基于灰关联神经网络的电力工程造价估算

为准确地估算和审查电力线路的工程造价,提出一种基于灰关联分析和神经网络相结合的造价估算方法。利用灰关联分析法筛选出影响工程造价的10个主要工程特征参数,以此作为神经网络输入向量,构建GRA(grey relational analysis)-ANN(artificial neural networks)造价估算模型;以某市110 kV电力线路改造的工程造价资料为实验对象进行算法验证,结果显示静态投资的相对误差最大为3.72%,最小为1.85%,估算精度高;分别采用LM-BP算法和传统BP算法训练GRA-ANN网络,结果显示LM-BP法的误差下降速度更快,整体误差更低。     

送电线路工程造价管理

送电线路工程由于影响工程造价的不确定因素多,造成工程造价控制的难度进一步加大。如何采取有效措施,使送电线路工程的造价控制更为有效,已是当务之急。     

基于BP神经网络的建筑工程造价快速估算方法

在对建筑工程造价影响因素分析的基础上给出了样本的定性定量描述方法,建立了建筑工程造价资料快速估算的BP神经网络模型,用已建典型工程资料对BP神经网络进行训练,实现了工程造价资料的快速估算,实例证明该方法是可行的,估算结果是可靠的。     

基于人工神经网络的股价指数预测

本文阐述了现行的股价指数预测方法的基于线性假设的局限性，针对股票价格指数的非线性变动特性，探讨了一种基于人工神经网络的股价指数预测模型，并通过Matlab6．5编程实现，运用到沪深300指数预测中。仿真结果表明，采用人工神经网络方法的误差较小，预测精度较高，能在一定程度上克服现行的预测方法的不足。     

谈市政道路工程造价估算

市政道路工程造价,即市政道路工程的建造价格,是指建设一项市政道路工程预期开支或实际开支的全部固定资产投资费用,即该工程项目有计划的进行固定资产在生产和形成相应的无形资产、递延资产和铺底流动资金的一次性费用总和。本文首先介绍了市政道路工程的分类及特征、市政道路工程造价估算的基本理论,同时还介绍了案例推理的基本原理及工作流程,以供大家借鉴。     

基于人工神经网络的专家系统的建立

文章提出了一个基于人工神经网络的专家系统及其分层结构、知识获取和推理的方法，并将其用于生烃条件评价中。     

基于人工神经网络BP算法的可编程控制器的设计与应用

本文介绍了一种基于人工神经网络ＢＰ算法的可编程控制器的设计法，此种方法可用于对复杂的工业生产过程量进行控制。     

基于人工神经网络(ANN)理论的保护原理

根据现代控制技术的人工神经网络理论提出了一种保护原理构成方案,并分析了原理实现的可行性和技术难点。     

基于人工神经网络的信号分析处理

人工神经网络特有的非线性适应性的信息处理能力,克服了传统人工智能方法对于直觉信息处理方面的缺陷（如模式、语音识别、非结构化信息等）,使之在神经专家系统、模式识别、智能控制、组合优化、预测等领域得到成功应用。     

基于人工神经网络的智能识别数字模型

人工识别阿拉伯数字既耗时又费力,提出了一种利用BP网络与竞争网络相结合的神经网络来识别阿拉伯数字的模型,仿真结果表明,该模型能够对数字进行准确、快速地识别,且抗噪能力较好.可以用于对部队番号、邮政编码、证件等进行识别.     

厦门市工程估价的RBF神经网络预测模型

选取55个厦门市典型工程造价指标,利用SPSS统计分析软件对工程特征和训练样本进行相关性分析、归类合并,得出11个工程特征作为平米造价的主要影响因素.以径向基函数(RBF)神经网络原理为基础,建立工程造价估算模型,通过试验,选择net=newrb(P,T,0.01,1.0)建立RBF网络,用y=sim(net1,P)对样本进行训练测试.实证分析结果显示:该模型具有计算快捷简便的优势,估算误差在允许范围内,可用于实际工程造价的辅助估算.     

基于控件技术的前向神经网络实现研究

在分析前向神经网络应用特点的基础上,将其与ＡｃｔｉｖｅＸ技术相结合,提出了一种基于控件技术的前向神经网络体系结构,并用ＶｉｓｕａｌＣ＋ ＋ 的ＭＦＣ给出了该体系结构的实现方案．该方案具有实现简单,使用方便,宜于扩充,移植性强,界面友好等优点     

基于神经网络的非正常工况预报

分析了PTA生产中氧化反应器尾氧浓度的影响因素,提出一种用小波分析对数据进行降噪处理的方法。采用BP神经网络并对其进行了一定程度的改进。通过降噪前后的网络仿真结果对比,表明基于小波降噪的神经网络具有更好的精度和更强的泛化能力。用此网络预测尾氧浓度,实现了对非正常工况的预报。通过实际对比,表明该网络能够较理想地预报出非正常情况。     

床面形态判别的人工神经网络方法

根据给定的水流及泥沙条件，预报床面可能出现的沙波形态，是一个重要的研究课题．在对影响床面形态的参数分析后，认为床面形态应由3个无量纲参数控制，因而以往采用2个参数的经验方法有很大的局限性．基于此结论，建立了预测床面形态的人工神经网络模型，该模型充分考虑了本问题的特点．验证结果表明，该模型具有较高的精度，可用于实际问题中．     

基于小波神经网络的装备寿命周期费用估算方法

首先简要介绍了寿命周期费用概念以及进行寿命周期费用估算的意义。其次分析了常用估算方法的优缺点,再次通过介绍小波及小波变换的原理和方法,建立了适用于武器装备研制费用的小波神经网络结构.结合某型装备研制费用,进行了数据仿真。仿真结果表明本文方法是可行的。     

对象输入参数优化的人工神经网络方法

研究对象输入参数的优化方法。建立对象的人工神经网络模型,根据模型输出对输入的梯度,采用有约束梯度优化方法,研究在限定范围内对象输入参数的寻优。通过对文献中实验数据的处理,得到了与文献中相近的优化结果。该方法为寻找最优生产条件或最优输入参数的生产过程或系统提供了一条有效的途径。     

基于小波神经网络的输电线路故障检测

在分析了小波函数时频特性和人工神经网络学习能力和算法鲁棒性的基础上，提出了一个利用小波神经网络检测电力系统输电线路故障的方法。理论分析和基于EMTP仿真测试结果表明，该小波神经网络故障检测模型和算法是有效的，与传统的人工神经网络相比，具有收敛速度快，鲁棒性强的特点。     

一种基于人工神经网络的无线传感器网络定位算法

提出了一种基于人工神经网络(ANN)的无线传感器网络定位方法,RSSI的结果被用来作为人工神经网络的输入,采用遗传算法优化人工神经网络的结构.采用MATLAB进行仿真,模拟20 m×20 m室内静态网络环境下的8个已知位置节点.实验结果表明,该方法比传统方法的定位精度高、适应性强,效果较好.     

BP神经网络数值预测方法的研究

人工神经网络作为一个具有高度非线性映射能力的的计算模型,具有广泛的应用前景。在数值预测方面,它不需要预选确定样本的数学模型,仅通过学习样本数据即可以进行预测。本文在对其进行深入研究的基础上,探讨了利用BP神经网络进行数值预测的方法和应该注意的问题,并给出了一些有益的建议。     

基于遗传算法的人工神经网络负荷预测研究

针对BP神经网络的固有缺陷,如训练速度慢,易收敛于局部极小点及全局搜索能力弱等,改进了传统BP算法,并采用遗传算法设计和优化神经网络结构参数,在此基础上建立了基于遗传算法的人工神经网络负荷预测模型,预测仿真结果表明,本文所提出的方法在预测精度和收敛速度方面均得到了改进。