人工神经网络及其在金属预报中的应用

讨论了人工神经网络在金融汇率预报中的应用。其中介绍了广义交互验证（Generalized Cross Validation）法如何应用于确定神经网络中隐层的个数，并用实例说明了该方法甚至对复杂的非线性函数也可以得到很好的逼近。详细地介绍了运用人工神经网络作现两周向前汇率预报的计算步骤。其平均相对误差（APE）为10＊E－3的数量级，而国际上通用的状态空间模型及Box-Jen-kins的ARMIMA模型的预报误差都在10＊E－2的数量级。     

基于人工神经网络集合预报的济南市臭氧预报方法

由于观测的不准确以及资料分析、同化中的误差,单一预报仅是一个可能的解。为弥补其不足,提出了一种基于人工神经网络集合预报的臭氧(O₃)预报模型,选取8类气象因子及2类污染物因子,搭建人工神经网络预报模型,并采用随机扰动方法,产生15组相互独立的随机扰动气象场,搭建人工神经网络集合预报模型,并以2013年—2019年5月—9月数据作为训练集,以2020年5月—9月数据作为测试集。结果表明:与单一人工神经网络预报相比,人工神经网络集合预报准确率明显提高,O₃污染命中率明显提高,O₃污染漏报率明显减少,O₃污染空报率略有增加;人工神经网络集合预报对O₃污染预报有过多倾向,而单一人工神经网络预报则有过少倾向;以2020年7月3日—9日的一次O₃重污染过程为例,与单一人工神经网络的确定性预报相比,人工神经网络集合预报能够更好地反映出污染的迅速累积上升及持续过程。通过提供定量的概率预报,人工神经网络集合预报可以给出多种可能性及其发生的概率,能为预报员提供包括不确定性在内的更多预报信息,该模型具有一定的实际应用价值。     

洪水水位的人工神经网络预报模型

利用人工神经网络，选取《水文情报预报规范》(SL250—2000)中的确定性系数作为目标函数，建立了根据上游和当地水情预报当地洪水水位的预报模型.为了提高网络训练速度和预报可能产生的超过历史水位的情况，对预报模型输入层和输出层的数据给出了规范化处理方法.选择珠江三角洲北江上的清远和芦苞水位站资料，对人工神经网络洪水水位预报模型进行了检验.检验结果表明，在合理选择输入层单元数据和预见期的情况下，该模型可以取得较好的预报成果.     

基于人工神经网络的龙羊峡水库入库径流预报

阐述神经网络是一个大规模的非线性功能系统,具有很强的非线性处理能力。人工神经网络模型是高度的非线性模型,能够有效地模拟本质为非线性的实际水文系统。又介绍了人工神经网络的结构、原理,并结合龙羊峡水库入库径流资料,利用BP神经网络方法进行预报分析,预测值和实测值的相对误差均在10%以内,预测结果相对较好。     

引汉济渭工程调水区月径流预报模型研究

针对各预报模型预报结果精度评价不统一的现状,考虑径流具有非线性、突变及非平稳性等特点,本文构建了包含均方根误差(RMSE)、平均绝对百分误差(MAPE)和Nash效率系数(NSE)三项指标的综合评价系统,对自回归滑动平均模型(ARMA)、人工神经网络模型(ANN)和支持向量机模型(SVM)在径流汛期和非汛期内进行了预报精度评价。结果表明:(1)单一评价指标下,ARMA模型与SVM模型预报结果精度相近,而综合评价系统表明,SVM模型预报精度优于ARMA模型;(2)三种模型在非汛期预报精度均高于汛期预报精度,SVM预报效果均最好。将径流进行分割后预报,预报精度可提高。本研究获得了可靠性和精度较高的月径流预报模型,可为工程水资源高效配置提供理论和技术支撑。     

BP模型在降雨径流预报中的应用研究

简要介绍了人工神经网络用于洪水预报的基本原理,对降雨径流预报的网络模型进行了改进。为了避免陷于局部极小值和缩短学习时间,采用了改进的自适应BP算法进行洪水预报,开发了基于BP模型的洪水预报系统,并经过山西省文峪河水库的实测资料进行了预报,取得了令人满意的精度。     

SiO2-Al2O3-CaO-MgO四元矿渣棉体系的表面张力测定与模型预报

表面张力是矿物棉生产的重要参数,直接影响到配料和工艺参数的选择.通过实验测量并建立模型预报系统研究了以高炉渣为主要原料制备矿物棉时熔体的表面张力.首先测量了Si O2(40%~60%)-Al2O3(5%~20%)-Ca O(20%~30%)-Mg O(5%)四元系的表面张力,其值处于350~500 m N·m-1之间;然后结合文献报道的表面张力数据,利用人工神经网络技术建立了Si O2(35%~60%)-Al2O3(5%~20%)-Ca O(20%~45%)-Mg O(0~10%)四元渣系的表面张力预报模型.该模型对成分范围内的表面张力预报平均误差为9.32%,预报精度较高,可以预报矿物棉熔体成分范围内的表面张力.     

人工神经网络在苏州空气污染预报中的应用

人工神经网络在预测预报领域的应用越来越广泛。简单介绍了BP神经网络的基本原理,较详细地回顾了国内BP神经网络在空气污染预报领域的研究应用情况,并建立了苏州市区SO2浓度预报的BP神经网络,预报结果表明:该模型具有简便、快速、准确的优点,可推广用于其它空气污染物的预报。     

人工神经网络在空气污染预报中的研究进展

人工神经网络是20世纪80年代迅速兴起的一门非线性科学,特别适用于对具有多因素性、不确定性、随机性、非线性等特点的对象进行研究,而空气污染预报正是这样的一类问题。简单介绍了人工神经网络的基本概念,详细地回顾了国内外人工神经网络在空气污染预报领域的研究应用情况,最后讨论了人工神经网络在空气污染预报领域中的研究方向和发展趋势。     

基于人工神经网络的CSP精轧机组轧制压力预报

采用BP人工神经网络的方法,以CSP热连轧六机架精轧机组生产实测数据为基础,建立了高精度的热连轧精轧机组轧制压力预报模型.结果表明,该模型训练平均误差分别为4.63×10-4和8.35×10-4,预报平均误差分别为±2.2%和±1.6%.     

基于变量选择-神经网络模型的复杂路网短时交通流预测

摘要： 针对传统交通流预测模型正在由单断面历史数据处理向多断面、多时刻历史数据处理转变,但在考虑各断面间的影响时,多变的交通状况往往会使预测模型复杂化的问题,引入一种多元线性回归最小绝对收缩和选择算子方法(Lasso),并利用其优秀的变量选择能力,在复杂路网多断面中选出相关性较高的断面；结合神经网络(NN)的非线性特性,提出了Lasso NN组合模型.结果表明：Lasso NN模型在路网交叉口对未来15 min交通流数据预测的误差率低于9.2%；在非交叉口的误差率低于6.7%,总体优于各自单独使用得出的结果.     

Matlab用于发动机故障预报及Delphi对Matlab的调用

NNT（神经网络工具箱）是Matlab中极具特色的工具箱之一,为构造典型的神经网络模型提供了极大的方便。结合航空发动机的故障诊断,在Matlab中建立了发动机的故障预报模型,并采用Delphi的OLE功能,实现了对其的简便调用。     

一种多目标多传感器航迹相关算法

提出一种适合于分布式多传感器数据融合的新的航迹相关算法（ＭＫ－ＮＮ）。对其航迹相关准则进行了详细的描述，研究了航迹质量设计、多义性处理、阈值选择和算法的相关检验过程，并通过仿真把它与最近邻域法（ＮＮ）和Ｋ近邻域法（Ｋ－ＮＮ）进行了比较。仿真结果表明，在密集目标环境下和／或交叉、分岔及机动航迹较多的场合，ＭＫ－ＮＮ算法的性能明显优于ＮＮ法，其正确相关率比ＮＮ法提高了约４０％。ＭＫ－ＮＮ与Ｋ－ＮＮ相比不但正确相关率获得约５％的改善，而且处理速度也提高了约一倍。     

基于对称Levy函数的径向基函数神经网络用于股市预测

在做径向基函数预测股票数据产生的非线性时间序列研究的时候,发现股票数据有标度行为。用对称Levy函数来取代高斯函数作为径向基函数神经网络的径向基来作预测,获得了更好的预测结果.     

基于电信行业小波神经网络模型的应用

为对未来电信业务总量和各类用户数进行有效预测, 利用分析历年电信业务总量和各类用户数, 建立小波神经网络预测模型, 以提高预测精度。在神经网络预测模型建立中, 神经网络中的转移函数使用小波函数替代, 从而得到小波基神经网络系统; 通过对自适应学习速度和参数初始值选取的改进, 获得高几率初始参数并加快算法收敛速度。     

神经网络在直流无刷电机控制系统中的应用

采用多层神经网络结构控制电传动系统中的无刷直流电机。首先，离线训练神经网络；然后，采用神经网络在线控制电机的速度。建立了带有神经网络的电传动系统仿真模型来验证所采用的神经网络结构，仿真结果表明，系统抗扰动性很明显。     

神经网络多用户检测

介绍了基于神经网络的ＣＤＭＡ系统最佳多用户检测器和盲多用户检测器,给出了它们的发展现状,讨论了各自的原理和实现技术,比较了其性能,并指出了今后可能的努力方向。     

技术站列车晚点时间预测方法

准确地对技术站整体列车到达晚点时间进行预测不仅可以为技术站调度预警,也可以为车站合理安排列车进路预留时间,从而尽可能保证货物运到期限,对技术站能力的提高和铁路货运市场的保证具有重要意义.本文分析技术站列车到达晚点情况和技术站列车晚点的主要影响因素.建立GM(1,2)模型对列车晚点时间进行预测,再利用马尔可夫矩阵进行误差修正,确定目标所处区间范围,往复预测并修正,使未来一段时间内的模糊预测结果准确地落在预测区间内;同时利用径向基神经网络(RBF)对数据进行插值扩充,从而对晚点时间进行精确预测,平均相对误差保持在3%以下.最后分析比较了两种预测方法的优劣并分别指出了预测方法的适用范围.     

神经网络在储层参数描述中的应用

神经网络是生物神经系统的一种高度简化的计算机模式，已应用于许多领域，包括模式识别、分类和信号处理。文章研究了神经网络应用于石油勘探中储层参数描述的可能性。结果表明，神经网络对储层参数的描述提供了一种简单而又很有潜力、非常有用的工具。     

基于神经网络的具有不确定性因素的RLED机器人鲁棒控制

对具有不确定性因素的电机驱动刚性机械臂控制 ,提出了一种基于神经网络的鲁棒控制器 .控制器的设计采用Backstepping法 ,神经网络用于识别系统中一些包含不确定因素的复杂的非线性项 ,并且使系统的在线学习成为可能 .给出的网络权值演化算法可保证系统的跟踪误差和网络权值的一致终值有界 (UUB) .数值仿真结果亦表明该控制器具有良好的鲁棒性和控制精度