BP神经网络模型在地下水水质评价中的应用

运用人工神经网络理论和方法 ,建立了地下水水质评价的 BP神经网络模型 ,对肥城市 6眼水井的地下水水质进行了评价 ,并与综合指数法、模糊综合评判法的评价结果进行了比较 .结果表明 ,用 BP神经网络模型评价地下水水质是可行的 ,该模型具有很强的的学习、联想和容错功能 ,其分析结果和过程都接近人脑的思维过程和分析方法 ,使得地下水水质评价结果的精度大大提高 .     

基于方法集的农业产业化综合评价模型

为了对农业产业化作出全面、科学的评价,应用主成分分析、模糊综合评价、灰色评价、集对分析和人工神经网络构成方法集对其进行综合评价.该模型首先通过KENDALL-W协和系数法对各评价结果进行事前一致性检验,在保证各方法评价结果具有一致性检验的前提下再运用算术平均组合评价模型、Borda组合评价模型和Copeland组合评价模型三种组合评价方法对各方法的评价结果进行组合评价.为了衡量组合评价的结果与各评价方法的评价结果是否吻合,又应用Spearman等级相关系数进行组 合评价方法的事后检验,并根据Spearman等级相关系数的大小, 选出最优的组合评价方法. 最后,通过对环洞庭湖区23个县市农业产业化发展水平的实际评价验证了本方法的有效性.     

城市环境质量的未确知测度评价

在未确知测度空间基础上，建立未确知测度评价模型并用于城市环境质量评价； 与模糊综合评判、灰色聚类分析、物元分析、ＢＰ人工神经网络等评价方法比较，未确知测度评价模型严谨，评价结果合理、精细、分辨率高，更适合于环境质量评价；     

短时交通流量智能组合预测模型及应用

提出了一种新的短时交通流量智能组合预测模型.该智能组合模型包含三个子模型:卡尔曼滤波模型、人工神经网络模型和模糊综合模型.卡尔曼滤波模型利用卡尔曼滤波方法良好的静态线性稳定特性,采用线性迭代方式对交通流量进行最优估计.人工神经网络模型利用其强大的动态非线性映射能力,对动态交通流量的预测具有较高的精度和满意度.模糊综合模型采用模糊方法来综合这两个单项模型的输出,并把它的输出作为整个组合模型的最终交通流量预测值.实际应用表明:该组合模型的预测精度高于单项预测模型各自单独使用时的精度,发挥了两种模型各自的优势,是短时交通流预测的一种有效方法.     

应用模糊综合评判方法评价区域经济实力

应用模糊数学方法，对区域经济实力进行模糊综合评价，并以梧州地区所辖县为例，讨论模型的建立和综合评价的结果。     

一种新的基于模糊数算术运算的综合评价模型

将模糊数引入综合评价领域,提出了一种新的基于模糊数算术运算的综合评价模型。介绍了三角模糊数和梯形模糊数算术运算的法则,利用模糊数确定评价值和权重值进行综合评价。以机构方案优选为例列举了新的模糊算术运算综合评价的步骤。计算结果表明,该方法评价效果显著,所提出的模型采用模糊数算术运算简明快捷,在工程实际应用中有重要价值。     

城市环境质量综合评价物元模型及其应用

将城市环境质量分级标准、评价指标及其特征值作为物元 ,对评价标准及实测数据进行归一化后 ,得到模型的经典域、节域、权系数及关联度 ,进而建立了城市环境质量的综合评价模型 ,并将该模型应用到宣州市环境质量的评价中 ,结果表明 ,与多级模糊综合评价法的评价结果相一致 ,是一种更为简单的城市环境质量综合评价法 .     

城市综合环境质量评价的B—P网络模型

为了探索人工神经网络用于综合环境质量评价的可能性，提出了基于Ｂ－Ｐ算法的人工神经网络城市综合环境质量的二级评价模型。该模型应用于某市的大气、地面水和噪声综合环境质量评价结果表明，Ｂ－Ｐ网络用于环境质量评价简便实用，具有客观性和通用性。     

基于AI的农村公路养护管理评价方法研究

综合考虑影响农村公路养护管理的各要素, 采用层次分析方法, 建立了包含目标层、准则层、 指标层的农村公路养护管理评价三级指标体系. 针对综合评价中知识学习积累问题, 研究了基于人工智能的模糊神经网络方 法在农村公路养护管理评价中的应用. 结合模糊理论和神经网络方法, 采用模块化设计思想初步建立了农村公路养护管理评价 的结构模型, 在评估系统中嵌入专家知识, 采用模糊理论对评价指标进行模糊化处理, 再利用多层神经网络进行数值分析, 最后将结果反模糊化, 实现对农村公路养护管理系统的综合评价. 同时通过实例说明了系统学习、系统评价的过程, 实例验证了所建模糊神经网络模型的可行性与有效性.     

基于人工神经网络的水电补偿调节研究

将人工神经网络应用于水电优化补偿调节，建立了基于Ｈｏｐｆｉｅｌｄ网络的水电补偿调节模型，提出了相应的综合算法，并将其应用于实际问题，得到了满意的结果。     

基于模糊神经网络的机器人逆运动学问题

模糊神经网络（FNN，Fuzzy Neural Network)结合了神经网络和模糊逻辑的优点，即可以容易的表达模糊定性的知识，又具有较好的学习能力。针对机器人逆运动学问题，本文首先提了基于模糊神经网络的解决方案，阐述了基本设计思想和具体算法过程，对二自由度刚性机器人的仿真结果表明了该方案的有效性和可行性。     

模糊神经网络分类器在企业建模知识管理中的应用

为了对企业建模活动进行知识管理，开发了基于Web的企业 模型知识库系统，并按照CIM-OSA的思想将参考模型库划分为通用、部分通用和专用三个层次。如何在这三个 层次之间建立合理的分类检索体系成为企业建模知识管理的一个核心问题。文章引入模糊神经网络分类器解决企业参考模型库的模型分类问题，通过一个应用实例进行算法验证，并与基于模糊数据挖掘的分类方法进行比较分析。实验数据表明，模糊神经网络分类器具有很好的性能。     

一种基于模糊神经网络的自适应模糊辨识方法

基于改进的T-S模型，提出一种自适应模糊神经网络模型(AFNN)。首先，基于模糊竞争学习算法确定系统的模糊空间和模糊规则数，并得出每个样本对每条规则的适用程度。其次，利用卡尔曼滤波算法在线辨识AFNN的后件参数。AFNN具有结构简洁，逼近能力强，能够显著提高辨识精度，并且辨识的模糊模型简单有效。最后，将该AFNN用于非线性系统的模糊辨识，仿真结果验证了该方法的有效性。     

基于RBFNN的DMFC温度建模与神经模糊控制研究

为了提高燃料电池的发电性能，直接甲醇燃料电池（DMFC）堆的运行温度应该控制在一个合适的范围内。简单介绍了利用RBF神经网络基于实验的输入输出数据建立DMFC电堆温度模型的方法，避开了电堆的内部复杂性；在控制过程中，将训练好的网络模型作为DMFC控制系统的参考模型，采用一种改进的模糊遗传算法（FGA）在残对神经模糊控制器的参数进行自适应调整。采用最近邻聚类算法小（NNCA）对控制器的模糊规则库进行更新。在仿真实验中，将所提出的算法与非线性PID和传统模糊算法进行比较，结果表明所设计的神经模糊控制器具有较好的性能。     

DC-DC变换器的模糊神经网络控制方法研究

提出了一种新型的模糊神经网络串联式结合方式。这种串联型模糊神经网络具有模糊控制的结构简单、使用方便的特点，同时又利用了人工神经网络的聚类功能，使整个控制器又具备人工神经网络的自学习能力。仿真试验表明该控制方法对于复杂的全桥式串联共振型DC—DC变换器具有良好的控制效果，整个模糊神经网络控制器的设计过程不仅避免了传统控制器的繁琐的参数调节过程，而且又避免了传统模糊神经网络控制器设计的复杂性。     

城市交通控制智能优化配时及仿真

城市交通系统是一个随机性很强的、复杂的巨型系统。开发了双层反馈神经网络，将其应用于城市交通控制信号配时优化，并开发了应用于优化计算的能量函数和车辆平均延误计算式。以广东江门市某平面交叉路口为对象进行了仿真计算，结果表明：与传统的配时方法相比，采用所开发的双层反馈神经网络进行智能优化配时，交叉路口车辆的平均延误可以平均减少18．2％，可以大大提高路口的通行效率。开发的双层反馈神经网络也可以应用于其他对象的优化，具有较强的推广应用价值。     

基于模糊神经网络局部强化学习在Robocup中的应用

针对Robocup仿真组比赛中智能体的配合与动作选取,将模糊神经网络（FNN）和局部协调图动态角色分配与传统Q-学习相结合,提出了基于模糊神经网络的局部Q-学习。采用该方法,有效抑制了仿真平台中的噪声干扰,提高了动作选取的精度,解决了传统Q-学习中Q表占用内存空间过大的问题,增强了系统的泛化能力,并进一步缩短了学习时间,更好的满足比赛实时性的要求。将其运用于仿真组比赛的传球和射门模型中,验证了该方法的有效性。     

一种非线性自适应逆噪声控制器设计及其仿真

基于模糊神经网络算法研究了非线性系统的噪声消除问题,设计了一类非线性自适应逆噪声消除控制器。该文利用模糊神经网络融合算法所具有的对任意函数的精确逼近性,对非线性系统进行建模和逆建模,从而为非线性自适应逆噪声控制器的有效性提供了保障。最后将所设计的控制器用于仿真实例,研究表明该噪声控制器能有效地消除非线性被控对象的噪声污染。说明了该方法的可行性和有效性。     

基于MATLAB仿真的神经网络控制器的设计与实现

在三种常规控制器的基础上，采用BP网络设计了三种神经网络控制器，即神经自校正控制器，神经网络PID控制器和神经模型参考自适应控制器，并都通过BP算法进行训练，针对三个仿真实例用MATLAB软件工具进行了仿真，仿真结果证明了方案的可行性。     

基于模糊CMAC网络的非线性自适应逆控制

针对非线性自适应逆控制中非线性对象的建模和逆建模的精确性这一问题,提出一种基于模糊小脑模型关节控制器(Fuzzy Cerebellar Model Articulation Controller, FCMAC)网络的非线性自适应逆控制方案.将模糊逻辑思想嵌入到CMAC中构成FCMAC来对非线性对象进行较精确的逆建模,从而构建逆控制系统.在对象特性未知的情况下,选用BP网络来对象进行正建模,并由BP网络的辩识结果来对FCMAC的参数进行调整.仿真实验表明了该方案的有效性,且验证了其控制效果较单纯的CMAC网络逆控制更理想.