基于人工神经网络的油田产量多因素非线性时变预测

运用人工神经网络技术对多因素非线性影响下的油田产量进行了预测 ,结果表明 ,该方法既能考虑新井开井数、注水井开井数、注水量、老井开井数及老井措施量对油田产量的影响 ,还能间接地全面考虑储层非均质性对油田产量的影响 ,且预测快速、简便、精度高 ,是对油田油产量进行中短期预测的有效方法 ,对于产能建设、产量规划、措施安排具有一定的指导意义     

带中间状态反馈的多变量非线性预测控制

给出了基于神经网络的多变量非线性预测控制算法,提出了带中间状态反馈校正的基于神经网络的多变量非线性预测控制,以及反馈校正矩阵的设计方法．仿真结果表明,此算法大大地增强了系统的抗干扰能力,是一种有效和实用的控制方法．     

多层砖房震害预测的人工神经网络方法

在分析人工神经网络理论方面的基础上,利用这一方法对多层砖房进行震害预测,并对唐山大地震实际震例检验,表明该方法是可行和有效的,具有广阔的应用前景。     

基于人工神经网络的非线性系统辨识

人工神经网络是-个非线性动力学系统,具有自适应、自组织、自学习等功能。本文利用人工神经网络具有表达任意非线性映射的能力,对非线性系统进行系统辨识。仿真结果表明,该方法是可行的,计算精度高。     

线性时变参数识别与非线性因素估计

本文讨论了利用非线性时不变振动系统的响应，根据线性模型识别出的线性参数的时变性质判断非线性项的存在、估计系统非线性因素的问题．大量的算例表明，据此判断非线性项的存在是可行的．文中还分析了利用具有非线性项的时变系统的响应，根据线性系统模型识别线性时变参数的问题．模拟计算表明，利用非线性系统的响应籍助线性模型，可以在相当大的范围内较好的识别出系统的线性时变参数。     

多输入多输出非线性时变时延系统的自适应跟踪控制

针对多输入多输出非线性时变时延系统,提出了一种模糊自适应跟踪控制方案,该方案构建了基于模糊T-S模型的自适应时变时延模糊逻辑系统,用来逼近未知非线性时变时延函数,从而实现了对非线性系统的建模.根据跟踪误差给出了模糊逻辑系统的参数自适应律,设计了H..补偿器来抵消模糊逼近误差和外部扰动.基于Lyapunov稳定性理论,提出的控制方案保证了闭环系统的稳定性并获得了期望的H..跟踪性能,机械臂的仿真结果表明了该方案的有效性.     

用组合模型预测油田产油量

时间序列分析是统计学的一个重要分支,灰色系统理论是一种动态趋势预测理论。将时间序列分析与灰色系统理论相结合用于油田产量预测是一个非常有益的探索。先采用灰色建模或逐步回归方法,从数据中得到趋势项的数学模型,然后对剔除趋势项之后的数据进行时间序列分析,建立了ＡＲ模型或ＡＲＭＡ模型。将以上两个模型结合起来构成组合模型,用于预测油田产油量。应用实例证明,该方法具有容易实现、预测准确的优点,是一种非常有效的     

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。     

多变量非线性系统模糊直接广义预测研究

对参数未知多变量非线性系统提出一种模糊直接广义预测控制算法．该算法将多变量非线性系统转化为多变量时变线性系统,然后利用模糊系统来逼近控制增量表达式,对控制器参数向量即网络权值向量中的未知向量基于跟踪误差进行自适应调整．     

补偿预测误差的非线性系统广义预测控制

将一类非线性系统等价表示为时变线性系统,研究了非线性系统的广义预测控制。利用三次样条基函数多项式逼近时变系数,将时变参数的估计转化为定常参数的估计。为了提高输出预报精度,采用小波网络对预报误差进行预测,作为输出预报的补偿。仿真研究结果表明了所提方法的有效性。     

基于灰色系统和人工神经网络的中长期电力负荷预测

利用灰色预测需要样本数据量少、建模过程简单的特点，对中长期电力负荷进行前期预测，结合人工神经网络对大量非线性、非精确性规律具有自适应和自学习能力的优点，在考虑经济因素的前提下对输入数据进行了预处理，采用改进的BP算法最终得出了预测结果．文中的算例表明了该方法是可行且有效的．     

非线性系统的多模型预测控制方法

提出了一种基于多模型的预测控制方法,用于解决典型非线性对象——污水生化处理过程中的控制问题.首先给出了基于局部模型的多模型建模方法,该方法从积累的大量系统输入输出数据中找出与系统当前模态相匹配的数据集合,利用局部多项式拟合方法建立系统的局部模型,再根据系统模态的变化建立系统的多个模型;将所得多模型与预测控制相结合,提出一种多模型预测控制方法,从而解决了一类结构未知、仅使用大批历史数据工业过程的控制问题.仿真试验说明了该方法的有效性.     

非线性时变系统最小阶观测器构造的新方法

本文利用变结构系统(VSS)理论,研究了非线性系X=AX+f(t,x,u)、Y=CX最小阶观测器的构造理论。     

基于人工神经网络城市交通流量智能预测的研究

通过对我国目前城市交通情况的分析．说明交通拥挤和流量大小息息相关，因此对城市交通流量进行预测具有重要的意义。目前应用于城市交通流量智能预测的人工神经网络模型主要有线性网络、BP网络、反馈网络等。经过综合分析而采用了线性网络对城市交通流量进行预测，其优点主要表现在结构简单，实用方便，反应速度快，实时性强。根据城市交通的具体情况，对城市交通流量的预测模型进行了仿真。其仿真结果表明所采用的线性神经网络能够用于城市交通流量的预测。     

基于人工神经网络的矿井涌水量预测

应用人工神经网络理论,提出了矿井涌水量预测的新方法,并将其与自回归时序模型进行了比较验证。结果表明,运用神经网络方法进行矿井涌水量预测,精度高,自适应性强,在数据不十分充足的情况下,效果尤其好于自回归模型。     

基于人工神经网络的高考扩招趋势预测研究

高考扩招系统足一个“黑箱”,各因素问是否存在因果关系还很模糊,基于人工神经网络自身的特点,采用BP模型,借助MATLAB语言对高考扩招系统进行预测研究．通过对历史数据的处理、程序的设计、网络的训练等进行分析,最终预测出中国未来20年高等教育发展的趋势,为国家相关政策的制定提供参考依据．     

基于BP人工神经网络的湖南省汽车保有量预测

文章在具体分析影响湖南省汽车保有量的各相关因素及主导因素的基础上，应用BP神经网络预测湖南省2005年的汽车保有量。预测结果表明，与传统的预测方法相比,BP神经网络的精确度更高，这表明BP神经网络具有很强的学习与泛化能力。     

用模糊人工神经网络方法预测多层砖房震害

结构的震害预测是编制抗震防灾规划的重要基础内容。应用模糊人工神经网络方法来对结构震害进行分析预测。应针对不同类型的构造物筛选出影响其震害的主要因素 ,采用地区性的历史震害资料对所建成的人工神经网络进行训练的方法。以量大面广的多层砖房为例 ,以云南省近几年来的几次大地震的灾害资料为样本 ,运用灰色数学方法筛选出影响震害的主要因素 ,然后进行了模糊人工神经网络的构筑与训练。结果表明 ,这种方法的训练效果是令人满意的     

基于人工神经网络的混凝土强度预测研究

混凝土强度是结构设计中控制的主要指标，其数值决定于水灰比、胶凝材料用量、矿物掺量、外加剂用量等多种因素，常规计算混凝土强度的公式因个人理解的不同而各异，一种仿生模型—人工神经网络则能很好地解决这个难题，文中尝试用人工神经网络对16种配比的混凝土进行28d强度预测，结果表明此模型的可靠度很高，可以用以优化混凝土的试配，节约大量的时间、人力、物力和财力。     

一类非线性时变广义系统的块解耦

讨论正则静态状态反馈作用下,一类非线性时变广义系统的输入输出块解耦问题,提出一种新的算法,用于研究系统输入输出块解耦问题,推导出该问题可解的充分条件。