基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
以2015年大学生体质数据为样本,研究了多层前馈神经网络(BP)预测大学生体质的有效性.为了提高BP神经网络模型的泛化能力,采用遗传算法(GA)模型优化BP神经网络参数.将上述两种模型结合,构建了有效预测男生体质与女生体质的两种模型,分别为GA-BP-1与GA-BP-2.GA-BP-1的训练和测试结果显示实测值与模拟值决定系数分别达到0.95与0.91;GA-BP-2的训练和测试结果均达到0.94.两种模型的预测值与模拟值均显示出较好的分布.为了验证模型的时间扩展预测能力,选择2016年大学生样本做预测,结果表明:GA-BP-1与GA-BPV2的模拟值与实测值的决定系数分别达到0.94与0.95,显示出较好的时间扩展预测能力.GA-BP-1与GA-BP-2具有很好地模拟能力,减少了大学生体质单项评估和总体评估的工作量,还可用于单项因子的预测分析.
推荐文章
基于GA-BP神经网络算法的马铃薯晚疫病预测模型
马铃薯晚疫病
遗传算法
BP神经网络
归一化处理
基于GA-BP神经网络的电力系统负荷预测研究
电力系统
负荷预测
BP神经网络
遗传算法
GA-BP
基于GA-BP神经网络的粗粒土渗透系数预测
粗粒土
渗透系数
BP神经网络
遗传算法
孔隙比
级配
基于GA-BP神经网络的城市用水量预测
城市用水
用水量预测
BP神经网络
预测建模
网络训练
仿真分析
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 GA-BP神经网络预测大学生体质的模型构建研究
来源期刊 重庆理工大学学报(自然科学版) 学科 工学
关键词 大学生体质 遗传算法 多层前馈神经网络
年,卷(期) 2018,(7) 所属期刊栏目 药学·医学
研究方向 页码范围 162-168
页数 7页 分类号 TP391
字数 3474字 语种 中文
DOI 10.3969/j.issn.1674-8425(z).2018.07.025
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 许珊珊 11 22 3.0 4.0
2 崔洪珊 7 10 3.0 3.0
3 曹冶 2 3 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (88)
共引文献  (76)
参考文献  (16)
节点文献
引证文献  (3)
同被引文献  (22)
二级引证文献  (2)
1900(1)
  • 参考文献(0)
  • 二级参考文献(1)
1991(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(2)
  • 参考文献(0)
  • 二级参考文献(2)
2002(3)
  • 参考文献(0)
  • 二级参考文献(3)
2003(5)
  • 参考文献(0)
  • 二级参考文献(5)
2004(5)
  • 参考文献(0)
  • 二级参考文献(5)
2005(2)
  • 参考文献(0)
  • 二级参考文献(2)
2006(5)
  • 参考文献(0)
  • 二级参考文献(5)
2007(5)
  • 参考文献(0)
  • 二级参考文献(5)
2008(9)
  • 参考文献(0)
  • 二级参考文献(9)
2009(3)
  • 参考文献(0)
  • 二级参考文献(3)
2010(9)
  • 参考文献(1)
  • 二级参考文献(8)
2011(13)
  • 参考文献(2)
  • 二级参考文献(11)
2012(10)
  • 参考文献(0)
  • 二级参考文献(10)
2013(11)
  • 参考文献(4)
  • 二级参考文献(7)
2014(9)
  • 参考文献(4)
  • 二级参考文献(5)
2015(6)
  • 参考文献(1)
  • 二级参考文献(5)
2016(1)
  • 参考文献(1)
  • 二级参考文献(0)
2017(3)
  • 参考文献(3)
  • 二级参考文献(0)
2018(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2019(3)
  • 引证文献(2)
  • 二级引证文献(1)
2020(2)
  • 引证文献(1)
  • 二级引证文献(1)
研究主题发展历程
节点文献
大学生体质
遗传算法
多层前馈神经网络
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
重庆理工大学学报(自然科学版)
月刊
1674-8425
50-1205/T
重庆市九龙坡区杨家坪
chi
出版文献量(篇)
7998
总下载数(次)
17
总被引数(次)
41083
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导