基于正交试验的电火花成形加工工艺研究

电火花成形加工技术在难加工材料、复杂型面、模具等加工领域扮演着重要的角色。但电火花加工的放电过程非常复杂,整个加工过程受多种因素影响。文章通过正交试验设计和极差的分析方法,重点探讨了峰值电流、脉冲宽度、脉冲间隙和峰值电压对工艺效果的影响,找出了影响加工效果的主次因素和最优组合,对解决电火花成形加工工艺参数,优化和提高加工质量具有一定的参考价值。     

电火花高效小孔加工探索

针对中国空空导弹研究院电火花小孔加工效率低、电极损耗大的难题,通过研究电极转速和电极形状对电火花小孔加工效率和质量的影响,获得电火花小孔加工的适宜电极形状和旋转速度组合。     

基于神经网络股票预测的研究

利用股票市场的理论和神经网络的BP算法来预测股票价格.先对股票进行基本面的分析,再对股票进行技术面的分析.运用技术分析的技术指标和神经网络优势,对股票进行大数据量的训练,使得模型可靠,再对股票进行测试.从实验的效果来看,取得令人满意的效果.     

基于Elman神经网络的铝价格预测

Elman神经网络是一种典型的局部回归网络,独特的连接层结构能记忆过去时刻的状态使网络具有动态记忆功能,特别适合处理时间序列预测问题。本文运用Elman神经网络对长江有色铝A00铝每日平均价格进行模拟预测,得到2018年1月到2018年3月一共53个工作日的A00铝日均价格的预测值。结果表明,Elman神经网络的预测精度较高。     

基于相似日的神经网络短期负荷预测方法

对于受不确定因素影响的短期电力负荷,提出了一种基于相似日的神经网络预测方法。设计了一个规范化的相关因素映射数据表,应用聚类分析方法描述由于相关因素的不同而导致的待预测日与历史日之间的差异程度,选用日特征量相同或相近的历史负荷数据作为神经网络的输入元素进行预测。用该方法选取相似日可以较多的考虑各种因素,因此,具有较高的预测精度。     

基于主成分分析法的遗传神经网络模型对电力系统的短期负荷预测

针对BP神经网络的两个主要缺点,网络训练速度慢,对初始权值阈值敏感,容易陷入局部极小点,本文利用多元统计分析的主成分分析方法(Principal components analysis,PCA),在不损失原始负荷数据主要信息的前提下提取负荷数据的主成分,有效地减少了预测模型的输入量.同时将遗传算法(GA)与BP神经网络...     

基于神经网络的证券预测技术研究

本文借助神经网络对非线性函数的逼近能力，提出了BP算法的改进型算法及基于BP算法的指数预测模型，通过对比传统预测算法，证实改进后BP算法用于指数预测的可行性及准确性．     

基于遗传RBF神经网络的无线传感器网络流量预测方法

提出了基于遗传RBF神经网络的无线传感器网络流量预测方法.在这里,RBF神经网络有6个输入节点,8个隐藏节点和1个输出节点.RBF神经网络的训练参数对RBF神经网络的预测能力有一定的影响,应该选择一个优化的方法来选择合适的参数.实验结果表明,无线传感器网络流量的预测结果优于RBF神经网络和BP神经网络.     

一种基于神经网络辨识的预测方法

针对时变的非线性系统,将传统的预测控制与神经网络逼近任意非线性函数的能力相结合,提出一种基于神经网络辨识的预测方法.同时选用含有调整参数的双曲正切函数作为节点的激活函数,弥补由于未考虑激活函数的输出值域、影响神经网络辨识精度和速度不足的问题.仿真结果表明,它适用于无滞后和有滞后的时变非线性系统,辨识收敛速度快、精度高,并具有较强的自适应性和鲁棒性.     

基于HP滤波的股票长期价格神经网络模型预测

将上证指数和深证成指股票数据作为研究对象,对股票长期价格进行预测．选取长短期神经网络、循环神经网络、HP滤波长短期神经网络混合模型和HP滤波循环神经网络混合模型进行比较分析．经过模型间的对比分析,发现HP滤波对长短期神经网络预测的优化效果要优于循环神经网络.     

基于GA-BP神经网络模型的大坝裂缝预测

常规的BP神经网络由于初始权值和阈值问题,在对大坝裂缝开度进行预测时精度普遍不高。为此,本文首先引入遗传算法(GA)对BP神经网络进行优化,构建了GA-BP神经网络预测模型,然后分析实测资料,发现库水位、温度显著影响裂缝开度,最后将这两个因素作为网络的输入变量,利用预测模型对某重力拱坝X15段裂缝开度进行短期预测。比对两种方法的预测结果可得,通过遗传算法优化BP神经网络的预测精度明显高于传统BP神经网络,本研究可为大坝的安全运行管理提供一种技术方法。     

基于神经网络误差修正的灰色广义预测控制

提出一种基于神经网络误差修正的多步灰色广义预测控制算法,采用神经网络对灰色系统的建模误差进行预测,同时根据新信息优先的原则,用最新预测误差不断更新神经网络建模数据,对新出现的误差具有动态补偿动力,最终预测值为模型预测值与预测误差之和,有效地抑制模型误差的影响,增强灰色广义预测的鲁棒性.仿真结果验证了该算法的有效性.     

基于混沌算法神经网络的高校师资预测

本提出一种基于混沌算法神经网络的师资预测模型，该算法通过在前馈式神经网络连接权空间学习算法的动力学方程中引进一非线性自反馈项，使得网络具有良好的函数近似能力，应用这种算法的神经网络对我国高等院校的师资需求进行预测，为我国有关高等院校的教育决策提供依据。     

基于RBF神经网络多步预测的自适应PID控制

提出一种基于RBF神经网络多步预测的自适应PID控制算法．该算法用无局部极小的径向基函数网络对非线性系统进行在线辨识，利用多步预测误差对PID型控制器网络进行训练，从而实现PID参数的在线自适应寻优．通过对典型非线性系统的仿真研究，该控制系统具有较强的适应性和鲁棒性．     

样本量变化对上证指数预测精度的影响——基于MATLAB的BP神经网络模型的预测分析

选取具有不同变化特征的两个时段的上证指数每日收盘价为研究对象,使用基于MATLAB的BP神经网络模型,分别预测最后10个交易日的每日收盘指数,并对预测精度进行对比。结果表明,在同一个BP神经网络中,增加输入样本个数确实有助于提高短期预测的精度,但样本区间的选择是关键,时段内的样本应具有大体相同的变化趋势。当样本量变化时,调整网络模型结构也有助于提高短期预测的精度。对于深受政策影响的中国股市而言,将人工神经网络用于股市的短期预测更有意义。     

基于判别技术与BP神经网络的地方公共事业管理绩效预测研究

根据我国地方公共事业管理运行的内在规律及其发展趋势,对我国地方公共事业管理绩效水平进行预测,建立相应的运行绩效评价指标体系,对于我国地方公共事业管理体制的改革和相关政策的调整具有一定的积极意义.本文运用模式判别分析技术和BP神经网络模型,构建地方公共事业管理绩效预测模型,并以全国东、中、西部的11个地区为样本进行地方公共事业管理绩效预测.     

基于学习矢量量化（LVQ）神经网络的高校毕业生学位评审预测

利用影响毕业生学位评审的五大指标：学习成绩、实习成绩、论文成绩、英语四级、计算机等级,提出基于学习矢量量化LVQ（Learning Vector Quantization,LVQ）神经网络的高校毕业生学位评审预测模型.以某高校某专业毕业生的实际数据为例,验证了此方法的预测能力.结果表明,基于LVQ神经网络的高校毕业生学位评审预测模型,能为评审学位的工作者提供有益的辅助参考.     

基于BP神经网络的海洋温度预测及鱼群迁移方向研究

全球海洋温度在不断上升,海水水温的变化使得鱼群向更高纬度进行迁移,导致原先苏格兰的小型渔业公司业务受到影响.主要讨论了50年后由于海洋温度变化导致苏格兰海域的鲱鱼和鲭鱼鱼群迁移以及最有可能出现的区域.文中,首先根据不同深度水温和表层水温的关系,得到鲱鱼和鲭鱼所处海洋的温度分布范围并通过热力图直观显示温度范围和分布位置....     

基于互信息冗余性分析的神经网络风电功率预测

针对神经网络的性能与网络的输入变量和训练样本关系密切的特征,提出基于互信息冗余性分析的神经网络风电功率预测方法,实现通过互信息的相关性排序滤波器来筛选各输入变量与目标变量间的相关性,以获取相关度大的输入变量;再由多变量互信息即交互增益构建冗余滤波器,滤除冗余的相关变量,获得一个最简约的最优输入变量集.两个滤波器的参数由交叉验证算法来获取最优值.以湖南郴州某风场的实测数据为例进行相关实验,结果表明:本方法在减少输入变量情况下,能获得较好的预测性能.     

改进型灰色神经网络模型在水质预测中的应用

介绍了三类改进的灰色模型和BP神经网络。将三类改进的灰色模型与神经网络进行组合,得到改进型灰色神经网络组合模型,将一维序列通过三个改进的灰色模型得到三组值作为神经网络的输入,原始序列作为神经网络的输出,训练得到最佳神经网络结构。将组合模型应用到嘉陵江磁器口断面总磷浓度的预测中,结果表明:(1)用该组合模型进行预测,相对误差均在5%以下,预测精度较高,取得了较理想的预测效果;(2)WPGM(1,1)、pGM(1,1)、CGM(1,1)、组合模型预测的平均相对误差分别为5.05%、34.01%、33.65%、3.02%,与单一灰色预测方法和灰色神经网络模型相比,组合模型的适应能力和预测推广能力更好,预测精度更高。