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．     

基于BP神经网络模型的城市生活垃圾产生量预测研究

提出一种基于BP神经网络Levenberg—Marquardt算法建立城市生活垃圾产生量的网络预测模型。该方法优于传统的灰色理论预测模型和根据人口数预测垃圾产生量，预测结果客观、合理、精确，实用性强。该研究方法对我国城市生活垃圾管理和环境规划具有一定的指导意义。     

BP神经网络在供水管网余氯变化中的研究

以机器学习为手段,用基础数据建立非机理性的BP神经网络模型。经实例验证,BP神经网络余氯水质模型能较好的模拟供水管网中余氯的变化,特别是对于南部供水管网,模型的检验阶段相关系数达到0.92,平均相对误差为17.20%,均方根误差约是0.13。以期为高品质供水的管网安全输送与水质保障研究提供方法借鉴和参考。     

基于 BP 神经网络与灰预测方法的杭州市城市生活垃圾产量预测研究

通过分析影响城市垃圾数量的主要因素,利用灰预测方法构建未来数据,建立了一个考虑人口数量、人均收入影响下的B P神经网络模型,对未来10年的杭州市生活垃圾数量进行预测,得到较好的结果。     

BP神经网络用于饮用水管网细菌总数预测

为保障饮用水管网细菌学水质安全，并实现对细菌总数指标的预测，选定北方某市实验小区饮用水管网为研究对象，应用Matlab软件建立BP神经网络的细菌总数预测模型．结果表明，BP神经网络方法能较好地模拟复杂系统，模型精度较高；同时，建立BP神经网络模型，对水质指标间的相互作用进行模拟，拟合效果较好，并针对该实验管网给出了某些指标的限值．     

基于BP神经网络预报的动态矩阵预测控制

提出了一种基于BP神经网络预报的动态矩阵预测控制新算法，在该算法中，先用BP神经网络辨识对象模型，同时预测对象的未来输出，然后用动态矩阵控制算法进行滚动优化和反馈校正。该方法解决了非线性、时变对象难以建模及控制的问题，仿真结果验证了这一新型算法的可行性。     

基于BP神经网络的我国碳排放情景预测

碳排放预测有助于碳减排目标和碳减排路径的科学制定。借鉴STIRPAT模型的影响因素,选取人口、城镇化率、人均GDP、第三产业GDP比例、能源消耗强度、煤炭消费比例等6项因素为自变量,以1980-2009年的指标数据为训练样本,运用BP神经网络方法构建了我国碳排放预测模型,并对2010-2015年我国碳排放进行预测,结果表明我国“十二五”期间应适当降低GDP增速,促使碳排放目标的有效实现。     

基于BP神经网络的道路交通事故预测

以我国近年来道路交通事故统计资料为基础,采用改进型BP神经网络,建立起我国道路交通事故发生的时间序列模型,该模型可用于短期内道路交通事故多少的预测。     

城市燃气管网负荷预测方法

城市燃气管网负荷预测是制定城市燃气建设规划、确定燃气生产企业大、中修计划以及燃气输配企业科学调度的重要依据.本文结合我国城市燃气生产、榆配管理的现状,介绍几种目前常用的城市燃气管网负荷预测方法,并评述了各自的优势和缺陷.     

防止城市供水管网漏损的方法

城市供水管网是城市供水系统的重要组成部分,供水管网的安全性、可靠性直接关系到城市居民生活、工业生产等很多方面。 城市供水管网在其运行过程中,由于一些无法预测和无法控制等因素的影响,会不可避免地遭到一定程度的破坏,从而造成部分自来水漏失。目前城市供水中的漏水现象十分严重,全国供水行业的漏水率平均已达10％以上(允许范围8％),有的城市甚至高达20％～30％,每年因给水管网漏损和爆管造成损失高达5亿元。     

基于冲突指导的神经网络预测方法

研究基于冲突指导的神经网络预测技术. 利用离散约 束最优的拉格朗日乘数理论, 通过采用前馈方法得到近似梯度的模拟退火技术, 避免了盲 目接受试验点. 利用松紧策略加快了搜索的收敛速度. 实验结果表明, 训练误差和预测 误差都有很大改善.     

基于Chebyshev神经网络的非线性动态系统预测

针对非线性动态系统的预测常受到噪声或其他过程的耦合影响,使得规律变得难以发现的问题,提出了以一组Chebyshev正交基函数作为神经网络中各隐神经元的激励函数的新型的Chebyshev基函数神经网络预测模型.将该模型作为非线性动态系统预测模型,并采用基于粒子群和模拟退火组成的文化基因算法优化神经网络的权值,可以达到很高的预测精度和很好的预测结果.Chebyshev神经网络与传统的BP(back propagation)神经网络相比,工作量大大减少,加快了收敛性.文化基因算法用于确定权值的Chebyshev神经网络分别与粒子群和模拟退火优化的Chebyshev神经网络相比具有更好的拟合效果.     

油田注水地面枝状管网水力计算

利用节点矩阵的方法,依据流体管路的质量和能量平衡方程式,建立注水系统地面枝状管网水力计算的数学模型,并用多元函数泰勒展开对模型进行线性化处理后求解,最后运用模型进行实例计算.结果表明:该方法具有计算精度高、速度快.编机程序简单等特点,为解决大型枝状管网水力计算问题提供了一种实用可靠的手段,流量和压力计算值与实际值的平均偏差分别为4.1%和2.4%,足以满足工程需要.     

基于神经网络的集散式模糊控制系统

将神经网络技术和模糊控制技术有效的引入到集散控制系统中，并将三者有机的结合起来，使其成为一种智能型的集散控制系统 .该系统由一台神经网络处理机和多台现场模糊控制器构成，组态方便，自适应能力强，具有自学习和模糊控制规则基自校正能力，适于难以建立数学模型的复杂度高、时变因素多、惯性大的被控系统 .     

基于径向基神经网络的股价预测

借助径向基函数（Radial Basis Function)神经网络对非线性函数的逼近能力，对深能源A股价这个时间列作了连续若干天的一步预测，并与其他预测方法进行了比较。结果表明，用径向基神经网络预测股价是可行的和有效的。     

基于BP神经网络的湘西金矿成矿预测

从变异函数特征和分形维数特征方面,对在湘西金矿深部新发现的V7和V8矿脉与原有的V1,V2,V3和V4矿脉的成矿特征进行对比研究。采用BP神经网络技术对成矿特征图形进行模糊识别并进行定量化的相似类比研究,最后依据类比的结果对深部盲矿体的成矿富集规律进行预测。研究结果表明:新发现的V7矿脉具有广阔的找矿前景,而V8矿化不稳定。     

基于BP网络的土壤水分预报研究

基于一个具有两个输入变量，一个输出变量的误差反传网络结构模型，对土壤床中10cm,20cm,30cm,40cm,50cm等不同深度处的水分含量进行预报，结果表明，该模型的预报精度较高，其最大相对误差为－4．04％，最小相对误差为－0．34％，平均相对误差为1．68％（绝对值），还能同时预报不同深度处的土壤水分。     

基于BP神经网络的变压器气相色谱分析法

介绍了利用BP神经网络对变压器进行气相色谱分析的原理,给出了训练样本,在对典型样本进行训练的同时,进一步对误差曲线的仿真结果进行了分析。最后以测试样本为例,说明了该分析方法的准确性与有效性。     

基于PCA的RBF神经网络预测方法研究

主成分分析(PCA)法可以提取样本集的主成分,实现样本的最优压缩,从而降低样本的维数。针对用RBF神经网络进行多因素时间序列预测时样本特征指标过多的问题,提出用统计理论的PCA方法对数据进行预处理,再选出几个主成分作为神经网络的输入节点.仿真实验表明,基于PCA的RBF神经网络模型在拟合预测中与一般的RBF神经网络模型相比有较好效果,简化了网络结构,改善了预测精度.     

城市给水管网水质研究动态

从生长环对水质的影响、去除生长环改善水质、给水管网污染源的确定、并行算法分析给水管网和建立管网水质动态模型等五方面分析了国内外给水管网水质研究的最新动态。提出了需要解决的几个问题:从微生物和化学原理建立管网水质模型;优化水力条件改善管网水质;研究管网微生物反应机理的影响因素;寻找更高效算法分析管网和水质监测点的优化布置。