用遗传神经网络模型预测公司财务困境

利用遗传算法的全局寻优能力。构造了一个预测财务困境的遗传神经网络模型(GANN)，该模型对预测财务困境的神经网络模型的输入变量进行了优化．通过对沪深A股市场部分上市公司财务困境的预测表明，该模型比ANN模型具有更好的预测财务困境的能力。     

中心逼近优化GM（1，1）模型及其在数控系统故障诊断中的应用

数控机床的数控系统的可靠性对数控机床质量建着非常重要的作用．由于故障信息量较少，对其故障做出合理的预测，就具有重要的实践意义和理论价值．灰色系统理论是研究贫乏信息的科学理论，具有广泛的适应性．本文介绍了中心逼近优化灰色GM(1，1)模型的建模方法．应用该模型对数控机床数控故障的预测进行应用，效果令人满意，它为数控机床故障预测提供了科学而合理的新方法，值得推广使用。     

综合化的蒸汽吞吐注采参数优化设计

建立起一套较为完善的蒸汽吞吐注采参数优化设计模型，并编制成相应的软件ＯＳＳＤ（Ｖ１．０）．该软件以蒸汽吞吐解析解模型为基础，结合节点分析、经济评价，对注采参数进行优化设计，实现了地面运行—井筒—地层及开发效果预测—经济评价—优化决策的一体化设计．这种设计软件具有所需资料少，计算经济、快捷，参数决策客观、全面，用户界面友好等特点．     

离散线性控制模型及其在经济预测中的应用

本文结合经济预测问题，讨论离散线性控制模型的辨识问题，给出分级优化算法．文中提供的算例，说明该模型及其算法在经济预测中是有效的。     

基于TVF-EMD-PSO-GRU的月径流模型与应用研究

准确的径流预测在水资源规划和管理中发挥着重要作用．然而，受气候变化和人类活动等因素的影响，径流形成过程十分复杂，具有高度的非线性和非平稳性，更增加了径流预报的难度．为提高月径流预测精度，提出了基于时变滤波器的经验模态分解(TVF-EMD)和结合粒子群优化算法(PSO)的门限循环单元(GRU)的混合模型(TEPG)．首先利用TVF-EMD将原始月径流序列分解为若干个固有模态函数(IMF)，然后再利用PSO-GRU模型分别对每一个IMF进行预测，最后将每个IMF的预测结果相加得到原始月径流序列最终的预测结果．以黄河干流4个代表性水文站(包括唐乃亥站、头道拐站、花园口站、利津站)为研究对象，应用该模型对这4个测站的月径流进行单步预测研究，并与PSO-GRU(PG)模型、基于互补经验模态分解(CEEMD)的PSO-GRU(CPG)模型和基于经验模态分解(EMD)的PSO-GRU模型(EPG)进行对比分析．选用纳什效率系数NSE、相关系数R、均方根误差RMSE、预报合格率QR及预报精度等级等评价指标对模型预测精度进行评价．结果表明，与PG模型、CPG模型、EPG模型相比，TEPG模型具有更高的预...     

基于PSO—SVM模型的拱坝坝变形预测研究

拱坝已成为大型水利枢纽的主要坝型之一,大坝变形预测是大坝安全监控的重要内容,预测分析的难点之一在于变形监测数据往往具有复杂的非线性特点．支持向量机（SVM）具有良好的泛化能力,可有效地解决小样本、非线性、高维数等问题,因此可将其广泛应用于拱坝变形观测中．由于算法的成功与否很大程度上取决于其参数的选取,本文充分利用粒子群算法快速全局优化的特点,采用粒子群算法来优化支持向量机的模型参数,建立了基于PSO—SVM的大坝变形预测模型．将该模型应用于某拱坝坝基变形预测中,与传统的多元回归模型预测结果进行对比．结果表明,PSO—SVM模型用于拱坝变形预测是可行的．     

在线短期负荷预测方法的研究与应用

根据电力系统负荷的特性，提出了一种在线短期负荷预测方法：用“周期模型”来描述并预测负荷的周期变化分量，再用ＡＲＭＡ模型对周期模型的残差进行建模并用Ｂｏｘ—Ｊｅｎｋｉｎｓ方法进行预测．模型参数的辨识采用在线辨识算法，因而对负荷的变化特性具有较强的适应性．实践结果表明，该方法具有很好的预测效果．     

基于优化FOA-BPNN模型的脱贫时间预测

针对精准扶贫缺乏有效的分析模型对扶贫的成效与脱贫时间进行准确刻画与定量分析问题，提出了基于 FOA-BPNN 贫困户脱贫时间预测模型．针对BP神经网络模型可能陷入局部最小的缺陷，引入果蝇优化算法，以BP 神经网络的预测误差作为适应度值，寻找最优的BP神经网络参数值，提高参数精度．由于标准果蝇优化算法的搜 索半径固定，可能导致后期局部寻优性能弱，提出了一种动态步长变更策略的DSFOA-BPNN模型，通过引入变速因 子与种群密度，将动态步长FOA算法与传统误差反向传播神经网络(BPNN) 结合，提高模型预测时间精度．在湖北 省某贫困地区 50000 条扶贫数据的基础上，通过实验表明:与BPNN和FOA-BPNN模型相比， 提出的 DSFOA-BPNN 模型预测精度分别提高了44%和11%．增量实验表明: 提出的DSFOA-BPNN模型更适用于精度预测.     

高压油泵启动过程仿真

以200MW汽轮机润滑油系统为研究对象，根据系统的特点，采用模块化建模的方法，建立了高压油泵、射油器、阀门和管道的动态数学模型．在动态数学模型的基础上，采用Visual Fortran编程技术建立了高压油泵启动过程的仿真模型．通过仿真分析证明了模型的正确性，该仿真模型有助于对高压启动油泵启动特性进行预测，对润滑油系统设计和优化运行具有一定的参考价值．     

基于神经网络和遗传算法的生化过程状态预估及优化控制

提出一种基于模糊推理的误差预测补偿系统，用于修正生化过程中预估神经网络模型的预测输出，以提高预测精度，并采用遗传算法建立生化过程的在线优化体系．通过对谷氨酸发酵过程仿真，表明该系统的应用是有效的．     

基于状态空间模型的经济分析

探讨状态空间模型及其在经济分析与预测中的应用．状态空间模型不仅具有优良的统计性质，而且具有变量动态互动分析与预测功能．本文通过建立我国宏观经济状态空间模型并加以分析，以实证结果表明状态空间模型不失为一种较好的分析方法．     

基于EDP算法的股票价格预测

股票价格预测一直是金融分析领域的一个重点和难题．目前，运用智能系统对股票市场进行预测的方法已经被广泛确立．本文提出了用基于贝叶斯网络的EDP算法进行股票预测的模型，相对于传统的预测方法，具有收敛速度快的特点，根据实验的仿真结果显示，该模型对于股票价格预测效果较好．     

基于特征模型的预测函数控制

传统的预测函数控制通常采用一阶的预测模型，该预测模型不能完全表征被控对象，因此使得传统的预测函数控制的鲁棒性受到一定限制．特征模型是一种比动力学模型简单，但能表征被控对象特征的模型．该文针对预测函数控制算法的缺陷，提出利用二阶特征模型来构成预测模型．通过工程建模获取了被控对象的特征模型，实现了基于特征模型的新型预测函数控制，并通过与采用一阶预测模型的预测函数控制进行比较．理论分析与实验结果均表明，采用特征模型的预测函数控制具有比一阶预测模型更好的控制效果，该算法在SUPCON-JX300X集散控制系统上实现．     

管带式汽车空调器蒸发器动态分布参数特性研究

本文在热质平衡与压力平衡基础上建立了汽车空调器管带式蒸发器的二维动态数学模型．分析了管内管外侧传热传质机理特性，对模型进行了编程计算和实验验证，结果证明模型是可靠的，具有较好的性能预测功能，为蒸发器结构的进一步优化设计提供了可靠依据．     

基于GM（1．1）模型的尾矿坝变形趋势预测

尾矿坝变形趋势预测是矿山尾矿库安全技术管理的重要内容．为了实现对尾矿坝变形趋势的预测，在深入分析尾矿坝变形机理并充分认识尾矿库工程系统及坝体变形数据特性的基础上，采用灰色GM（1．1）模型对尾矿坝的变形进行预测，并结合某金矿尾矿坝变形监测实际数据进行预测．结果表明，模型精度满足要求，灰色GM（1．1）模型用于尾矿坝变形趋势预测具有很好的适用性．     

应用支持向量机预测绞股蓝茶浸提液中药用成分的含量

通过支持向量机数学模型预测了绞股蓝茶浸提液中的总酚含量、总黄酮含量及其自由基清除能力,其中浸提条件包括11个浸提温度、5个浸提时间及3个料液比．在4个涉及的支持向量机基本核函数中,径向基核函数表现出最佳的预测效果．在径向基核函数下,用3种参数优化方法：网格参数优化法、遗传优化算法和粒子群优化算法,分别对其模型进行了参数优化．通过比较发现,用粒子群优化算法的径向基核函数支持向量机模型达到了最佳的预测效果,其测试集的相关系数分别达到了0．9628（预测总酚含量）,0．9797（预测总黄酮含量）和0．9513（预测自由基清除能力）．     

基于内置式物理模型的人工神经网络纱线质量预测模型

-Sirolan—Yarnspec是由CSIRO在20世纪90年代研发并作为一个有效的纱线质量衡量工具在工业作用．最初的Sirolan—Yarnspec是一个理念模型，它基于纤维特性和纺纱工艺预测世界最好纱线质量．过去的几年来，工业界提出要求，希望能够建立工厂特殊预测模型．为此，本文使用人工神经网络建立纺纱预测模型。为了克服人工神经网络预测的不准确性，使用了一种新的方法，即在人工神经网络模型中嵌入Yarnspec理论中的物理知识．预测结果表明，经过物理知识优化后的人工神经网络的预测精度有明显的提高．     

基于遗传神经网络的产品价格预测方法

应用遗传神经网络方法，建立了工业产品预测的神经网络预测模型，并运用遗传算法对建立的神经网络模型的结构和推理参数进行优化，使预测结果更加准确，为工业项目的投资评估提供了一种更为合理的预测方法．     

灰色系统与时序组合模型在高层建筑沉降预测中的应用

将高层建筑沉降监测数据视为具有确定性趋势的非平稳时间序列，运用灰色GM(1，1)模型提取其中的趋势项，用AR(n)模型表示随机残差项，利用灰色-时序组合模型进行沉降预测．算例结果表明，该组合模型具有较高的预测精度，是一种简单、实用的高层建筑沉降预测方法．     

基于从头算量化参数的BPx网络模型在吡啶类化合物pKa中的应用

用量子化学从头算RHF方法在6-31G水平下对吡啶类分子进行构型全优化，并用优化得到的量化参数作为反向传播人工神经网络的输入向量，并将此模型（人工神经网络）应用到吡啶类化合物pKa值的预测。将预测结果与多元线性回归算法的结果相比较。研究表明，所构造的人工神经网模型在预测吡啶类化合物的pKa值中得到满意的结果．