为自变量［８１． 然后采取一定分析方法．建立旅游需求函数模型． 对旅游接待地的旅游发展总量进行定量评估。上 述方法用于预测某地的出游情况（外出旅游需 求）较为合适．但对预测旅游接待地的旅游发展 总量却没有太大现实意义。当前，我国的相关研 究主要集中在旅游需求预测模型方面．多从客源 地角度考虑相关因素口卅。而从旅游接待地方面 的因素着手进行旅游接待地旅游发展总量预测 的成果很少见 笔者从思路上创新．从旅游接待地导向预测 旅游接待地的旅游发展总量（主要包括旅游总收 入和旅游总人次）．利用改进的ＢＰ神经网络 （Ｆｅｅｄ—ｆｏｒｗａｒｄ ｂａｃｋｐｒｏＰ）对我国的旅游发展总量 进行预测．并详细介绍了ＭＡＴＬＡＢ６．５中的神经 网络工具箱中的ＧＵＩ界面应用过程
第３２卷第４期 ２０１０年４月 人民黄河 ＹＥＬＬＯＷ ＲＩＶＥＲ Ｖｏ１ ３２．Ｎｏ．４ Ａｐｒ．，２０１０
【水利水电工程】
自适应ＢＰ神经网络在边坡稳定性预测中的应用
汪 茜 ，李广杰 ，郑百功 ，孟凡奇 ，刘建磊
（１．吉林大学建设工程学院，吉林长春１３００２６；２．中国建筑材料工业地质勘查中心吉林总队，吉林长春１３００３３；
３．黄河勘测规划设计有限公司，河南郑州４５０００３）
摘要：边坡工程是一个动态开放、非线性的复杂系统，应用传统的分析方法往往难以确切描述其非线性特性，采用学习
率自适应调整和动量法，对ＢＰ神经网络存在易陷入局部极小值、收敛速度慢、对神经元个数依赖性大等缺点进行改进， 建立了（６—１３—２）结构的自适应ＢＰ神经网络模型。边坡预测实例表明：自适应ＢＰ神经网络的预测精度高于标准ＢＰ
神经网络：改进后的ＢＰ神经网络提高了网络的训练速度，节省了时间，提高了计算精度。
关键词：ＢＰ神经网络；自适应改进法；边坡稳定性；非线性；预测
中图分类号：ＴＵ４３２ 文献标识码：Ａ ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１０００—１３７９．２０１０．０４．０５４
边坡工程是一个开放的复杂系统，其稳定性不仅受地质、
工程等确定性因素的综合影响，而且受随机性、模糊性、可变性
等不确定性因素的影响，这就要求边坡稳定性分析方法具有同
时处理确定性和不确定性信息的能力，在大量已有的边坡工程 实例基础上，客观地识别边坡的稳定状态 。
神经网络（Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ）作为人工智能的一个分支，具
有很好的非线性动态处理能力，其较强的学习、存储和计算能
力及容错特性，适用于从实例样本中提取特征、获得知识，并可
使用不完备的或模糊随机的信息进行不确定性推理 。目前
广泛应用的神经网络误差反向传输算法ＢＰ模型，是复杂非线
性系统预报的一种有效方法，但其存在易陷入局部最小、收敛 速度慢等缺点，为克服这些缺点，自适应网络、复合网络等逐渐
第３８卷第２７期 ２ ０ ｌ ２年９月 山 西 建 筑 ＳＨＡＮＸＩ ＡＲＣＨｎ ＣＴＵＲＥ Ｖｏ１．３８ Ｎｏ．２７ Ｓｅｐ． ２０１２ ・８３・
文章编号：１００９—６８２５（２０１２）２７—００８３—０２
ＢＰ神经网络在武汉地铁竖井沉降预测中的应用
谢淼
（中铁四院集团西南勘察设计有限公司，云南昆明６５０２００）
摘要：利用ｍａｆｌａｂ７．０神经网络工具箱为依托，将竖井前期沉降监测数据作为训练样本建立神经网络，分析各岩土参数对沉降变
形的影响并结合工程实际情况确定网络输入，对训练样本之后１０ ｄ的沉降进行预测并与实测值进行对比，以武汉地铁某线施工
竖井为例进行验证，结果表明：预测值与实测值基本吻合，相对误差较小，对竖井施工具有一定的指导意义。
关键词：ＢＰ神经网络，归一化，沉降预测，ｍａｔｌａｂ７．０
中图分类号：ＴＵ４３３ 文献标识码：Ａ
０ 引言
近年来，由于工程实践经验的累积和施工机具的进步，因各 类工程活动导致城市环境的土工损伤（公害）问题虽有一定的缓
解，但若遇有复杂情况，工程周边环境的维护和政治问题还十分
突出，所以对工程施工土体变形的预测和控制仍是当务之急。
深大基坑工程施工安全与环境土工损伤（公害）的预测与控
制，是现代城市建设中的关键问题和难题之一。
由于神经网络具有大规模处理和存储及自学习的能力，特别
适合解决多因素、多条件的模糊类信息问题。因此，使用神经网
络在解决这种函数关系时拥有独特的优越性。
１ ＢＰ神经网络的原理
１．１ ＢＰ神经网络的基本原理
ＢＰ神经网络将学习过程分为两个阶段：正向传播，将输入信
息通过隐含层计算、处理后得到输出值；反向调节，将未能得到期
望结果的输出值递归计算误差，调节其权值。 １．２ ＢＰ神经网络的数学描述
设一个含有共Ｌ层和ｎ个结点的任意网络，每层单元只能单
向接收和传递信息，令其传递函数为Ｓｉｇｍｏｉｄ型。假定输出为Ｙ，
现指定Ⅳ个样本（舶， ）（ｋ：１，２，…，Ⅳ），任一个结点ｉ的输出为 ０ ，对某一个输入为 ，网络的输出 ，结点ｉ的输出为０ ，现在
