基于RBF神经网络的股市建模与预测

提出一种基于ＲＢＦ神经网络的股市预测建模方法,并采用递阶遗传算法训练ＲＢＦ网络的参数、权重和结构,对上证综指和个股（伊利股份）的建模与预测结果表明,该训练方法使ＲＢＦ神经网络具有很强的学习与泛化能力,它在股市这样一个复杂的非线性随机系统建模中具有很高应用价值。     

柔性装配系统的建模

应用排队网络的基本理论研究了柔性装配系统建模问题，对系统中阻塞与饥饿状态、传送延时以及分裂流、合并流等进行了分析和建模。结果经仿真和实验证明是正确可行的。     

智能化网络性能分析与预测支撑系统设计

提出了一种将离线性能分析与在线性能实时预测相结合的网络性能分析与预测支撑系统设计方案。在离线性能分析中完成了特定网络节点的性能分析、节点间性能相关性分析以及长期网络性能历史数据的演化数学建模，在在线性能分析中则主要基于一种混合的实时预测模型来完成在线的网络性能预报，它采用模块化设计，具有良好的智能与很好的可扩展型和自适应性，实验表明，它为网络管理人员提供了强有效的网络性能分析与预测工具，是一个理想的性能分析与预测支撑平台。     

基于Bayes分析的组合多神经网络函数逼近模型

讨论了复杂函数的多神经网络逼近模型的建立方法．针对映射网络泛化能力差以及结构难以确定等问题，提出了一种基于Ｂａｙｅｓ分析的组合多神经网络建模方法．仿真研究表明，这种建模方法提高了神经网络模型的逼近能力，并简化了建模过程     

网络控制系统的建模方法综述

由于网络控制系统的复杂性,其建模问题一直没有得到很好解决。为此,总结了目前常见的网络控制系统的建模方法,分析了各种建模方法的优缺点,并在此基础上对网络控制系统的建模方法进行了展望,提出了建立具有多输入多输出、多回路延时的网络控制系统模型;将网络延时的不确定性转化为系统模型的不确定性,对网络控制系统进行建模;综合考虑控制与调度对网络控制系统进行建模等3个研究方向。     

热工流体网络的自动建模算法

根据电站模块化图形自动建模的需要，对流体网络模型的求解问题进行了分析研究。利用线性方程组所具有的对称性和稀疏性的特点，提出用新的改进型高斯消去法求解大型稀疏矩阵，并用仿真实例对高斯消去法，高斯塞德尔迭代法，双因子分解法进行分析比较。结果表明新算法优于其它算法，是一种适用于流体网络图形自动建模的有效算法     

TCP在数据包随机延迟网络中的性能分析

TCP数据包在网络传输中发生错误有两种形式:丢包与延迟.已有的成果大多只对TCP在丢包网络中的性能进行了建模,缺少对TCP在随机延迟网络中的建模问题的研究,为此提出了一个TCP在随机延迟网络中的性能分析模型.首先给出并证明了判断数据包流是否为正序的充要条件;然后利用该条件得出数据包流正序出现的概率;最后根据模型分析了TCP在随机延迟网络中的性能.实验结果表明,所得出的数据包流在发生随机延迟后正序的概率与实验网络基本吻合,所提出的模型与不考虑延迟的模型相比,对TCP最大拥塞窗口均值的预测误差降低了43%,对其网络吞吐量性能的预测误差降低47%.     

基于IRBFNN和IRAN的非线性动态系统在线自适应建模

将资源分配网络算法(RAN)与相似隐单元合并操作、冗余隐单元删除操作和基于滑动数据窗连接权值学习相结合,形成了改进的资源分配网络(IRAN)算法。IRAN算法用于非线性动态系统的在线建模,能有效地改善模型精度和泛化能力。将改进径向基函数(RBF)神经网络(IRBFNN)和IRAN结合可以用于不确定非线性动态系统自适应建模。仿真研究表明:所提出的建模方法在模型精简、泛化和自适应等方面均具有优良的性能。     

一种基于成长的物流网络建模方法研究及实证分析

分析了当前流行的物流理论及其建模方法,结合复杂网络理论的最新应用,提出了一种基于成长特性的物流网络基本建模方法NGM。在建模的过程中,首先建立了一个原始模型,考虑到实际物流网络具有的成长特性、优先连接特性、赋权路径特性等方面的实际情况,在原始模型的基础上对该模型进行了修正和优化。结合物流配送中心的需要对该模型的一些特性进行了分析,最后给出了本模型的仿真实证结果。实验结果表明：基于NGM的物流网络能够按照节点的富集程度,形成了“一个核心节点,少量中心节点,大量外围节点”构成的层次型物流网络结构。该结构在经济性、时效性、安全性、沟通性和方便性方面都能使网络的性能达到最优状态。该模型对于物流网络的建模分析、系统设计和网络管理提供了一种新的思路和优化方法。     

一种基于成长的物流网络建模方法

为解决目前物流网络动态建模中存在的难题,分析了当前流行的物流理论及其建模方法,结合复杂网络理论的最新应用,提出了一种基于成长特性的物流网络基本建模方法NGM.在建模的过程中,首先建立一个原始模型,然后考虑实际物流网络的成长特性、优先连接特性和赋权边特性等,对原始模型进行了修正和优化,并结合物流配送中心的需要分析了优化后模型的一些特性.仿真结果表明:基于NGM的物流网络能够按照节点的富集程度,形成"一个核心节点,少量中心节点,大量外围节点"的层次型物流网络结构.该结构在经济性、时效性、安全性、沟通性和方便性方面都能使网络的性能动态地达到最优.     

Application research of wavelet neural networks in proces control

非线性过程的建模和控制问题尚无通用的模型结构和方法可用于过程控制。结合小波和神经网络方法进行过程控制的通用模型和方法的研究,提出了一种仅用尺度函数逼近的小波神经网络模型,并用它来实现非线性预测控制方案。该模型能用线性最小二乘方法进行拟合,因而具有易于实现和通用的优点。由于简化了在线优化方法,所提出的非线性预测控制方案已在线实现。用该方法进行了两个非线性系统的模型辨识和一个双线性系统的控制仿真,模型的通用性、辨识和控制方法的简单易用和仿真结果表明,所提出的方案对过程工业和非线性、高阶系统有很好的实用性,有着比标准ＰＩＤ控制器好得多的控制效果。     

小波神经网络在过程控制中的应用研究

非线性过程的建模和控制问题尚无通用的模型结构和方法可用于过程控制.结合小波和神经网络方法进行过程控制的通用模型和方法的研究,提出了一种仅用尺度函数逼近的小波神经网络模型,并用它来实现非线性预测控制方案.该模型能用线性最小二乘方法进行拟合,因而具有易于实现和通用的优点.由于简化了在线优化方法,所提出的非线性预测控制方案已在线实现.用该方法进行了两个非线性系统的模型辨识和一个双线性系统的控制仿真,模型的通用性、辨识和控制方法的简单易用和仿真结果表明,所提出的方案对过程工业和非线性、高阶系统有很好的实用性,有着比标准PID控制器好得多的控制效果.     

非线性Hammerstein-Wiener模型辨识预测控制

为解决工业过程控制领域中非线性系统的模型辨识与预测控制问题,提出一种基于BP神经网络模型的预测控制策略,采用一种分段最小二乘支持向量机辨识Hammerstein-Wiener模型系数的方法建立非线性预测控制器.利用BP神经网络训练预测控制输入序列和拟牛顿算法求解非线性预测控制律,从而实现了一种基于支持向量机Hammerstein-Wiener辨识模型的非线性预测控制算法.仿真实验验证了该算法的有效性和可行性.     

城市供水管网水量预测的小波神经网络方法

为提高城市供水优化调度的可靠性和实用性，对城市管网水量预测的方法进行了研究．提出了利用小波分解与人工神经网络相结合的小波神经网络管网水量预测模型，该模型以非线性小波基为神经元变换函数，通过伸缩因子和平移因子计算小波基函数合成的小波网络，并从理论上给出了严密的算法；同时通过逐步检验算法，科学地确定了网络结构，克服了普通人工神经网络难以确定网络结构、存在局部极小点等缺点．仿真结果表明，该模型比普通人工神经网络预测模型的预测精度高，并具有很强的适应能力．     

非线性控制在循环流化床锅炉中的应用研究

循环流化床锅炉是一个非线性、大滞后和多变量耦合的复杂系统, 很多对普通锅炉行之有效的常规控制方法很难达到理想的控制效果.本文针对循环流化床锅炉三冲量给水控制系统,研究了非线性控制在循环流化床锅炉中的应用.     

An integrated scheme of neural network and optimal predictive control

An approach of adaptive predictive control with a new structure and a fast algorithm of neural network (NN) is proposed. NN modeling and optimal predictive control are combined to achieve both accuracy and good control performance. The output of nonlinear network model is adopted as a measured disturbance that is therefore weakened in predictive feed-forward control. Simulation and practical application show the effectiveness of control by the proposed approach.     

基于改进型神经动态规划算法的单容液位优化控制

单容液位控制系统是一个强非线性、多约束、时滞的复杂系统,传统的PID控制算法很难对其进行精确自适应优化控制。介绍了一种改进型的神经动态规划(NDP)算法,其中模型网络用小波神经网络来替代,并针对单容液位控制系统的液位进行自适应优化控制。仿真结果表明,基于神经网络的NDP算法在鲁棒性、控制精度和控制效果都优于传统的PID算法。     

Wavelet Neural Networks for Adaptive Equalization by Using the Orthogonal Least Square Algorithm

Equalizers are widely used in digital communication systems for corrupted or time varying channels. To overcome performance decline for noisy and nonlinear channels, many kinds of neural network models have been used in nonlinear equalization. In this paper, we propose a new nonlinear channel equalization, which is structured by wavelet neural networks. The orthogonal least square algorithm is applied to update the weighting matrix of wavelet networks to form a more compact wavelet basis unit, thus obtaining good equalization performance. The experimental results show that performance of the proposed equalizer based on wavelet networks can significantly improve the neural modeling accuracy and outperform conventional neural network equalization in signal to noise ratio and channel non-linearity.     

DMC算法在监控层嵌入到DCS层组态软件中的技术

提出了预测控制算法在监控层嵌入到DCS层组态控制软件中的应用技术。论述了该技术及其应用在某热电厂CFBB过热汽温控制中的技术方案,包括汽温对象特性描述及常规控制方案分析,改进的汽温控制方案设计。该方案将喷水减温执行机构的非线性特性的增益调度补偿、具有前馈-反馈结构的DMC预测控制和DMC-PID串级预测控制等先进控制技术综合应用,获得了良好的现场工业应用实验效果。     

模糊神经网络自适应控制在循环流化床锅炉燃烧控制系统中的应用研究

循环流化床锅炉是一种比较复杂的被控对象,采用常规的控制方法难以收到好的控制效果。在本文中,根据模糊控制理论和神经网络技术,一种模糊神经网络控制器被提出,通过对神经解耦网络的合理设计,使得该控制器不但可以适应被控对象的变参数运行工况,而且可以实现循环流化床锅炉燃烧过程主汽压力与床层温度的解耦。仿真试验和现场应用结果证明,本文提出的模糊神经网络控制器对循环流化床锅炉燃烧过程具有良好的控制效果。