多步預(yù)測(cè)性能指標(biāo)函數(shù)的神經(jīng)網(wǎng)絡(luò)逆動(dòng)態(tài)控制方法

根據(jù)企業(yè)風(fēng)險(xiǎn)特征指標(biāo)預(yù)測(cè)問題的特點(diǎn),提出將灰色系統(tǒng)gm(1,1)模型與神經(jīng)網(wǎng)絡(luò)結(jié)合建立一階灰色神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型,以實(shí)現(xiàn)系統(tǒng)預(yù)測(cè)的動(dòng)態(tài)性及提高系統(tǒng)的預(yù)測(cè)精度.但該模型具有一定的局限性,從模型參數(shù)的角度給出了該模型只適用于具有\(zhòng)"單調(diào)\"性數(shù)據(jù)的證明,進(jìn)而提出了三階灰色神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型,以適應(yīng)預(yù)測(cè)數(shù)據(jù)\"非單調(diào)\"或擺動(dòng)的情況.但隨著系統(tǒng)建模過程中階數(shù)的增加,預(yù)測(cè)精度會(huì)有所下降,因此應(yīng)根據(jù)數(shù)據(jù)特點(diǎn)選擇預(yù)測(cè)模型.最后,通過實(shí)證分析驗(yàn)證了上述模型及證明結(jié)論.

用神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)并控制鉆井動(dòng)態(tài)

強(qiáng)烈的地震給人們生命財(cái)產(chǎn)帶來巨大損失,為了能夠在地震之前預(yù)測(cè)出建筑物震害,提出一多層磚房為例。利用matlab神經(jīng)網(wǎng)絡(luò)工具箱,建立一種基于貝葉斯正則算法的bp神經(jīng)網(wǎng)絡(luò)模型,并以過去發(fā)生地震地區(qū)的多層磚房調(diào)查數(shù)據(jù)為震害因子的震害預(yù)測(cè)方法。結(jié)果表明:對(duì)多層磚房的震害樣本的預(yù)測(cè)達(dá)到理想效果。

基于神經(jīng)網(wǎng)絡(luò)的電梯導(dǎo)軌多步校直彎曲形式預(yù)測(cè)

基坑變形的動(dòng)態(tài)神經(jīng)網(wǎng)絡(luò)實(shí)時(shí)建模預(yù)報(bào)方法——為了對(duì)基坑變形進(jìn)行更準(zhǔn)確的監(jiān)測(cè)和預(yù)報(bào)，根據(jù)基坑變形的特點(diǎn)，提出了應(yīng)用動(dòng)態(tài)遞歸神經(jīng)網(wǎng)絡(luò)進(jìn)行實(shí)時(shí)建模預(yù)報(bào)，并采用一種改進(jìn)的在線學(xué)習(xí)算法，較好地描述了基坑變形的動(dòng)態(tài)特性。通過對(duì)某工程基坑的監(jiān)測(cè)，驗(yàn)證了該方法...

提出利用matlab人工神經(jīng)網(wǎng)絡(luò)工具箱建立基于貝葉斯正則算法的bp神經(jīng)網(wǎng)絡(luò)模型,以地震區(qū)多層磚房震害調(diào)查數(shù)據(jù)為因子的震害預(yù)測(cè)方法。神經(jīng)網(wǎng)絡(luò)模型輸入震害因子包括建筑的層數(shù)、施工質(zhì)量、房屋整體性等,輸出值為建筑物在地震作用下的破壞程度。結(jié)果表明,本方法可以對(duì)多層磚房的震害樣本進(jìn)行預(yù)測(cè)并達(dá)到較理想的效果。

本文提出了一種基于rbf神經(jīng)網(wǎng)絡(luò)的直接預(yù)測(cè)法,對(duì)公路貨運(yùn)量進(jìn)行了預(yù)測(cè),并利用matlab工具箱予以了實(shí)現(xiàn).對(duì)2004和2005年公路貨運(yùn)量預(yù)測(cè)的結(jié)果表明,預(yù)測(cè)值與國家統(tǒng)計(jì)局公布的實(shí)際數(shù)值有很好的一致性,預(yù)測(cè)精度也高于其它rbf預(yù)測(cè)法,有很好的應(yīng)用性.

當(dāng)前,諸多研究人員被電力負(fù)載預(yù)測(cè)所吸引,由于其是精確計(jì)劃、調(diào)度及運(yùn)維電力系統(tǒng)的先決條件.眾多因素均影響著電力負(fù)載預(yù)測(cè),因此提出一個(gè)混合模型來提升預(yù)測(cè)的準(zhǔn)確性是有必要的.文中提出一種采用2種方法的新的混合負(fù)載估計(jì)方案:小波變換(avelettransform,wt)和人工神經(jīng)網(wǎng)絡(luò)(artificialneuralnetwork,ann).為了將大型非對(duì)稱時(shí)變電力原始數(shù)據(jù)集合考慮到其中,根據(jù)時(shí)間和頻率采用小波技術(shù)來分解數(shù)據(jù),眾多小波函數(shù)可以采用,但選擇一種合適的小波函數(shù)在設(shè)計(jì)此模型中扮演著關(guān)鍵作用.文中采用了以下幾種類型的小波函數(shù),即haar小波函數(shù)、deubechies小波函數(shù)、symlet小波函數(shù)以及coiflet小波函數(shù),將電力負(fù)載數(shù)據(jù)分解成不同的段.隨后,使用ann來預(yù)測(cè)負(fù)載的非線性數(shù)據(jù).由aemo獲取一周每天24h的數(shù)據(jù)驗(yàn)證了文中所設(shè)計(jì)模型的有效性.

為了對(duì)民航系統(tǒng)安全運(yùn)行狀態(tài)進(jìn)行科學(xué)的分析和預(yù)測(cè),針對(duì)反映民航系統(tǒng)安全運(yùn)行狀態(tài)的重要指標(biāo)之一——飛行事故萬時(shí)率,采用bp神經(jīng)網(wǎng)絡(luò)的時(shí)間序列非線性預(yù)測(cè)模型及方法,對(duì)其進(jìn)行了分析研究和仿真驗(yàn)證,計(jì)算結(jié)果表明,該預(yù)測(cè)方法是可行的,并與實(shí)際具有較好的一致性。

公路貨運(yùn)量受多種因素影響,各因素的作用機(jī)制通常不能準(zhǔn)確地用數(shù)學(xué)語言進(jìn)行描述。采用廣義回歸神經(jīng)網(wǎng)絡(luò)(grnn)對(duì)貨運(yùn)量進(jìn)行分析及預(yù)測(cè)。通過對(duì)1995~2003年南京市公路運(yùn)量的歷史數(shù)據(jù)進(jìn)行分析和處理,對(duì)網(wǎng)絡(luò)進(jìn)行訓(xùn)練和擬合,用2004~2005年的實(shí)際數(shù)據(jù)進(jìn)行模型檢驗(yàn),結(jié)果證明了grnn用于貨運(yùn)量預(yù)測(cè)的有效性。

通過對(duì)公路貨運(yùn)量的預(yù)測(cè)方法進(jìn)行研究比較,并根據(jù)公路貨運(yùn)量形成的復(fù)雜和非線性等特點(diǎn),建立bp神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型.利用黑龍江省公路貨運(yùn)量及其相關(guān)影響因素的實(shí)際數(shù)據(jù),確定網(wǎng)絡(luò)輸入與輸出樣本,并對(duì)bp神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)系統(tǒng)進(jìn)行訓(xùn)練和預(yù)測(cè).通過對(duì)網(wǎng)絡(luò)輸出的誤差曲線圖的分析,驗(yàn)證bp神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)系統(tǒng)的精確性和簡單方便性,提高了公路貨運(yùn)量預(yù)測(cè)的精確性.

開采地面沉陷預(yù)測(cè)的神經(jīng)網(wǎng)絡(luò)方法研究——應(yīng)用神經(jīng)網(wǎng)絡(luò)理論，建立了開采地面沉陷預(yù)測(cè)的bp神經(jīng)網(wǎng)絡(luò)模型，采用開采地面沉陷實(shí)測(cè)數(shù)據(jù)對(duì)網(wǎng)絡(luò)進(jìn)行了訓(xùn)練，以此訓(xùn)練好的bp神經(jīng)網(wǎng)絡(luò)模型來描述開采地面沉陷與其影響因素之間的非線性映射關(guān)系，并采用測(cè)試樣本對(duì)模型進(jìn)行了...

為簡化震害預(yù)測(cè)工作,提出一種以房屋普查數(shù)據(jù)為震害影響因子并利用人工神經(jīng)網(wǎng)絡(luò)模型為工具的震害預(yù)測(cè)方法。從以往震害實(shí)例中選取了具有典型破壞特點(diǎn)的建筑物作為神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)樣本,用收集的數(shù)據(jù)對(duì)網(wǎng)絡(luò)進(jìn)行了訓(xùn)練并得到了收斂的網(wǎng)絡(luò),應(yīng)用此收斂的網(wǎng)絡(luò)對(duì)一組新的房屋數(shù)據(jù)進(jìn)行震害預(yù)測(cè),結(jié)果表明了運(yùn)用此方法和模型的實(shí)用性。

在分析普通混凝土強(qiáng)度各影響因素的基礎(chǔ)上,選取6個(gè)影響因素組成輸入層,以混凝土28d強(qiáng)度作為輸出,建立徑向基函數(shù)網(wǎng)絡(luò),經(jīng)網(wǎng)絡(luò)訓(xùn)練和仿真結(jié)果對(duì)比,表明所建網(wǎng)絡(luò)結(jié)構(gòu)合理、收斂速度快、精度高,可以滿足普通混凝土強(qiáng)度預(yù)測(cè)要求,具有廣泛的應(yīng)用前景。

房地產(chǎn)業(yè)是國民經(jīng)濟(jì)發(fā)展的重要支柱產(chǎn)業(yè)之一,因此,科學(xué)預(yù)測(cè)房地產(chǎn)價(jià)格指數(shù)具有十分重要的意義。將神經(jīng)網(wǎng)絡(luò)算法應(yīng)用于房價(jià)指數(shù)預(yù)測(cè),收集我國主要城市的房地產(chǎn)價(jià)格指數(shù)數(shù)據(jù),使用spssclementine軟件進(jìn)行分析。實(shí)驗(yàn)結(jié)果表明,該預(yù)測(cè)方法是可行的和有效的。

神經(jīng)網(wǎng)絡(luò)組合預(yù)測(cè)法在軟基沉降預(yù)測(cè)中的應(yīng)用——通過引入神經(jīng)網(wǎng)絡(luò)組合預(yù)測(cè)模型，對(duì)軟基沉降序列進(jìn)行了非線性組合預(yù)測(cè)。預(yù)測(cè)結(jié)果表明，神經(jīng)網(wǎng)絡(luò)組合預(yù)測(cè)的結(jié)果比各單項(xiàng)模型預(yù)測(cè)的結(jié)果都好，提高了軟基沉降的預(yù)測(cè)精度，可進(jìn)一步推廣應(yīng)用。　　

公路軟基沉降函數(shù)干涉神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型——建立了基于函數(shù)干涉神經(jīng)網(wǎng)絡(luò)的公路軟基沉降預(yù)測(cè)模型。工程實(shí)例表明，所建議的模型外延性好，而且，可以由較短預(yù)壓期內(nèi)沉降觀測(cè)資料預(yù)測(cè)遠(yuǎn)期沉降發(fā)展，與傳統(tǒng)沉降預(yù)測(cè)模型相比具有顯著的優(yōu)越性，工程應(yīng)用前景廣闊．

小樣本協(xié)整檢驗(yàn)的神經(jīng)網(wǎng)絡(luò)方法

本文把信息擴(kuò)散原理和神經(jīng)網(wǎng)絡(luò)相結(jié)合,提出一種工程造價(jià)的估測(cè)方法,并給出計(jì)算實(shí)例。

以小波分析和bp神經(jīng)網(wǎng)絡(luò)為基礎(chǔ),構(gòu)建了小波神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型。使用ca6140車床對(duì)氟金云母陶瓷進(jìn)行了干車削試驗(yàn),并用三向測(cè)力儀測(cè)量了切削過程的切削力變化趨勢(shì)?；谛〔ò械膚pbmpen函數(shù)對(duì)切削力信號(hào)進(jìn)行了降噪處理,切削力信號(hào)在降噪后有明顯改善,能更形象地表達(dá)出切削力的變化趨勢(shì)?；谛〔ㄉ窠?jīng)網(wǎng)絡(luò)對(duì)切削力進(jìn)行了預(yù)測(cè),結(jié)果表明:小波神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)值、信號(hào)降噪處理值和試驗(yàn)值都非常相近,說明切削力在預(yù)測(cè)過程中具有一定的可靠性,小波神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)前對(duì)切削力信號(hào)的降噪處理是合理的。

針對(duì)鈦合金等難加工金屬材料數(shù)控加工存在的問題,采用rbf神經(jīng)網(wǎng)絡(luò)開發(fā)了難加工金屬材料數(shù)控加工神經(jīng)網(wǎng)絡(luò)控制方法,并結(jié)合數(shù)控加工設(shè)備建立了難加工金屬材料實(shí)時(shí)監(jiān)控系統(tǒng).應(yīng)用效果表明,對(duì)難加工材料數(shù)控加工進(jìn)行rbf神經(jīng)網(wǎng)絡(luò)控制后,加工工件表面粗糙度誤差和圓度誤差比難加工材料傳統(tǒng)數(shù)控加工方法要低很多,表面粗糙度平均誤差降低50%以上,圓度平均誤差降低70%以上.

目前為止,現(xiàn)有的油田開發(fā)指標(biāo)預(yù)測(cè)方法難以反映實(shí)際存在的時(shí)間累積效應(yīng)對(duì)該指標(biāo)預(yù)測(cè)的影響。因此,為提高油田開發(fā)指標(biāo)預(yù)測(cè)的準(zhǔn)確度,本文提出基于徑向基過程神經(jīng)元網(wǎng)絡(luò)的油田開發(fā)動(dòng)態(tài)指標(biāo)預(yù)測(cè)模型,并將其應(yīng)用到實(shí)際油田開發(fā)動(dòng)態(tài)指標(biāo)的預(yù)測(cè)中。實(shí)例分析結(jié)果表明,本文提出的徑向基過程神經(jīng)元網(wǎng)絡(luò)的油田開發(fā)動(dòng)態(tài)指標(biāo)的預(yù)測(cè)方法精度高、速度快,是預(yù)測(cè)油田開發(fā)指標(biāo)的一種較實(shí)用的方法。