人工神经网络模型在种植业劳均耕地面积预测中的应用

利用人工神经网络建立了具有时间序列的对象的预测模型 ,并提出了基于本模型的数据处理方法 ,在此基础上 ,对吉林省榆树县大坡镇西山村的种植业劳均耕地面积作了预测 .证实了本模型的正确性和科学性.     

人工神经网络在农业中的应用

人工神经网络是人工智能领域中发展迅速的信息处理技术之一,在简单介绍了人工神经网络的发展和基本结构的基础上,对人工神经网络在农业中用于农业技术管理、分类、预测等方面进行了综述,图１,参２９。     

人工神经网络在中长期汇率预测中的应用

本文尝试用人工神经网络方法（ＡＮＮ）预测ＵＳＤ／ＤＥＭ汇率。研究结果表明,人工神经网络算法用于汇率预测是有效的（与随机游走模型相比）。模型中的宏观经济数据采用取对数之差的处理方法,大大扩大了模型的应用范围。     

人工神经网络BP算法的数据处理方法及应用

利用人工神经网络建立了具有时间序列的对象的预测模型，并提出了基于本模型的数据处理方法，在此基础上，对吉林省榆树县大坡镇两家村的人均收人作了预测。证实了本模型的正确性和科学性.     

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 .     

人工神经网络在作物生产管理中的应用

基于模型的专家系统方法是处理作物生产这个综合、复杂系统的有效手段。文中分析了模拟模型与产生式规则在专家系统智能表达中的局限性,指出人工神经网络方法在作物生产智能决策系统中的意义,介绍分析人工神经网络应用的基本步骤与技术关键,探讨了ＡＮＮ在作物生产中可能的应用。     

人工神经网络和GIS在城市防震减灾中的应用

基于组件式GIS(ComponentObjectModel,COMGIS)技术,讨论了BP神经网络和GIS耦合模型在城市防震减灾中的应用。研究表明:商用程序SHAKE91在VB菜单下可直接调用,实现了任意设定地震下地震动影响场计算的模块化;BP神经网络应用于城市建筑物震害预测中,能达到较理想的效果,其计算模型在系统菜单下可直接调用;GIS的空间分析功能可使震害预测结果与建筑物信息进行空间匹配,实现在假定地震的情况下,快速、有效地得出城市建筑物潜在地震灾害的空间分布图,有利于城市防震减灾工作的开展。     

遗传算法和BP人工神经网络在税收预测中的应用

针对经典的BP人工神经网络所存在的缺陷,结合遗传算法,提出了基于实数编码的GA-BP神经网络税收预测模型。在结合递归预测方法的基础上,该模型取得了令人满意的结果。     

人工神经网络在汽车轮胎侧偏特性研究中的应用

引入人工神经网络理论中应用广泛的多层前向ＢＰ网络模型,进行汽车动力学仿真中轮胎侧偏特性的研究,得到轮胎侧偏特性的人工神经网络模型,并以实例验证这种建模方法的准确性和实用性。     

农机微机管理数据库系统的研究

实现农机微机管理是农业现代化的标志之一，农机微机管理数据库系统的建立与推广，对我国农业机械化发展具有重要意义。研究成果数据运行可靠，可操作性强，便于管理和推广。     

无师General Fuzzy Min-Max人工神经网络

针对一般模糊极小极大(generalfuzzymin max,GFMM)神经网络不能够完全无师聚类和自适应在线学习的问题,提出了一种无师训练的一般模糊极小极大(generalfuzzymin max,GFMM)人工神经网络。它继承了GFMM网络的优点,可以输入n维模糊量,尤其是新增加了无师学习的功能,弥补了GFMM网络不能自适应在线学习新类的缺陷。实验测试结果与分析表明,该网络在自动目标识别的实际应用中具有广泛的适用性。     

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。     

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。     

基于灰色关联分析的神经网络模型

在BP神经网络算法的基础上,针对在多变量复杂系统建模过程中BP网络输入变量无法自动寻优的问题,将其与灰色关联分析方法结合,建立基于灰色关联分析的神经网络优化算法(GM-BPANN).并且使用中国粮食产量预测的数据,与逐步回归方法和灰色GM(1, N )模型方法进行了比较检验.结果表明,新模型通过灰色关联度的计算,可以全面、广泛地对大量的输入变量进行处理,而不必经过专门的主观筛选,从而增强了BP网络的适应能力, 同时能够得到较好的预测精度和稳定性.     

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。     

基于优化神经网络预报的原油含水率测量

在线密度法在原油含水率测量中有很强的实用价值, 但存在着受现场不确定因素影响测量误差波动较大的缺点. 为了提高含水率的测量精度和稳定性,将误差反向传播神经网络用于密度法计算含水率数学模型中, 针对该算法收敛速度缓慢和易陷入局部极小点的缺点, 提出了将模拟退火算法用于该模型的全局寻优, 改进后的误差反向传播神经网络的误差预报值对密度法模型计算值进行修正. 通过对离线实验数据的训练, 该方法能够有效地提高在线快速含水率测定结果的准确性.     

应用人工神经网络方法评定作物生产系统中指标的权重

通过关系协调权计算方法与Madaline网络方法的比较发现，直接将Madaline网络方法应用在作物生产系统内的权重分析上不能得到很好的效果。经过对Madaline网络激励函数和误差函数的改革，使其对空间的划分更敏感，另外可避免网络在学习过程中陷入“麻痹”状态和产生振荡。使之更能适应作物生产系统内的权重分析，而且具有一定的实用意义。     

改进免疫算法在预测过程神经网络中的应用

基于过程神经网络（procedure neural network, PNN）建立了具有高精确度的多步预测模型。针对PNN训练过程复杂的特点,提出了一种基于正交基函数展开和矢量矩免疫算法(vector distance based immune algorithm, VD-IA)相结合的PNN训练方法。根据PNN在三角函数正交基展开形式下的数学模型,推导出适用于VD-IA的优化问题模型,采用一种自适应策略加快了VD IA的收敛速度。基于Mackey-Glass混沌序列检验了该方法的有效性,将该方法与BP训练方法、改进粒子群优化（improved particle swarm optimization, IPSO）算法进行了对比分析。仿真结果表明,基于VD-IA的PNN训练方法可以获得较优的结果,且获得泛化性能较好的PNN模型。     

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。首先利用回归分析法建立三元线性回归模型对导弹研制费用进行估算,然后利用3层前馈型BP神经网络对导弹研制费用进行估算,最后利用人工神经网络中的BP网络对所得结果进行组合预测。计算实例表明,使用该组合预测方法所得的预测结果比单使用神经网络或回归分析方法所得结果的总体误差要小,因而该方法是可行而有效的。