多步预测性能指标函数的神经网络逆动态控制方法

根据企业风险特征指标预测问题的特点,提出将灰色系统gm(1,1)模型与神经网络结合建立一阶灰色神经网络预测模型,以实现系统预测的动态性及提高系统的预测精度.但该模型具有一定的局限性,从模型参数的角度给出了该模型只适用于具有\"单调\"性数据的证明,进而提出了三阶灰色神经网络预测模型,以适应预测数据\"非单调\"或摆动的情况.但随着系统建模过程中阶数的增加,预测精度会有所下降,因此应根据数据特点选择预测模型.最后,通过实证分析验证了上述模型及证明结论.

用神经网络预测并控制钻井动态

强烈的地震给人们生命财产带来巨大损失,为了能够在地震之前预测出建筑物震害,提出一多层砖房为例。利用matlab神经网络工具箱,建立一种基于贝叶斯正则算法的bp神经网络模型,并以过去发生地震地区的多层砖房调查数据为震害因子的震害预测方法。结果表明:对多层砖房的震害样本的预测达到理想效果。

基于神经网络的电梯导轨多步校直弯曲形式预测

基坑变形的动态神经网络实时建模预报方法——为了对基坑变形进行更准确的监测和预报，根据基坑变形的特点，提出了应用动态递归神经网络进行实时建模预报，并采用一种改进的在线学习算法，较好地描述了基坑变形的动态特性。通过对某工程基坑的监测，验证了该方法...

提出利用matlab人工神经网络工具箱建立基于贝叶斯正则算法的bp神经网络模型,以地震区多层砖房震害调查数据为因子的震害预测方法。神经网络模型输入震害因子包括建筑的层数、施工质量、房屋整体性等,输出值为建筑物在地震作用下的破坏程度。结果表明,本方法可以对多层砖房的震害样本进行预测并达到较理想的效果。

本文提出了一种基于rbf神经网络的直接预测法,对公路货运量进行了预测,并利用matlab工具箱予以了实现.对2004和2005年公路货运量预测的结果表明,预测值与国家统计局公布的实际数值有很好的一致性,预测精度也高于其它rbf预测法,有很好的应用性.

当前,诸多研究人员被电力负载预测所吸引,由于其是精确计划、调度及运维电力系统的先决条件.众多因素均影响着电力负载预测,因此提出一个混合模型来提升预测的准确性是有必要的.文中提出一种采用2种方法的新的混合负载估计方案:小波变换(avelettransform,wt)和人工神经网络(artificialneuralnetwork,ann).为了将大型非对称时变电力原始数据集合考虑到其中,根据时间和频率采用小波技术来分解数据,众多小波函数可以采用,但选择一种合适的小波函数在设计此模型中扮演着关键作用.文中采用了以下几种类型的小波函数,即haar小波函数、deubechies小波函数、symlet小波函数以及coiflet小波函数,将电力负载数据分解成不同的段.随后,使用ann来预测负载的非线性数据.由aemo获取一周每天24h的数据验证了文中所设计模型的有效性.

为了对民航系统安全运行状态进行科学的分析和预测,针对反映民航系统安全运行状态的重要指标之一——飞行事故万时率,采用bp神经网络的时间序列非线性预测模型及方法,对其进行了分析研究和仿真验证,计算结果表明,该预测方法是可行的,并与实际具有较好的一致性。

公路货运量受多种因素影响,各因素的作用机制通常不能准确地用数学语言进行描述。采用广义回归神经网络(grnn)对货运量进行分析及预测。通过对1995~2003年南京市公路运量的历史数据进行分析和处理,对网络进行训练和拟合,用2004~2005年的实际数据进行模型检验,结果证明了grnn用于货运量预测的有效性。

通过对公路货运量的预测方法进行研究比较,并根据公路货运量形成的复杂和非线性等特点,建立bp神经网络预测模型.利用黑龙江省公路货运量及其相关影响因素的实际数据,确定网络输入与输出样本,并对bp神经网络预测系统进行训练和预测.通过对网络输出的误差曲线图的分析,验证bp神经网络预测系统的精确性和简单方便性,提高了公路货运量预测的精确性.

开采地面沉陷预测的神经网络方法研究——应用神经网络理论，建立了开采地面沉陷预测的bp神经网络模型，采用开采地面沉陷实测数据对网络进行了训练，以此训练好的bp神经网络模型来描述开采地面沉陷与其影响因素之间的非线性映射关系，并采用测试样本对模型进行了...

为简化震害预测工作,提出一种以房屋普查数据为震害影响因子并利用人工神经网络模型为工具的震害预测方法。从以往震害实例中选取了具有典型破坏特点的建筑物作为神经网络的学习样本,用收集的数据对网络进行了训练并得到了收敛的网络,应用此收敛的网络对一组新的房屋数据进行震害预测,结果表明了运用此方法和模型的实用性。

在分析普通混凝土强度各影响因素的基础上,选取6个影响因素组成输入层,以混凝土28d强度作为输出,建立径向基函数网络,经网络训练和仿真结果对比,表明所建网络结构合理、收敛速度快、精度高,可以满足普通混凝土强度预测要求,具有广泛的应用前景。

房地产业是国民经济发展的重要支柱产业之一,因此,科学预测房地产价格指数具有十分重要的意义。将神经网络算法应用于房价指数预测,收集我国主要城市的房地产价格指数数据,使用spssclementine软件进行分析。实验结果表明,该预测方法是可行的和有效的。

神经网络组合预测法在软基沉降预测中的应用——通过引入神经网络组合预测模型，对软基沉降序列进行了非线性组合预测。预测结果表明，神经网络组合预测的结果比各单项模型预测的结果都好，提高了软基沉降的预测精度，可进一步推广应用。　　

公路软基沉降函数干涉神经网络预测模型——建立了基于函数干涉神经网络的公路软基沉降预测模型。工程实例表明，所建议的模型外延性好，而且，可以由较短预压期内沉降观测资料预测远期沉降发展，与传统沉降预测模型相比具有显著的优越性，工程应用前景广阔．

泡沫金属试样测试复杂,对试样而言又急需知道基体结构参数与力学性能和阻尼性能的关系,采用线性回归技术无法实现这一功能,应用人工神经网络,则解决了通过测量泡沫金属的四个基本参数达到推知其力学性能、阻尼性能的课题。

人工神经网络方法在基坑变形预测中的应用研究——分析研究了人工神经网络方法在基坑变形预测中的建模方法，并通过实例应用，证明这种方法是切实可行的。同时将人工神经网络方法预测结果和灰色系统模型及时序模型预测进行比较，充分证明人工神经网络方法在变形预...

本文将遗传算法与神经网络相结合,从而建立了一种高效的、实用的桥梁震害预测方法。根据遗传算法具有局部寻优的特点,为避免bp神经网络陷入局部极小值,本文将二者结合起来形成ga-bp混合算法,以ga优化神经网络的初始权值和阈值,对网络进行训练。在大量收集梁式桥震害资料的基础上,将此算法引入桥梁的震害预测中,并与传统的单独bp神经网络相比较,结果表明该方法能够有效、准确地对桥梁结构进行震害预测。

在现代工程建设中,工程造价为衡量工程的成本投入提供了可靠的依据.行之有效的确定和控制工程造价的方法,是提高工程质量和建设效率、降低成本的重要途径之一.文章根据当前的主流应用方向,清晰阐述了常用的工程造价的确定方法.详细分析工程造价的控制思路.最后通过实例,尝试在实践中找到确定并控制工程造价的方法.

以小波分析和bp神经网络为基础,构建了小波神经网络预测模型。使用ca6140车床对氟金云母陶瓷进行了干车削试验,并用三向测力仪测量了切削过程的切削力变化趋势。基于小波包中的wpbmpen函数对切削力信号进行了降噪处理,切削力信号在降噪后有明显改善,能更形象地表达出切削力的变化趋势。基于小波神经网络对切削力进行了预测,结果表明:小波神经网络预测值、信号降噪处理值和试验值都非常相近,说明切削力在预测过程中具有一定的可靠性,小波神经网络预测前对切削力信号的降噪处理是合理的。