基于灰色-神经网络的核动力设备运行趋势预测

根据核电设备运行参数的历史数据,利用灰色系统GM（1,1）预测模型建立动态微分方程,并预测其发展趋势。如果原始数据序列呈线性变化且还原值序列的相对误差平方和较大,则用BP神经网络对GM（1,1）的预测结果进行修正,以提高预测精度。文中以二回路辐射剂量率的预测为例,对该方法进行了仿真实验验证。验证结果表明,用BP 神经网络对GM（1,1）的预测结果进行修正相比较GM（1,1）预测模型,预测精度得到了显著提高。     

二维灰色神经网络批处理梯度算法的收敛性

灰色神经网络GNNM(2,1)是灰色系统与BP神经网络相糅合的二维神经网络,给出了灰色神经网络GNNM(2,1)的网络结构和批处理梯度算法,研究了灰色神经网络GNNM(2,1)的收敛性问题,并证明了误差函数的单调性、弱收敛性和强收敛性.     

基坑变形灰色人工神经网络预测模型及其应用

针对基坑变形预测中信息的灰色性和数据的非线性性,提出用灰色神经网络预测基坑变形的新方法。用一桩锚联合支护体系实例进行了预测研究,得到支护体系的不同预测模型的组合预测值。研究结果表明:灰色神经网络预测误差比GM(1,1)预测模型小;与BP预测模型相比,前期误差大,后期误差小。在基坑变形监测中,为了更准确地预测基坑变形,可以采用灰色神经网络预测与BP预测相结合的方法进行预测。     

实时交通量的灰色马尔柯夫预测方法

灰色预测适合于原始数据序列按指数规律变化的问题,而马尔柯夫适用于预测随机波动大的动态过程．有机地结合两者构成灰色马尔柯夫预测方法,可发挥两者的优势,从而提高预测精度．该方法首先用GM（1,1）模型进行预测,而后对相对误差序列进行马尔柯夫预测,最后用该预测值修正GM（1,1）的预测结果,因而具有较高的预测精度．使用灰色马尔柯夫预测方法对苏州某交叉口实时交通量进行预测,预测结果优于单一灰色GM（1,1）预测．实验表明,灰色马尔柯夫预测方法用于交通量预测是有效可行的．     

桥梁施工控制中灰色理论的应用研究

本文系统地研究了灰色理论在大跨度连续刚构桥线形控制中的运用,通过三种不同的方法建立灰色模型,预测节段施工过程的挠度变化,再利用所得到预测值进行比较分析。首次在桥梁施工控制中运用原始数据序列进行三点滑动平均的方法,有效地减小了数据波动性和人为操作误差的影响,提高了灰色模型的预测精度,其结论可为类似工程提供借鉴。     

大跨径PC连续刚构桥神经网络控制系统

介绍了传统的连续刚构桥施工监控方法，提出了以神经网络为基本控制理论的施工控制方法。根据神经网络自身特点，以及桥梁立模标高影响因素的复杂性，对神经网络影响因素进行了分析。以截面尺寸、弹性模量、温度、与零号块浇筑的时间差以及悬臂端的悬臂长度作为输入矢量，借助图形用户界面，构建了神经网络，实现了对大跨径PC连续刚构桥施工过程的预测控制。     

基于人工智能的动态马尔科夫模型预测空气质量指数

采用人工智能算法对北京市空气质量指数199个数据序列进行拟合得到拟合值序列和预测值,结合数据的动态变化特点,再与马尔科夫链结合进行动态预测,预测精度优于基于灰色理论的GM(1,1)模型和基于BP算法的神经网络模型。     

基于灰色网络组合优化的年增油量预测

老井措施增油成为油田稳产、降低油田区块开发成本的必然选择。针对多项式回归预测的局限性、灰色理论不能反映影响因素特征、神经网络需求数据多且数据敏感性差等特征,通过建立最优控制模型,实现GM（1,1）灰色理论与神经网络的高精度组合预测。以某油田区块2011-2018年的措施增油为例,对影响措施增油量的因素进行识别,建立了最优控制灰色神经网络模型对老井措施年增油量进行预测,相比多项式回归预测、GM（1,1）预测及BP神经网络预测方法,新模型模拟效果更好,预测精度更高。新方法对2018年措施年增油量的预测精度达97.34%。基于最优控制的灰色神经网络模型可以作为一种人工智能组合最优化模型预测措施年增油量,为准确预测措施增油效果,指导油田开发决策提供了新的思路。     

灰色模型在我国人口预测中的应用

人口问题就是一个典型的灰色系统问题,在灰色GM(1,1)模型的基础上,构建了灰色+BP神经网络组合模型。根据1949-2011年我国人口发展的最新统计资料,提出并建立变换初值灰色模型,然后利用两种模型预测值的均值对我国人口发展趋势进行中长期预测。     

基于灰色神经网络模型的生态足迹动态研究——以湖北省为例

生态足迹(EF)作为一种定量测度可持续发展程度的方法,具有直观综合、操作简单、指标明确、可比性强等优点,但EF本身是一个静态指标,没有揭示生态系统的动态变化特征,灰色神经网络模型(GNNM)将灰色GM(1,1)模型与BP神经网络模型相组合能更好的拟合EF的动态发展.以湖北省(1991年～2011年)为对象,对GNNM模型进行了验证,结果表明：GNNM模型比单一灰色理论有着更高的精度和可靠度,预测精度提高了0.75%;21年间湖北省人均生态足迹增长了1.473 hm2/人,而人均生态承载力增加缓慢,总的生态赤字逐年加大,21年增加了1.389 hm2/人,未来湖北省生态足迹将继续加大,预计2020年将增加到3.659 hm2/人,是2011年的1.43倍,湖北省资源消耗已远超过资源承载力范围,处于不可持续状态,生产消费模式急待调整.     

灰色优化GM(1,1)和人工神经网络组合模型的江西省GDP预测应用

为了提高GDP的预测精度,结合灰色系统和人工神经网络的各自优势,建立灰色人工神经网络组合预测模型。该模型既具有灰色优化GM(1,1)模型适用发展系数范围较大的优点,也融合了人工神经网络在不确定因素预测方面的优点。最后以江西省GDP的预测为实例,对比了单独的灰色优化GM(1,1)模型与组合模型的预测结果,结果显示组合模型的预测精度较高。     

基于差值灰色RBF网络模型股票价格预测研究

针对RBF神经网络的预测精度受样本数据随机性影响较大,而灰色理论能弱化数据随机性的特点,提出了差值结合法将灰色GM(1,1)模型和RBF神经网络模型有效地结合起来,构建了差值灰色RBF网络预测模型。并利用此模型进行股票价格预测,实证结果表明:该模型预测稳定性较好,预测精度高,平均预测误差为0.68%,与BP神经网络和RBF神经网络相比具有更好的泛化能力和更高的预测精度,在股票预测中具有一定的实用价值。     

大跨预应力混凝土连续刚构桥梁现场应力测试的若干问题研究

将钢弦应变传感器原件埋设于大跨度预应力混凝土连续刚构桥梁中,对箱梁关键截面的应力实施跟踪测试和控制,阐述了混凝土钢弦应变计的测试原理,通过对实际工程结构测试应力数据的误差分析,包括混凝土弹性模量的误差、混凝土应变滞后、温度影响、混凝土收缩徐变产生的应力,使实测应力更接近结构实际应力,保证了施工质量,最后通过一高墩大跨连续刚构桥梁测试实例得出的结论,从而为结构应力分析、结构设计变更和施工质量评价提供了依据.     

BP神经网络在连续梁桥施工监控中的应用

为了实现大跨度连续梁桥施工过程中立模标高快速、准确地确定,基于BP神经网络能逼近任意的函数与自适应算法结合的特点,将其运用到连续梁桥施工控制的标高预测中.通过有限元软件建立桥梁模型,结合参数的影响的分析,运用BP神经网络原理,根据实测值与理论值的对比分析结果来确定挠度预测的输入向量和目标向量,建立大桥高程偏差的神经网络模型.利用MATLAB程序的神经网络模型,完成对样本矢量的输入及对桥梁施工控制的网络训练,预测出下一阶段的标高值,以此反复进行,有利于立模标高更快更精确的确定,最终使桥梁的线形和设计线形达到很好的吻合.     

基于灰色BP神经网络的我国工业增加值预测研究

针对我国工业增加值存在季节波动性等外部因素影响其预测准确性不高的问题,提出了一种基于灰色BP神经网络的工业增加值预测算法,即采用以我国2008~2017年各季度工业增加值数据作为时间序列建立的灰色BP神经网络预测模型进行预测。结果表明,采用灰色BP神经网络组合模型预测的精度较灰色模型和BP神经网络模型精度分别提升了0.94%~4.98%和0.01%~0.08%,稳定性分别提升了1.43%~2.97%和0.03%~0.05%。此实验结果验证了灰色BP神经网络组合模型可以有效预测我国工业增加值的发展趋势,进而为政府部门制定工业发展政策提供有效依据。     

大跨度预应力混凝土曲线连续刚构桥施工控制方法研究

介绍了预应力混凝土曲线连续刚构桥施工控制的特点、原理和方法,根据划分的施工阶段,建立有限元模型,对该桥的施工过程进行仿真分析,通过有限元理论计算结果和施工过程中对主梁线形和内力监测结果的比较,验证了监控方法的有效性,为曲线预应力混凝土桥梁的安全施工和合理成桥状态提供了技术依据,同时给其它大跨度悬臂浇筑连续梁桥的施工控制提供借鉴和参考.     

船舶航行GPS定位轨迹的新预测模型

为了提高海上船舶航行轨迹的预测精度,根据船舶航行的GPS定位轨迹特征,构建一套适用于航行轨迹预测优化算法模型,研究内容包括轨迹数值预处理、预测计算、结果精度分析3个部分.运用离散小波变换对船舶航行轨迹数值的分辨预处理,在灰色预测GM（1,1）算法的基础上,运用非线性规划方法动态调整GM（1,1）算法均质生成数列中的发展系数,构建基于时间序列的数值预测优化算法,最后通过算法模型的实验比较和应用测试.结果表明,本预测模型计算结果精确度高,优于多个其它预测算法或模型.