人工神经网络在电力系统短期负荷预测中的应用

根据电力系统短期负荷变化的特性,提出BP模型在实际负荷预测应用中的方法和步骤．对BP网络结构、样本空间、收敛性等作了有针对性的研究．结果表明：多层神经网络应用于电力系统短期负荷预测是可行和有效的．其预报结果比传统的负荷预测方法更准确、经济、效果更好．     

转换GPS高程的神经元网络方法

介绍了神经元网络BP算法的基本结构,提出了转换GPS高程的神经元网络模型－－经改进的5层BP网络结构。该BP网络结构包括：输入转换层,输入层,隐含层,输出层和输出转换层。由于BP网络激活函数的数据限定区间为[0,1],在工程应用中,增加设置输入转换层和输出转换层是必要的。通过某工程实例,对5层BP网络的具体模型结构进行了一些试验研究。如输入输出层的结构设计,隐含层最佳节点数的选取等。最后得到了一些有工程实用价值的结论。     

BP神经网络隐含层单元数的确定

本文针对BP神经网络隐含层单元数难以确定的问题,提出了一种改进的方法,并通过实验证明该方法有效的减少了验证次数,提高了确定隐含层最佳单元数的效率,具有较高的应用价值.     

区域土壤墒情模型研究

运用平原水文模型,参考不同作物不同生长期蒸散发特点及土层结构和土层蓄水量与土壤墒情之间的关系,构建区域土壤墒情模型,并利用山西省洪洞县实测土壤墒情资料对该模型进行了检验,检验结果表明,模型物理概念明确,可连续模拟或预报区域土壤墒情,且预报精度高。     

河网洪水预报径向基函数人工神经网络方法

讨论了神经网络在河网水流数值模拟中的运用现状,并基于河网水流数值计算模拟的特点,将径向基函数神经网络方法应用于复杂河网水流．模型采用混合学习算法,选用高斯核函数作为隐藏层基函数,充分发挥其表示形武筒单、径向对称、光滑性好和解析性好的优势,并采用k-均值聚类算法来确定径向基函数的参数,运用最小二乘法求解权值．建立了珠江三角洲河网的洪水预报模型,计算表明,预测结果与实测数据吻合较好,该模型具有运算速度快、简便易用且预报精度较高等特点．     

烟草类消费价格指数预测模型的研究

用神经网络中的：BP网络建立了烟草类消费价格指数预测模型,首先选定历年数据为训练组,初步确定烟草类消费价格指数预测网络结构,然后计算出网络各层上的权重值,并使其达到稳定,通过比较网络精度,确定其最优隐含层层数和各层节点数,从而确定烟草类消费价格指数预测最优模型,使用了LevenbergMarquardt优化方法,克服了传统BP算法收敛速度慢,难以确定隐含层和隐含层节点数的缺陷,从而使学习时间更短,运用该模型对城市居民烟草类消费价格指数进行了预测,用检验样本验证训练结果,绝对误差为-2.0,相对误差为2,0964％,预测某城市3年烟草类消费价格指数分别为97.3752,97.3973和97.400O。获得了可信的结论。     

基于BP神经网络的短期降水预报

人工神经网络(Artificial Neural Network,简记为ANN)是最近发展起来的十分热门的交叉学科,它涉及生物、电子、计算机、数学和物理等学科,并在工程上具有非常广泛的应用前景．本文介绍了BP神经网络的结构及算法,基于BP神经网络的短期降水预报模型的建立,并分析了BP算法在该应用中的优缺点．     

BP神经网络的网络拓朴可重构及其实现方法

在神经网络的具体应用中，经常遇到网络拓朴结构重组的问题。在深入分析BP算法、神经网络的拓朴结构和二维数组存储方式的基础上，提出一种BP神经网络的网络拓朴可重构方法。该方法能根据不同的网络模型动态地调整输入层、隐含层、输出层的结点数及联接权矩阵，并结合具体的实例给出其解决方案。     

关于BP算法在负荷预测相关问题探讨

本文在研究了神经网络的模型建立问题基础上,探讨了电力负荷BP算法的建模方法,包括对BP网络模型建立中的隐含层数确定、隐含层节点数确定、训练次数与精度的关系、学习速率的选择、初始权值、训练样本的选择及归一化处理等相关问题进行了较深入定性和定量分析,并通过算例进行了比较实验,得出有益结论。     

一种改进的BP人工神经网络模型

针对人工神经网络 BP 模型在实际应用中会遇到一些问题。该文指出了 BP 神经网络模型结构和算法的一些不足,并针对 BP网络模型算法存在的局部极小问题、BP 网络学习速度较慢以及 BP 模型网络结构训练过度和降低网络归纳能力等问题提出了引入规则、选择激发函数和转换函数、采用隐含神经元以及改变网络拓扑结构等一些改进措施,对于提高 BP 模型在实际应用中的效果具有重要意义。通过实际应用,证明了改进后的算法是行之有效的。     

基于人工神经网络的棒材连轧宽展模型的建立

采用几何模拟方法,以实验数据为基础,对现有的宽展数学模型进行比较,建立回归模型,并应用BP神经网络的方法,建立椭圆－圆孔型系统中轧件的神经网络宽展模型。其预报结果明显优于传统的宽展数学模型。     

Prediction of shelled shrimp weight by machine vision

The weight of shelled shrimp is an important parameter for grading process. The weight prediction of shelled shrimp by contour area is not accurate enough because of the ignorance of the shrimp thickness. In this paper, a multivariate prediction model containing area, perimeter, length, and width was established. A new calibration algorithm for extracting length of shelled shrimp was proposed, which contains binary image thinning, branch recognition and elimination, and length reconstruction, while its width was calculated during the process of length extracting. The model was further validated with another set of images from 30 shelled shrimps. For a comparison purpose, artificial neural network (ANN) was used for the shrimp weight predication. The ANN model resulted in a better prediction accuracy (with the average relative error at 2.67%), but took a tenfold increase in calculation time compared with the weight-area-perimeter (WAP) model (with the average relative error at 3.02%). We thus conclude that the WAP model is a better method for the prediction of the weight of shelled red shrimp.     

光纤陀螺温度漂移模型的PPLN辨识

环境温度变化造成的较大温度漂移始终是制约光纤陀螺(FOG)性能提高的重要因素．FOG温度漂移本质上是一组与温度有关的多变量非线性时间序列，为此采用投影寻踪学习网络(PPLN)方法建立新的FOG温度漂移模型．该方法结合了统计学中投影寻踪算法节点函数灵活的非参数估计特点和人工神经网络的自学习功能，具有简捷的网络结构和良好的鲁棒性能，对未知模型辨识能力较强．将该方法应用于某型FOG温漂模型实测数据的辨识中，经验证表明其具有良好的预测效果．     

Matlab在工作面煤与瓦斯突出预测中的应用

考虑到煤与瓦斯突出发生的内在机理的复杂性,突出影响因素与突出事件之间的非线性,阐述了人工神经网络的原理和算法,在分析了煤与瓦斯突出的主要影响因素的基础上,依据功能强大的matlab神经网络工具箱,采用BP人工神经网络模型,通过训练得到了影响突出因素与突出事件之间的关系,为突出非线性动力机制及预测提供了新的途径.实例表明,Matlab神经网络工具箱用于煤与瓦斯突出预测是可行的.     

改进的灰色马尔可夫组合预测模型应用研究

根据灰色预测模型和马尔可夫预测思想,将灰色预测模型结合马尔可夫预测模型,并对组合模型进行了改进,采用递进转移概率矩阵,并结合1998-2007年安徽入境游客人数来预测2008、2009年的入境游客人数;结果表明：采用该改进后灰色马尔可夫的组合模型,可以得到比传统灰色马尔可夫组合预测模型更为准确的数据。     

贝叶斯预测模型在矿物含量预测中的应用

矿物含量预测是资源评价中经常遇到的问题，贝叶斯预测模型是运用贝叶斯统计方法进行的一种预测。贝叶斯统计不同于一般的统计方法，其不仅利用模型信息和数据信息，而且充分利用先验信息。根据贝叶斯预测模型的特点，介绍了几个贝叶斯观测模型的预测过程和计算步骤，并对白鹿塬水家嘴剖面的mg^2 含量进行了观测，根据计算结果，分析了不同贝叶斯预测模型的预测特点，并给出了几点结论。     

基于支持向量机的结霜过程特性参数预测模型

为解决结霜过程中有明显的非线性和时变性特征及测试数据中受噪声干扰较大、特性参数预测效果较差的难题,引入了基于结构风险最小化的支持向量机方法,建立了以热力参数集、时间、空间等为特征向量的预测模型.应用实验数据对模型进行了验证和评估,并与基于最小二乘法的预测模型进行了对比分析.结果表明,基于支持向量机的预测模型具有良好预测性能、非线性逼近能力和抗噪声干扰能力.     

马尔科夫链推广模型在股指预测中的应用

将状态集空间法引入到马尔科夫链预测模型中,并且分析了状态集空间对预测结果的影响.同时将这种新型的马尔科夫推广模型,应用于股指数据的预测问题.发现这种方法不仅符合马氏检验的条件,而且预测的准确率也有所提高.     

基于灰色马尔可夫链的城市居民人均收入预测

城市居民家庭人均可支配收入是用以衡量城市居民收入水平和生活水平的最重要和最常用的指标,因此对预测结果的的精度要求较高.灰色马尔可夫链模型兼并了灰色预测和马尔可夫预测的优点,在城市居民收入的预测中有较高的应用价值.     

基于人工神经网络算法的某机场雾的模式识别预报

基于人工神经网络（ANN）误差后传算法（BP模型），通过对100个有雾天气个例和50个无雾天气个例进行模式识别训练，用前期（前日08、14、20时实测资料）的温、压、湿、风等要素指标建立起了某机场雾的ANN识别预报模型。该模型具有很好的拟合效果，独立样本的试验和检测结果均达到较为精确的预报效果，具有实际应用意义。