采用BP和RBF神经网络的厦门市工程造价预测模型

收集55个厦门市典型工程造价指标,利用SPSS软件对数据进行预处理,选取11个工程特征作为造价的主要影响因素,分别建立基于多层前馈(BP)和径向基函数(RBF)神经网络的工程估价模型.从55个案例中随机抽取10个作为预测样本,剩下的45个作为训练样本,进行BP,RBF神经网络预测模型的训练和测试.结果表明:通过参数优选的RBF神经网络工程造价预测模型,预测误差在5%以内,网络泛化能力更优越,可用于实际工程造价的辅助估算.     

基于GA-BP神经网络的柴油喷雾贯穿距预测

为解决柴油喷雾贯穿距测量的问题,提出一种基于GA-BP神经网络的预测方法。首先通过实验得到30组柴油在定容弹中不同环境背压、喷油压力和喷油脉宽等条件下的喷雾贯穿距,然后将前20组数据作为训练样本,后10组数据作为测试样本,最后分别通过BP神经网络和GA-BP神经网络建立喷雾贯穿距的预测模型。研究结果表明:GA-BP神经网络预测模型的平均相对误差和相对误差方差均比BP神经网络预测模型的低,并且其达到收敛时所需的迭代次数比BP神经网络预测模型的少。基于GA-BP神经网络的柴油喷雾贯穿距预测模型具有较高精度和适用性,为喷雾贯穿距的测量提供了一种低成本、高效率的方法。     

RBF神经网络电力负荷预测模型研究

运用Matlab神经网络工具箱建立了一个RBF神经网络,依据某地实际的历史电力负荷数据和天气数据作为训练样本和测试样本,进行了考虑历史天气状况因素的电力系统短期负荷的预测和仿真,预测结果平均相对误差较小,满足精度要求,并将此RBF负荷预测模型与BP神经网络建立的短期电力负荷预测模型的预测结果进行了比较,显示了在相同预测条件下,RBF神经网络相比于BP神经网络在电力系统短期负荷预测方面的优越性.     

神经网络中的正交设计法研究

提出用正交设计法选择前馈型神经网络训练样本的方法,并且对其基本原理进行了探讨。文中以三层BP网络为例,根据特定位级的正交表获取相应的训练样本集,利用该训练样本集对网络训练,然后用经过训练的网络对各取值域作离散预测。详细的对比计算表明：1）将正交设计法应用于神经网络学习训练样本的选取上是成功有效的;（2）选用四位级或五位级的正交表来对网络样本做选择精度已经足够。另外,将网络隐层神经元个数对网络的影响与选用正交表不同位级对网络的影响的效果也作了比较。     

IBF神经网络电力负荷预测模型研究

运用Matlab神经网络工具箱建立了一个RBF神经网络,依据某地实际的历史电力负荷数据和天气数据作为训练样本和测试样本,进行了考虑历史天气状况因素的电力系统短期负荷的预测和仿真,预测结果平均相对误差较小,满足精度要求,并将此RBF负荷预测模型与BP神经网络建立的短期电力负荷预测模型的预测结果进行了比较,显示了在相同预测条件下,RBF神经网络相比于BP神经网络在电力系统短期负荷预测方面的优越性．     

基于神经网络的公路网规模预测

路网规模研究是公路网规划的重要内容。考虑影响公路网合理规模的多种因素，提出了一种基于BP神经网络的公路网规模预测方法，并建立了模拟路网规模与其影响因素间的非线形关系预测模型。步骤依次为：改进传统的BP算法、合理确定影响因素、建立预测模型、模型的训练与检验、数据预测。预测结果表明，该方法客观、合理，预测精度高，实用性强，具有较强的理论与实际应用价值。     

BP与GM(1,1)预测隧道涌水对比分析和实证

利用某隧道的涌水监测数据,对比BP神经网络和GM(1,1)灰色数列预测模型两种方法预测结果的差异,以考察其适应性与误差。结果显示,在小样本信息量少的情况下,GM(1,1)预测精度优于BP,但训练样本的精度低于BP;BP的预测结果同隐含层神经元个数密切相关,并存在一最优值;在监测数据较少时,对BP网络进行初始化和预测,每次训练样本的误差都满足要求,但预测值的误差大幅波动。研究表明,监测数据较少时,采用GM(1,1)较合适。通过分析小样本下产生上述结果的原因,提出了在有足够监测数据下,GM(1,1)用于中长期监测的改进方法(GM(1,1)展开或用Verhulst模型)、BP神经网络的改进方法(滑移窗口处理)。     

基于改进BP神经网络的公路旅游客流量预测

针对如何精确预测公路旅游客流量这一问题,论述了公路旅游客流量研究背景,对包括神经网络模型在内的几类模型进行了分析,说明神经网络预测模型运用在公路旅游客流量预测中的优势.以实证分析为背景,论述了改进BP神经网络在公路旅游客流量预测中的应用,并深入研究了实际运用中输入/输出向量的选择、数据预处理方法、隐层神经元数目选择、训练函数选择等实际问题,对预测结果和实际值进行了比较和分析论述,得到一个适合的BP网络.最后对几种预测方法的预测结果进行比较,说明了BP神经网络在公路旅游客流量预测的合理性与可行性.     

基于径向基神经网络的天气预测模型

针对天气数据高度非线性化的特点,以贵阳市近一年的天气数据为基础,结合神经网络在非线性系统建模与优化求解的优势,提出了一种基于径向基函数(RBF)神经网络的预测模型。该模型分别采用以2天、3天直至9天天气数据为一周期对未来1天天气做出预测的训练样本,最后以贵阳市2017年1月的天气作为测试样本,并将所预测的数据与真实天气数据对比。仿真结果表明,RBF神经网络比现有的预测方法如BP神经网络的预测结果具有更高的可行性和有效性。     

基于BP神经网络的交流输电线路可听噪声预测模型

可听噪声属于输电线路电磁环境的影响因子之一,其常规预测模型均存在使用条件受约束或预测误差偏大的问题.根据间接预测法的思想,以可听噪声通用表达式中的4个因素为输入变量,可听噪声值为输出变量,建立了三层结构的BP神经网络交流输电线路可听噪声预测模型.以国外多条输电线路可听噪声数据为样本,通过BP神经网络对样本进行训练,运用得到的模型对预测集线路的可听噪声值进行了预测.结果表明,与常规GE公式相比,采用BP神经网络预测模型的预测平均绝对误差要小1.641 4 d B(A).     

基于Content-Addressable Network的对等网络研究

CAN(Content-Addressable Network)是基于分布式哈希表(Distributed Hash Table,DHT)的结构化对等网络.CAN系统通过分布式哈希表(DHT)在d维虚拟空间中搜索、共享资源,具有良好的可扩展性,容错性和完全自适应性.本文从网络架构,系统性能等方面综合介绍了CAN系统并对2种基于子空间策略CAN资源搜索算法进行了介绍和分析.     

拓扑结构对网络承载能力的影响

 通过建立3 种典型的复杂网络模型及对应的输运模型,数值计算并仿真试验拓扑结构指标和网络承载能力的变化.结果显示:3 种网络承载能力的数值计算结果和仿真试验结果基本吻合;核心节点的存在使得无标度网络的节点最大介数值所占比重高于其他网络,导致网络的承载能力最小;随机网络的节点最大介数值所占比重低于其他网络,导致承载能力最大;随着平均度的增大,各类型网络承载能力增加明显,但各种拓扑结构指标对承载能力提升的贡献不同.     

一种基于神经网络的网络设备故障预测系统

引入基于状态的维修技术,构建了基于多状态的在网运行设备故障预测模型.根据故障的严重性将预警等级划分为四层,对于不同的预警级别,分别构建神经网络.该模型解决了设备故障预测精度不高的难题,提升了基于多状态的故障预测能力.     

一种基于网络编码的光网络保护机制

采取共享保护的模式,改进一种新的基于单链路故障的1＋N保护机制．此机制在核心节点处进行线性组合,在不通过故障监测和定位的情况下仍然能准确地恢复出由于链路故障丢失的数据．与传统的专有保护相比较,通过仿真实验表明,1＋N保护方案可以减少波长资源消耗,能节省较多资源,仍然可用短时间进行故障恢复．     

高校校园网的网络安全

讨论目前我国高校校园网的安全策略．分类列举常用的安全措施,并简要说明笔者的安全构想。     

网格在高校校园网中的应用探讨

校园网络应用系统中由于系统异构等因素,导致不同应用系统间的数据、资源无法共享,形成了信息“孤岛”;同时,各种计算资源分配不合理、利用率不高等现象也普遍存在,网格技术的出现对解决这些问题提供了新的方案。探讨了在校园网环境下,利用OGSA网格体系结构和G lobus工具包建立网格平台,整合校园网资源,建设数字化校园信息基础架构,并给出了设计思想。     

一种基于网络编码的光网络保护机制

采取共享保护的模式,改进一种新的基于单链路故障的1＋N保护机制．此机制在核心节点处进行线性组合,在不通过故障监测和定位的情况下仍然能准确地恢复出由于链路故障丢失的数据．与传统的专有保护相比较,通过仿真实验表明,1＋N保护方案可以减少波长资源消耗,能节省较多资源,仍然可用短时间进行故障恢复．     

虚拟专用网(VPN)在网络安全中的作用

VPN技术就是在数据传送过程中加上了加密和认证的网络安全技术 .通过这种技术 ,可以利用公共网络构建自己的专用网络 .