遗传神经网络能耗预测模型在钢铁企业中的应用

为改善BP网络训练速度慢,易收敛于局部极小点及全局搜索能力弱等固有缺陷,采用遗传算法优化神经网络的初始权值和阈值,以通化钢铁公司炼铁厂为研究对象,建立了基于遗传算法的人工神经网络能耗预测模型。用MATLAB编写计算程序进行测试,并与纯BP算法进行分析比较,结果表明,文中所提出的方法在预测精度和收敛速度方面均得到了改进。     

基于小波神经网络模型的中国能耗预测

通过中国能源消费数据分析,结合小波分析与神经网络理论方法,建立了相应的中国能耗的小波神经网络模型,对中国能源消费增长率进行了预测,并以此预测出未来中国能源消费需求总量.通过实际数据与预测数据的统计分析表明,小波神经网络模型的预测结果有较高的精度,对中国能源消费需求总量的预测有较高的可信度.     

基于LSTM神经网络的乘用车能耗预测

为改善当今石油供需矛盾和环境问题,针对乘用车提出了基于LSTM神经网络的燃油乘用车能耗预测模型。通过纵向动力学建模并匹配相应车型进行求解,结合GB/T 38146.1行驶工况数据,得出能耗随时间的变化率。构建LSTM神经网络架构,根据处理后的数据样本,对LSTM神经网络进行训练和评价。最后,通过LSTM神经网络和BP神经网络的仿真对比表明,随着迭代周期的增加,LSTM神经网络模型具有更高的精度,对能耗预测的准确性较好,对改善无人驾驶车辆的节能减排具有工程应用价值。     

新型样条权函数神经网络在路面谱识别中的应用

针对传统方法获得路面功率谱密度的不足,提出了一种基于新型样条权函数（SWF）神经网络的路面功率谱密度识别方法。建立了4自由度汽车的振动系统模型,推导出了汽车振动系统的输出响应谱密度与输入激励谱密度之间的非线性关系,采用样条权函数神经网络对这种非线性映射关系进行了仿真。结果表明,基于样条权函数神经网络的路面功率谱密度识别方法比较成功地克服了传统算法的缺点,具有更高的识别精度。     

基于AP-BP神经网络的建筑能耗分析与预测

建筑行业对能源的节约是当前节约能耗的重要途径之一,在对能源浪费现状和建筑物能源绩效调研和分析的基础上,提出了一种基于affinity propagation（AP）聚类的back propagation（BP）神经网络建筑能耗分析与预测方法。通过AP聚类算法对影响建筑能耗的多维因素进行聚类分析,得到影响建筑能耗的主要因素并作为BP神经网络的输入,然后将建筑能耗指标热负荷和冷负荷作为BP神经网络的输出,建立建筑能耗分析与预测模型。均方根误差（RMSE）和平均相对泛化误差（ARGE）评价指标分析结果表明,本文所提方法对能耗值预测的拟合程度优于经典的BP神经网络,且通过建筑能耗输入输出的结构调整能够节约能耗,提高能效。     

神经网络在广义预测控制中的应用

利用ＢＰ神经网络技术把多变量系统解耦为单变量系统,并推导出基于ＡＲＭＡＸ模型的隐式ＧＰＣ算法。用此算法控制解耦后的系统。     

模糊神经网络在股票价格预测中的应用

股票的价格受经济、政治、公司经营状况和市场人气等多方面的复杂影响,且各因素自身具有模糊性和混乱性,再加之股票市场是一个非线性的系统,所以急需利用一种较好的方法解决该问题.而模糊神经网络恰能解决上述问题.本文基于模糊神经网络的相关理论建立股票预测模型,并以实例加以验证.     

BP神经网络在股价预测中的应用

股票价格受多个影响因素的共同影响,且各个因素之间有着比较复杂的关系,是具有高度不确定的非线性系统。利用传统的预测方法有着诸多限制,而采用神经网络的方法则能够较好地克服这些限制,实现良好的非线性预测。文章利用二层前馈神经网络对股市建立预测模型,探讨了网络结构、隐节点个数确定的原则、样本数据的预处理,对长源电力（000966）2009年—2010年共三个月交易数据进行分析。结果表明采用该方法对股价有良好的预测效果,可为投资提供一定参考。     

神经网络方法在城市需水量预测中的应用

本文详细阐述了采用BP神经网络和模糊神经网络进行城市需水预测的方法,并将这两种方法和灰色预测模型应用到石河子市需水预测的实证研究中.通过对这三种方法进行比较研究,发现在相关因素数据比较齐全时,两种神经网络的模拟结果精度较高,模糊神经网络方法的模拟精度最高.     

神经网络在成品油价格预测中的应用

列用BP神经网络和线性神经网络,进行了成品油价格的预测. 应用某炼油厂的两种原料油胜利原油和进口原油的价格、90#汽油的产量、销量、0#柴油的产量、销量共6个变量为输入矢量,预测了该炼油厂90#汽油和0#柴油这两种成品油的价格.     

人工神经网络在炼铁工序能耗分析中的应用

以节能降耗为基本出发点,借助大量的统计数据,运用BP算法对企业工序能耗进行了系统地分析。研究结果表明用神经网络BP算法构造的网络模型,用于练铁工序能耗多因素的定量分析是可行的。这种方法尤其适用于一般数学模型难以描述的非机理型相关因素的定量分析。     

基于神经网络的非等权移动平均预测模型的研究

如何确定权值和变量个数是非等权移动平均预测模型中的两大难题，本文首先介绍神经网络的权重贡献率和关键神经节点的概念，然后给出一种基于神经网络的新的确定权值和变量个数的方法，仿真实验表明，神经网络方法能够较好地解决传统的预测方法所面临的困难，并且具有较高的预测精度。     

模糊神经网络在短期电力负荷预报中的应用

提出了一种用于短期电力负荷预报的模糊神经网络方法,该方法可以直接由模糊信息预测出未来一天或一周的各小时负荷,文中通过实际算例验证了所提模型和方法的有效性。     

BP神经网络在中国旅游发展总量预测中的应用

利用改进的BP神经网络对我国旅游发展总量(旅游收入和旅游人次数)进行了预测,并详细介绍了MATLAB6.5中的神经网络工具箱中的GUI界面的使用程序,得出了BP神经网络能够有效预测旅游发展总量的结论。     

神经网络预测城市用水量的等维新息模型

根据城市用水量的变化特点,选取能充分体现用水量变化规律的等维新息数据文件,并合理选取望输出,建立了城市用水量预测的神经网络等维新息模型。经实例验证,并与其他预测方法比较,该模型预测误差小,可满足水源规划等工作需要。     

一种基于模糊逻辑和神经网络的电力负荷预测方法

应用模糊理论、人工神经网络等智能技术,确定了有效的电力系统短期负荷预测方法,其中着重考虑了天气因素对电网负荷的影响,并开发了实用化的负荷在线预测软件,该软件是基于Windows的应用程序,具有开放式的结构和友好的人机接口,可用于每小时或每15min的负荷预测,测试结果表明,该方法具有良好的预测精度。     

城市供水管网水量预测的小波神经网络方法

为提高城市供水优化调度的可靠性和实用性，对城市管网水量预测的方法进行了研究．提出了利用小波分解与人工神经网络相结合的小波神经网络管网水量预测模型，该模型以非线性小波基为神经元变换函数，通过伸缩因子和平移因子计算小波基函数合成的小波网络，并从理论上给出了严密的算法；同时通过逐步检验算法，科学地确定了网络结构，克服了普通人工神经网络难以确定网络结构、存在局部极小点等缺点．仿真结果表明，该模型比普通人工神经网络预测模型的预测精度高，并具有很强的适应能力．     

陀螺随机漂移的神经网络预报方法研究

针对惯性导航系统中陀螺仪的漂移特性,在时间序列分析及神经网络理论的基础上提出了一种时间序列神经网络结构,并采用此种网络模型对某捷联惯导系统中所用的陀螺仪漂移数据进行了预报。预测结果表明,这种预测方法对于陀螺漂移建模及预报是可行的。     

无线传感器网络的能耗性能分析

针对无线传感器网络能量有限的问题,基于瑞利衰落信道模型,建立了一种跨越物理层与媒质接入层的能耗模型,并针对IEEE802.11 DCF和时隙ALOHA协议给出了具体的能耗分析. 考虑到无线信道的多变特点与节点饱和度情况,以及用户对信道质量的要求与接入方式,对网络工作过程中的能量消耗进行了详细的分析架构. 最后给出了节点平均功耗与净荷能耗率的仿真与理论分析结果,并仿真分析了发送功率与传输速率变化对能耗的影响. 结果表明,给出的能耗模型理论分析结果与仿真值非常接近,从而验证了模型的有效性;发送功率与传输速率过大、过小都不利于能耗的节省,联合控制更易于提升能耗性能。     

适用于无线传感器网络的能耗上限估算模型

为了从系统层面提高网络能效,需要计算网络整体能耗,分析影响能耗的关键因素,从而进行网络优化。为此,从分析全网数据流转时的节点状态出发,提出了一种基于网络容量估算无线传感器网络能耗上限的能量模型,并利用此模型进行了链式结构的路由优化设计。研究结果表明,该模型对于无分级的宽放型网络结构具有普遍适用性。