基于遗传算法bp神经网络优化https://blog.csdn.net/weixin_46567845/article/details/115287338

PID控制要取得较好的控制效果，就必须通过调整好比例、和人分和微分三种控制作用，形成控制量中既相互配合又相互制约的关系，这种关系还一定是简单的线性组合，从变化的非线性组合中可以找出最佳的。神经网络所具有的作意非线性表达能力，可以通过对系统性能的学习来实现具有最佳组合的PID控制，

模型预测结果与实测值比较 实验号 臭氧  (mg/L) UV254去除率(%) 相对误差（%） 实测值 网络预测值 1 1.42 58.1 57.3 -1.47 2 2.51 78.8 77.7 -1.47 3 3.21 89.6 90.5 0.96 4 4.29 96.5 97.9 1.45 5 5.24 97.8 97.9 0.14

BP神经网络matlab预测汽油浓度案例详解代码，大仙一品堂讲解的bp神经网络视频由于没有提供代码，在matlab运行中需手动敲码，这是我根据视频手动敲的代码，希望对大家能有所帮助

基于BP神经网络，测试集辛烷值含量预测结果对比亲测可用， 谢谢支持。

为解决BP神经网络拟合非线性函数的预测结果误差较大问题,笔者将标准粒子群算法进行改进,形成基于免疫接种的粒子群算法(IPSO);然后将该算法与BP神经网络理论相结合,实现基于IPSO算法优化的BP神经网络非线性函数拟合算法。新的拟合算法首先确定BP神经网络结构,然后用IPSO算法优化初始权值和阈值,最后进行BP神经网络预测。数值实验表明,本文提出的IPSO算法提高了BP神经网络的拟合能力,减小了拟合误差,提高了拟合精度。

为了提高大数据的精准挖据与预测能力，解决传统数据挖据技术无法适应大数据处理环境的问题，利用云计算和大数据处理技术，提出了大数据精准挖据处理架构及基于BP神经网络的预测模型。重点研究了大数据处理平台架构、大数据分析与表达技术、基于BP神经网络的大数据挖据及预测模型。应用结果表明，该方案结合云计算平台和大数据挖掘技术，能够高效的处理海量数据的处理和表达，对于销售数据具有一定的预测能力。

基于遗传算法的BP神经网络的股票预测模型_matlab实现 https://blog.csdn.net/zxm_jimin/article/details/87936920

针对目前空气质量污染日益严重的问题，提出了一种基于神经网络的环境空气质量的预测方法。借助于Matlab分别建立空气污染指数（API）和环境空气质量指数（AQI）对空气质量影响的数学模型。利用Matlab对各污染物浓度数据进行分析，计算相应的空气污染指数（API）和环境空气质量指数（AQI），对结果进行对比。运用BP人工神经网络的多层神经网络对全市大气污染物浓度的实测值进行训练学习，建立模型。同时结合未来一周西安市天气预报，用此模型对污染物浓度进行预测和预报，以达到对大气环境质量进行预测预警的作用。应用实例表明：人工神经网络应用于大气环境质量预测预警是比较理想的。

纯numpy编写适合练手，也有one-hot编码 应用实例：鸢尾花分类