人工神经网络在地下水动态预测中的应用

应用人工神经网络中的BP算法,根据地下水动态的时间序列数据,建立地下水动态模型,对地下水动态进行模拟和预测,并与灰色－周期外延组合模型方法及数据处理组合方法的结果进行比较,结果表明,其预测精度较高,说明神经网络方法不仅简单、实用,又具有很强的处理地下水动态非线笥及周期性变化问题的能力,可以在地下水动态等方面广泛使用。     

地下水水位预测的人工神经网络模型研究

地下水系统是一个复杂的随机系统，根据地下水水位与其影响因素之间存在的相关关系，建立了一个基于神经网络的地下水水位预测模型，并将其用于研究区地下水水位的预测，结果表明该方法具有较高的预测精度。     

基于运营系统的出租车出行需求短时预测模型

出租车系统作为城市交通运输系统的重要组成部分,其宏观规划和调度管理的合理性决定了出租车服务质量.本文主要研究出租车乘客出行需求估计及预测,为出租车规划和实时调度提供数据支持.首先,分析了出租车定位系统和计费系统,改进了传统出租车需求网格划分方法,考虑了地形、建筑群和道路网络特征,保持了网格自身出行特性的完整性.其次,根据实时收集的出租车数据,建立了易于计算的出行需求估计方法.最后,以实际数据为基础,对影响短时出行量的主要变量进行了相关性分析,提出了基于人工神经网络的短时需求预测模型,根据相关性分析确定了模型结构.以实际获取的出租车数据为例,验证了提出的需求估计和预测模型.结果证明:相比于传统自回归滑动平均模型,提出的人工神经网络模型其平均绝对误差百分比提高了32%.此外,人工神经网络模型的绝对误差百分比超过50%的概率低于10%,而自回归滑动平均模型高达23%.     

人工神经系统的研制与进展

本文介绍人工神经系统与传统人工智能的区别,人工神经系统与实际神经系统的比较,以及人工神经系统的研制与进展.     

基于神经网络专家系统的创业企业信用等级评估研究

该文从风险投资机构的角度,研究了创业企业的信用评价构建的基本原则,并给出相关的评价指标体系及评价因素集。引入人工智能中的神经网络理论,建立了神经网络专家系统信用评估模型。实例检验表明,该模型能较好地对创业企业的信用进行综合评估。     

应用动量BP算法对地下水水位进行动态预测

作者在收集已有观测井地下水位资料的基础上,利用人工神经网络技术中的动量ＢＰ算法对上海地区第Ⅲ承压含水层的地下水水位进行了动态预测,结果表明,该法具有较高的预测精度。     

量子神经网络动力学及其在信息安全中的应用

提出了二阶Hopfield神经元及其量子动力学模型，讨论了它的粒子数图像，计算了真空量子涨落幅度值。这个幅度值是设计量子神经电子器件，井基于量子神经网络器件进行量子神经计算、量子神经信息存储与提取的物理限制。文章还进一步讨论了量子神经网络器件在信息安全中的应用。     

基于神经网络的数据融合技术的新进展

为了使系统自适应、并行、高速地融合多源数据,近代融合方法越来越多地将人工神经网络应用其中．详细论述了几种近10多年来出现的新的神经网络算法在数据级、特征级、决策级的应用,提出了部分改进算法,给出了融合结构及对算法的评价结果,同时介绍了人工神经网络在融合数据前处理方面的应用。并展望了神经网络的发展趋势．