人工神经网络在地表径流预报中的应用

为了更加准确地对地表径流进行预测,选择广东省汕尾市南告水库以上流域作为研究对象,构建BP神经网络模型对南告水库的日资料进行径流模拟研究,研究结果表明:人工神经网络可以提高预测精度,且应用前景比较广泛.     

人工神经网络在苏州空气污染预报中的应用

人工神经网络在预测预报领域的应用越来越广泛。简单介绍了BP神经网络的基本原理,较详细地回顾了国内BP神经网络在空气污染预报领域的研究应用情况,并建立了苏州市区SO2浓度预报的BP神经网络,预报结果表明:该模型具有简便、快速、准确的优点,可推广用于其它空气污染物的预报。     

人工神经网络及其在气候预测中的应用

利用湛江地区近50年的月平均气温时间序列资料，采用人工神经网络模型建立了该地区的短期气候预测系统，试验结果表明，人工神经网络模型对湛江地区的短期气候具有较好的预测能力，在平均绝对误差（MAE）小于1C的条件下，年尺度上气温的实际预报准确率达到75％，充分显示出神经网络模型在气象业务中极高的应用价值。     

神经元网络在预测边坡地震稳定性中的应用

边坡的地震稳定性预测是一个较为复杂的问题,边坡的岩土特性、地形、地震强度、地震地质条件及降雨量的大小等因素都对其起作用。本文 试图用神经元网络的方法建立这些因素与地震稳定性的关系,并利用此关系对边坡地震稳定性进行预测。对滑坡 实例的分析表明,这种方法是有效的。     

人工神经网络在空气污染预报中的研究进展

人工神经网络是20世纪80年代迅速兴起的一门非线性科学,特别适用于对具有多因素性、不确定性、随机性、非线性等特点的对象进行研究,而空气污染预报正是这样的一类问题。简单介绍了人工神经网络的基本概念,详细地回顾了国内外人工神经网络在空气污染预报领域的研究应用情况,最后讨论了人工神经网络在空气污染预报领域中的研究方向和发展趋势。     

汽轮机在线性能分析BP神经网络模型

为了提高汽轮机在线性能分析系统的健壮性、精确性和抗干扰能力，对BP网络算法进行拓展，增强其网络功能。使之能够分析网络输入参数偏差对输出参数的影响，建立了一种新的汽机在线性能分析模型．与常规在线分析模型相比，该模型只需常规模型输入参数个数的1/5，大大减小了测量设备损坏对在线系统的影响；而且该模型分析结果精确、可靠，测定的热耗结果与常规分析结果误差不超过1％．另外，该模型容错性能良好，参数在2％内波动对分析结果无太大影响．     

人工神经网络水质预测模型研究

水质预测物理模型在水环境保护中起着十分重要的作用,然而由于模型的参数识别问题,使其应用受到很大局限.对人工神经网络(A rtific ia l N eura l N etw ork,简称ANN)水质预测建模作了初步研究.用试错法,以训练时间和测试误差两项指标为依据,对比分析三层、四层网络结构,认为ANN模型适应于水质预测建模,并提出了适合的模型结构、学习速率、传递函数.     

基于神经网络的短期电力负荷预测

采用神经网络方案来进行短期电力负荷预测，探讨了负荷模型分类模式，对应用于实际的神经网络算法进行了具体处理，如数据的归一化问题，网络权值与阈值的初始值选定，训练样本的选择策略等。同时，以三种短期负荷预测为例，进行了大量的仿真研究，结果表明神经网络用于电力负荷预测不但可满足短期负荷预测的技术要求，而且精度比常规方法高，且算法快速简单。     

基于神经网络的可靠度时序预测方法研究

提出了利用人工神经网络进行可靠度时序预测的方法 ,分别利用径向基函数 (RBF)网络及自适应模糊神经 (ANFIS)网络对发动机涡轮增压器进行了可靠度的时序预测 .结果表明 ,利用神经网络进行可靠度时序预测是可行的 ,并且ANFIS的预测能力要优于RBF .     

地下水水位预测的人工神经网络模型研究

地下水系统是一个复杂的随机系统，根据地下水水位与其影响因素之间存在的相关关系，建立了一个基于神经网络的地下水水位预测模型，并将其用于研究区地下水水位的预测，结果表明该方法具有较高的预测精度。     

人工神经网络预测混凝土柱屈服性能

建立了一种基于人工神经网络的矩形混凝土柱屈服性能预测方法.该方法采用经验模型进行柱屈服性能影响因素的分析来确定该神经网络的输入参数,并通过敏感性分析验证了所选神经网络输入参数的合理性.为验证该方法的可行性与有效性,通过对PEER 210组矩形混凝土柱的屈服性能进行预测分析并与经验预测模型的预测结果进行比较.比较分析结果表明:神经网络预测结果与实验结果吻合程度远高于其他经验预测模型;同时也证实该方法在实验数据稀少的情况下为预测结构在地震作用下的性能提供一条新途径.     

用人工神经网络预测黑火药燃烧性能

利用人工神经网络算法建立了黑火药燃烧热力学参数的定量BP网络模型,通过10组配方的元素组成及其输出参数测试值对模型进行了训练,用另外9组配方的测试结果与相应的预测结果进行了对比研究. 结果表明,该方法能较好地对黑火药的燃烧参数进行预测,预测值和试验值误差小于7%,精度较高,可作为功能黑火药配方设计、输出特性参数预测的工具.     

城市可持续发展调控预测模型的BP网络实现

根据1990-1999年10年时间序列上海市可持续发展评价指标体系的数据库,选取表征研究区域可持续发展的主要因子,即国民生产总值、人均用水量、人口自然增长率、海域环境质量、万元产值工业废水排放量及人均公共绿地面积,利用神经网络技术建立了上海市可持续发展的调控预测模型,取得了良好的效果.     

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     

Design and Implementation of Computer-Aid Garment Coordination Tool Using Fuzzy Neural Network

By modeling the decision-making process of garment coordination of fashion designers, a kind of computer-aid garment coordination using fuzzy neural network was proposed. The Takagi-Sugeno Fuzzy Neural Network (TSFNN) is used to learn the knowledge and rules of fashion designers on garment coordination and calculate the garment coordination satisfaction index (GCSI).The implementation of the computer-aid garment coordination tool is divided into two stages. The first stage is to acquire the knowledge of garment coordination. The second stage is to train and use the fuzzy neural network to conduct garment coordination. Three layers structure were also discussed for developing the system. By applying the computer-aid garment coordination tool into a real fashion-retailing store, the experimental results show the system performs well with choosing a suitable value for screening out the satisfaction coordination pairs.     

非线性神经网络模型及在粮食生产预测中的应用

本利用非线性神经网络BP模型，对我国粮食生产进行了实证预测研究。结果表明，用该网络建立的模型经过训练后，可得到影响粮食产出与各因子及其之间的非线性关系，网络模型新颖，具有较好的预测精度及较好的预测效果。可广泛应用于各种预测研究，有较高的应用推广价值。     

人工神经网络在化学中的应用进展

回顾了人工神经网络的发展历史,简要评述了近期在化学中的非线性校准、模式识别、定量结构／活性相关(QSARs)、优化、过程控制、传感器、建模、参数估计、预测预报等方面的应用。并展望了人工神经网络在化学计量中的应用前景．     

支持向量机和人工神经网络在期权价格预测中的比较研究

期权定价已成为金融市场的重要组成部分之一。 由于市场是动态的,准确预测期权价格非常困难。 因此,设计和发 展了各种机器学习技术来预测期权价格未来趋势。 比较了支持向量机(ＳＶＭ)模型和人工神经网络(ＡＮＮ)模型在期权价格预 测中的有效性。 在测试和训练阶段,２ 种模型都使用公开可用的基准数据集 ＳＰＹ ｏｐｔｉｏｎ ｐｒｉｃｅ－２０１５ 进行测试。 ２ 种模型均采 用主成分分析(ＰＣＡ)转换后的数据,以达到更好的预测精度。 另一方面,为了避免过拟合问题,将整个数据集划分为训练集 (７０％)和测试集(３０％)２ 组。 将支持向量机模型与基于均方根误差(ＲＭＳＥ)的神经网络模型的结果进行了比较。 实验结果 表明:神经网络模型优于支持向量机模型,预测的期权价格与相应的实际期权价格吻合良好。     

人工神经网络理论在控制领域中的应用综述

力图从人工神经网络的研究历史出发,在对人工神经网络在控制系统中的应用现状作出概述之后,针对当前的自动控制领域所遇到的难点问题,说明为什么人工神经网络理论能在其中获得如此广泛的关注,并详细论述其适用于控制工程领域应用的主要特征。     

人工神经网络在热轧宽厚板性能预测中的应用

建立了神经网络预测热轧管线钢力学性能的网络模型 .在此基础上 ,利用神经网络对热轧管线钢力学性能进行了预测 ,并对预测结果与生产数据进行了比较 .此外 ,还利用神经网络对生产工艺参数进行了优化 .结果表明 ,将神经网络应用于热轧生产进行力学性能预测和工艺参数优化具有一定现实意义