用神经网络组合预测法估算反舰导弹研制费用

运用BP神经网络组合预测法对反舰导弹研制费用进行估算。首先分别利用神经网络和回归分析方法对导弹研制费用进行估算 ,然后利用BP网络对所得结果进行组合预测。计算实例表明 ,使用BP神经网络组合预测方法所得的预测结果比单一使用神经网络或回归分析方法所得结果总体误差要小 ,因而该方法是可行的、有效的。     

季节性预测的组合灰色神经网络模型研究

对于季节性时间序列具有增长性和波动性的二重趋势性 ,本文提出了季节性预测的组合灰色神经网络模型 ,研究了同时考虑两种 (非线性 )趋势的复杂季节性预测问题 ,给出了一个应用实例 ,为季节性预测提供了一种新的、有效的方法 .     

基于主成分分析和组合神经网络的短时交通流预测方法

提出一种将主成分分析和组合神经网络相结合的方法来预测短时交通流量.将预测路段历史流量及其相关路段的历史流量进行主成分分析,分析结果作为组合神经网络的输入数据,这样不仅减少了输入变量个数,减小网络规模,而且保留了原始变量的主要信息,消除变量之间的相关性.给出了一个说明该方法有效性的例子,用同一组数据比较该方法与典型BP网络的预测效果,结果表明该方法明显优于BP网络.     

基于灰色神经网络组合模型的故障预测

针对装备故障预测存在有效样本少、模型预测精度低等问题,集成灰色理论和神经网络方法,提出基于灰色神经网络的故障预测组合模型。基于新信息优先原理和重构背景值方法优化灰色GM（1,1）模型的初始值与背景值,利用Levenberg-Marquardt算法改进反向传播神经网络模型;采用组合预测思想,将多方法融合改进灰色模型和神经网络模型,分别构建基于权重分配、基于误差修正和基于结构优化的3种灰色神经网络组合模型。以某雷达发射机的故障预测为例,验证上述方法在故障预测中的有效性。结果表明,灰色神经网络组合模型的预测精度优于单一预测模型,可用于装备的故障预测和预测性维修。     

企业财务危机非线性组合预测方法及实证

针对组合预测比单项预测具有更高的预测精度,而线性组合预测方法在建模与预测方面存在着较大的局限性,提出了一种基于模糊神经网络的预测上市公司财务危机的非线性组合建模与预测方法,并给出了相应的混合学习算法。通过与多元线性回归模型、Fisher模型和Logistic回归模型的预测结果对比表明,该方法具有预测精度高、学习与泛化能力强和适应性广的优点。     

基于神经网络最优组合预测方法的应用研究

针对最优组合预测模型最优权重分配时往往出现负权重等方面的不足 ,建立了基于 Ann模型组合预测模型 ,并进行了实证研究 ,结果表明该模型比最优组合预测具有更高的拟合精度 .最后从机理分析其中的原因 .     

分段逆回归与神经网络组合建模方法

通过将人工神经网络技术和分段逆回归技术相结合，提出一种针对多因素非线性时间序列数据的预测建模方法。这种方法在保证原有函数形式不变的前提下，简化了输入变量，缩小了神经网络的规模，增强了模型的泛化能力。同时利用此方法建立北京市就业人口需求总量的预测模型，证实该方法的预测效果，并且为该方法运用于实际预测建模提供参考。     

一种新的基于神经网络的非线性组合预测方法

一种新的基于神经网络的非线性组合预测方法文新辉牛明洁（西安电子科技大学，７１００７１）（新疆石油学院，乌鲁木齐８３００００）ＡＮｅｗＮｏｎｌｉｎｅａｒＣｏｍｂｉｎｅｄＦｏｒｅｃａｓｔｉｎｇＭｅｔｈｏｄｏｎｔｈｅＢａｓｉｓｏｆＮｅｕｒａｌＮｅｔｗｏｒｋ...     

提高预测精度的ELMAN和SOM神经网络组合

针对预测样本数量有限的问题,提出了对训练样本和要预测的样本先聚类、后分别训练和预测的方法。利用网络特性,对复杂信息进行预先分类,使后续信息处理和映射更精确迅速,采用ELMAN神经网络和SOM神经网络的组合提高预测精度。通过对天气和疾病的预测仿真实验表明,该方法增强了网络的局部泛化能力,预测精度高于BP网络和单一采用EMAN网络或SOM网络的精度。     

组合预测贝叶斯方法研究

本文研究了组合预测的基本理论，提出了有效的最优权重确定方法。基于贝叶斯理论分析，在相当一般的条件下，本文推导了非线性组合预测方式。该组合具有相当一般性并将传统算术加权平均、几何加权平均等组合预测方式作为特例。实例分析证实了本文方法的有效性。     

神经网络在预测中的一些应用研究

预测是一个很难的研究课题,近来利用新的科学理论探索新的预测方法是预测界人士进行预测课题研究的一个重要方面．其中人工神经网络在预测领域中的应用研究进展最快,它包括研究神经网络预测方法和神经网络在预测过程中作为辅助工具．本文介绍几种主要的神经网络预测方法及其应用和利用神经网络确定ＡＲＭＡ 模型的结构．     

人工神经网络在非线性经济预测中的应用

运用人工神经网络方法 ,以天津市特定时间段工业总产值为样本 ,进行宏观经济模拟预测分析 ,结果证明与其它经济计量方法相比较 ,其预测精度较高 .人工神经网络应用于宏观经济预测具有广泛的实际应用前景 .     

长期天气的人工神经网络混合预报模型研究

利用人工神经网络方法结合均生函数和多元分析方法，提出了一种同时考虑预报量自身显著变化周期和外生变量因子对预报量未来变化影响的混合预报模型。这种新的神经网络混合预报模型，比单纯采用时间序列统计预报方法或多元分析统计预报方法具有更好的预报效果，并且这种预报能力的提高具有合理的分析依据。     

基于季节调整和BP神经网络的月度负荷预测

月度电力负荷序列中离群值及节假日因素会影响月度负荷预测的准确性.为此,提出了基于季节调整方法和BP神经网络的月度电力负荷组合预测模型.首先,利用季节调整方法对原始负荷序列进行预处理,消除离群值和春节假日的影响;然后用BP神经网络对回归残差序列建模预测得到预测结果或对季节调整后序列和季节成分序列分别建模预测,并对分量预测结果重构后得到最终预测结果的方法.通过实例对预测效果进行检验,结果表明提出的预测方法的预测表现要优于BP神经网络,SARIMA,支持向量机等模型,可以获得更高的预测精度.     

水面舰艇编队反舰作战中作战网络结构的优化

合理的作战网络结构是将信息优势转化为决策优势并最终建立火力优势的基础, 对于促进"战场透明"的实现, 充分发挥信息"兵力倍增器"的作用至关重要. 首先采用复杂网络方法建立了水面舰艇编队反舰作战的网络模型; 从网络的边和节点两方面分析了网络结构对信息质量的影响, 并论述了信息质量对反舰作战过程及效果的影响; 在此基础上, 采用遗传算法对反舰作战网络结构进行了优化研究. 优化结果表明: 对于质量较高的信息, 需缩小其传递路径, 使其快速地到达武器节点, 建立火力优势; 而对于质量相对较低的信息, 则可以适当增加其传递途径, 腾出网络带宽以及指控节点以便高质量信息的快速传递、处理. 研究结果对于提高基于信息系统的水面舰艇编队体系作战能力具有一定的军事价值.     

基于改进粒子群-模糊神经网络的短期电力负荷预测

为了提高短期电力负荷预测精度,提出了改进的粒子群-模糊神经网络混合优化算法.用改进的粒子群训练神经网络,实现了模糊神经网络参数优化.建立了基于该优化算法的短期负荷预测模型,综合考虑气象、天气、日期类型等影响负荷的因素,利用贵州电网历史数据进行短期负荷预测.仿真表明,该方法的收敛速度和预测精度优于传统模糊神经网络法、BP神经网络法、粒子群-BP算法和粒子群-模糊神经网络方法,该优化算法克服了神经网络和粒子群优化方法的缺点,改善了模糊神经网络的泛化能力,提高了电网短期负荷预测的精度,各日预测负荷的平均百分比误差可控制在1.2%以内.该算法可有效用于电力系统的短期负荷预测.     

基于模糊小波网络的防空导弹自动驾驶仪设计

针对防空导弹的飞行控制问题,提出一种基于模糊小波网络的导弹自动驾驶仪设计方法。该方法利用模糊小波网络良好的学习和参数自调整能力,因而使建立的系统辨识器及控制器能够很好地近似系统动态特性,逼近最佳控制效果。给出了应用该方法的具体实现步骤,结合导弹飞行的全弹道典型特征点参数,通过仿真实验说明了设计方法的有效性。     

一种新的基于人工神经网络的综合集成算法

针对现有多目标综合评价中所存在的主观随机性和各种评价方法结果的差异性问题,依据层次分析法(AHP)、主成分分析法(PCA)和人工神经网络(ANN),提出了一种新的从定性到定量转换的综合集成算法,并用于多目标综合评价。该算法基于人工神经网络理论,吸收了层次分析法确定权值的技术和主成分分析法提取主因素的优点,建立了一个新的多目标综合评价模型———AHP PCA ANN模型。介绍了它的组成原理,给出了具体构成方法,描述了各个步骤的主要任务,通过全面质量管理综合评价的实例证明了有效性和可靠性。     

基于神经网络的航管装备故障预报系统研究

根据神经网络BP算法和专家系统原理 ,研究了航管装备故障预报的方法 ,给出了特征参数选取和知识库建立的过程 ,讨论了航管装备故障预报系统的系统结构和功能实现 ,界定了系统的推理机、解释机制、知识库规则和人机接口 ,并进行了航管装备机杨管制中心系统故障预报的过程举例 ,给出了一种基于神经网络实现航管装备故障预报系统的方法     

中国外债最优结构研究:人工神经网络方法

通过将BP神经网络和非线性方程组求解结合起来，提出了一种求解一般抽象非线性方程组F（x^-,y^-）=O的算法，并将其应用于中国宏观外债模型，样本检验结果指出，有92%的变量相对误差小于5%，该结果优于一般计量经济学方法所得的结果，应用该模型对中国外债管理方式（计划管理方式和余额管理方式）和期限结构进行仿真研究，研究结果在适度外债规模和外债管理方式及其在对国民经济的影响等方面提出了有较大政策参考价值的建议，说明了人工神经网络方法在复杂经济系统方面的应用前景。