ANFIS在水电站地下厂房围岩变形预测中应用

针对目前应用人工神经网络(ANN)方法预测地下洞室围岩变形时间序列的缺陷,提出一种将神经元网络和模糊逻辑有机结合的新型模糊推理系统——ANFIS(adaptive-network-based fuzzy inference systems),该系统采用反向传播算法和最小二乘法的混合算法分别调整前提参数和结论参数,充分地利用了神经网络的学习能力和模糊逻辑的表达能力,实现了回归模型的自适应调整.通过龙滩电站的实例应用可以发现,ANFIS预测系统较传统ANN方法具有简单、快速以及预测精度高等特点.     

基于神经网络的可靠度时序预测方法研究

提出了利用人工神经网络进行可靠度时序预测的方法 ,分别利用径向基函数 (RBF)网络及自适应模糊神经 (ANFIS)网络对发动机涡轮增压器进行了可靠度的时序预测 .结果表明 ,利用神经网络进行可靠度时序预测是可行的 ,并且ANFIS的预测能力要优于RBF .     

基于自适应神经网络模糊推理系统的心电信号检测

心电信号是心血管疾病的重要诊断依据,探索新方法来处理心电信号对于医学诊疗具有重要的理论意义与实用价值。阐述了一种包含输入节点层、规则节点层、平均节点层、结论节点层和输出节点层的五层结构网络的自适应神经网络模糊推理系统(Adaptive neuro-fuzzy inference system,ANFIS),并提出了基于Sugeno模糊理论、最小二乘法和梯度下降法的混合自适应学习算法来训练ANFIS中的神经网络的参数,来提高ANFIS系统的收敛性能。为验证ANFIS系统在心电信号检测中的有效性,通过原始心电信号的实测数据中的第一路腹壁混合信号(CECG)和最后一路母体心电信号(MECG)进行了ANFIS的网络训练,基于训练结果对于腹壁混合信号进行了实验预测分析,实验结果表明自适应神经网络模糊推理系统在心电信号的分析与预测中十分有效。
     

地震属性参数神经网络油气预测应用研究

论述了油田区块开发前期和中期的油气预测的方法及实际应用问题。主要利用三维地震资料提取地震属性参数,并采用模糊神经网络技术,即将模糊概念和ＢＰ神经网络结合一体进行预测。     

基于船舶预报模型的动态定位控制

根据船舶定位的原理和特点，设计了基于ANFIS自适应模糊神经网络预报模型的控制方法．该方法对影响船舶定位的各种无规律运动的海浪、风、水流等因素，通过MISO ANFIS模糊神经网络的结构，给出影响船舶定位的预报模型，从而建立船舶控制模型．以混合式的学习算法为基础，对条件参数采用反向传播算法，而结论参数采用线性最小二乘估计算法来调整参数．使控制快速准确，实现了船舶推进装置的最优控制，达到船舶精确定位的目的．     

中国货币供应量与汇率反馈建模预测研究

本文采用经济计量学中无约束多项式分布滞后模型,研究了利用2000,1～2002,10,月度汇率预测相应月度货币供应量M2的正反馈模型。同时,在相同时期内还给出了利用月度货币供应量M2数据预测月度汇率的负反馈模型,在每个观测点处的预测精度高达10~(-8)以上,几乎无误差。可见,货币供应量M2与汇率的正负反馈模型拟合效果相当好,这为准确预测中国货币供应量M2,汇率数据提供了新的途径和方法。     

浙江省月度电力需求的变分模态分解-自适应模糊神经网络-差分整合移动平均自回归组合预测模型及应用

为提高电力需求预测的精度,提出了一种将变分模态分解(variational mode decomposition,VMD)和自适应模糊神经网络(adaptive network-based fuzzy inference system,ANFIS)相结合的方法并应用到月度电力需求预测中.首先将原始数据通过VMD分解成有限带宽的子模态序列,选用差分整合移动平均自回归模型(autoregressive integrated moving average model,ARIMA)、ANFIS、经验模态分解(empirical mode decomposition,EMD)与ANFIS相结合和VMD-ANFIS几种模型进行预测结果对比.结果表明:相比直接利用ANFIS模型得到的预测结果,增加VMD分解过程能有效减小预测误差.说明所应用的VMD-ANFIS方法更具优越性,可以获得更好的预测结果.     

基于改进模糊神经网络的电力系统短期负荷预测

提出了基于改进聚类算法的模糊神经网络的短期负荷预测方法。首先,利用改进聚类算法确定模糊神经网络的结构,然后利用混合学习算法训练该网络的前件和结论参数,最后向训练好的模糊神经网络输入相关的影响因素数据进行预测。预测结果显示,改进的模糊神经网络可以获得较高的预测精度,所以有更好的使用价值。     

基于自适应模糊推理的电力变压器故障诊断研究

将自适应神经网络的自学习优点与模糊数学的模糊推理方法进行有效的结合,解决了变压器绝缘故障诊断中模糊规则难以确定的问题,利用自适应神经网络的自学习功能,通过神经网络的学习确定了模糊规则和模糊隶属度。建立了变压器故障诊断的ANFIS模型,实现了电力设备故障诊断,反映了变压器的实际运行状态。     

中国货币供应量与汇率反馈建模预测研究

本采用经济计量学中无约束多项式分布滞后模型，研究了利用2000，1～2002，l0，月度汇率预测相应月度货币供应量M2的正反馈模型。同时，在相同时期内还给出了利用月度货币供应量M2数据预测月度汇率的负反馈模型，在每个观测点处的预测精度高达10^-8以上，几乎无误差。可见，货币供应量M2与汇率的正负反馈模型拟合效果相当好，这为准确预测中国货币供应量M2，汇率数据提供了新的途径和方法。     

ANFIS在光电检测中的应用研究

光电检测系统会受到各种噪声和环境温度变化的影响而产生一定的误差,因此只有进行误差补偿才能够提高检测精度.为更好地实现误差补偿功能,建立了基于光电检测的自适应神经模糊推理系统(ANFIS),这种Takagi-Sugeno模型的推理系统能够自动调整隶属函数参数和自动生成模糊规则,克服了模糊控制系统缺乏在线自学习能力或自调整能力的缺点,仿真结果表明这种推理系统模型适用于光电检测并能够提高光电检测的检测精度.     

基于敏感性制图和数值模拟的泥石流综合评价--以九绵高速公路沙尕沟为例

泥石流等地质灾害的评估对于公路选线和安全运营有着重要的意义。随着科技的发展,越来越准确的泥石流评价和预测体系亟待研究。通过现场勘测和无人机解译,利用自适应神经模糊推理系统(ANFIS)和基于学习优化算法的自适应神经模糊推理系统(TLOA-ANFIS)对泥石流沟进行敏感性评价,并对沙尕沟进行区域划分,结果显示沙尕沟沟口3.5 km范围内泥石流的敏感性评价等级最高。为了更加清楚的研究该范围泥石流的运移堆积情况,对沟内泥石流冲出范围进行数值模拟,结果表明:在降雨频率P=1%的条件下,沙尕沟泥石流流深可达8.76 m,对公路安全运营和基础设施建设有着重要影响,建议相关部门对其进行治理。同时,提供的敏感性制图评价与泥石流危害范围数值模拟结合的方法可以为国内外相似案例提供相关参考。     

乌尔逊凹陷南一段储层评价方法研究

储层综合评价是油田开发地质、油藏工程研究的重要组成部分,搞好此项研究工作,对提高开发效果和开发水平、实现科学管理油田,都有重要的现实意义。乌尔逊凹陷作为海拉尔盆地最重要的含油气凹陷之一,油气资源丰富。通过对乌尔逊凹陷南一段储层特性的分析,应用自适应神经模糊推理系统对其进行综合评价,建立其反映储层特性的非线性评价参数体系。并将该评价模型用于乌尔逊凹陷中两个井区进行有利储层预测,预测结果与实际情况一致,从而为油田储层评价提供一套便捷有效的研究方法。     

基于ANFIS高精度光照度计的仿真研究

为提高光照度计的检测精度,针对光照度检测系统,应用Takagi-Sugeno模型的自适应神经模糊推理方法(ANFIS)到光照度检测系统,对光照度检测电路进行了误差补偿,并给出了硅光电池高精度光照度计的软件仿真。最后利用光照度检测实验平台实测数据作为样本数据,在MATLAB软件下的仿真结果表明：自适应神经模糊推理方法通过自学习,可以调整模糊规则和隶属函数参数,提高了光照度计的检测精度。     

基于灰色PSO-ANFIS模型的船舶横摇运动预报分析

为了准确高效的预测船舶在波浪中的航行状态以保证人员、货物和船舶的安全,提出了一种基于灰色模型粒子群优化算法的自适应神经模糊推理系统(Grey Particle Swarm Optimization-Adaptive Neural-fuzzy Inference System, GPSO -ANFIS)。GPSO-ANFIS预测模型使用模糊C均值聚类算法对输入样本进行聚类分析,得到模糊规则数量并建立神经模糊推理系统,再使用粒子群优化算法对建立的预测系统进行优化训练,从而得到最优的预测系统模型。其中灰色模型用于横摇数据的预处理,以便削弱横摇状态中的非线性影响因素。最后通过实船“育鲲”轮的横摇数据进行仿真实验,实验结果验证了GPSO-ANFIS模型的实用性和可行性,具有较高的预测精度。并为船舶航行智能化提供了一种有价值的理论依据。     

Temperature modeling and control of Direct Methanol Fuel Cell based on adaptive neural fuzzy technology

Aiming at on-line controlling of Direct Methanol Fuel Cell （DMFC） stack, an adaptive neural fuzzy inference technology is adopted in the modeling and control of DMFC temperature system. In the modeling process, an Adaptive Neural Fuzzy Inference System （ANFIS） identification model of DMFC stack temperature is developed based on the input-output sampled data, which can avoid the internal complexity of DMFC stack. In the controlling process, with the network model trained well as the reference model of the DMFC control system, a novel fuzzy genetic algorithm is used to regulate the parameters and fuzzy rules of a neural fuzzy controller. In the simulation, compared with the nonlinear Proportional Integral Derivative （PID） and traditional fuzzy algorithm, the improved neural fuzzy controller designed in this paper gets better performance, as demonstrated by the simulation results.     

改进的自适应模糊推理机

本文用改进的Apriori算法来减少基于输入输出的最小决策规则集,它由混合模糊聚类自动生成的隶属函数和规则构建而成。自适应模糊推理引擎采用最小二乘法和共轭梯度下降算法以实现用最少的规则集,从而得到更好的性能。     

基于ANFIS的油耗特性建模及燃油经济性仿真

根据试验数据对发动机燃油消耗特性进行回归分析是一种常用的方法，但存在建模精度不足的缺点．采用MATLAB提供的自适应神经模糊推理系统ANFIS对NJG415汽油发动机油耗特性进行建模，在此基础上对装有该发动机的NJ6400GHR旅行车燃油经济性进行仿真，并与回归方法进行对比分析．研究表明ANFIS具有很好的逼近非线性特性的能力，具有较高的建模精度，可用于非线性系统的建模和仿真．     

多重模糊推理情形下的CRIP法

该文对模糊专家系统，模糊决策支持系统和模糊控制系统中常用的Zadeh的模糊推理合成法则CRI进行了推广，基于V^λ算子，该文提出了多重模糊推理情形下的带参数的模糊推理合成法则（简称CRIP法），它克服了传统的CRI法则的若干不足之处，能在极弱条件下满足假言推理，拒取式推理，具有推理的逼近性，通过参数的调整，CRIP法具有推理的灵活性和准确性，该文给出了参数的具体取值方法。     

自适应模糊神经网络在工业用水量预测中的应用

阐述了自适应模糊推理系统(Adaptive Network-based Fuzzy Inference System,ANFIS)网络,提出了工业用水量预测的ANFIS网络预测模型,并以黄河流域1993-2002年工业用水量为训练样本,以2003年、2004年工业用水量为校验样本,结果表明,ANFIS神经网络预测模型具有很高的准确性和实用性.