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金属预报中的应用

讨论了人工神经网络在金融汇率预报中的应用。其中介绍了广义交互验证（Generalized Cross Validation）法如何应用于确定神经网络中隐层的个数，并用实例说明了该方法甚至对复杂的非线性函数也可以得到很好的逼近。详细地介绍了运用人工神经网络作现两周向前汇率预报的计算步骤。其平均相对误差（APE）为10＊E－3的数量级，而国际上通用的状态空间模型及Box-Jen-kins的ARMIMA模型的预报误差都在10＊E－2的数量级。     

人工神经网络及其在金融预报中的应用

讨论了人工神经网络在金融汇率预报中的应用。其中介绍了广义交互验证(Generalized Cross Validation)法如何应用于确定神经网络中隐层的个数,并用实例说明了该方法甚至对复杂的非线性函数也可以得到很好的逼近。详细地介绍了运用人工神经网络作两周向前汇率预报的计算步骤。其平均相对误差(APE)为10*E-3的数量级,而国际上通用的状态空间模型及Box-Jenkins的ARIMA模型的预报误差都在10*E-2的数量级。     

城市空气污染预报预警系统的研究

基于地理信息系统（GIS）平台，建立开发城市空气污染预报的多功能系统，实现定位空气污染监测、预报预警以及环境决策的数字化管理。     

人工神经网络在矿井突水预报中的应用

突水预报是一项重要的矿井水文地质工作。借助于人工神经网络在处理非线性问题或非结构问题方面的优势，采用BP算法，基于大量矿井突水样本实例建立了突水预报神经网络模型，并将该模型用于实际预报，并取得了较好的效果。结果表明，模型具有较强的实用性。为了提高模型的预测精度，在训练样本的选择上还应具有一定的代表性。     

应用人工神经网络法预报空气污染指数

基于人工神经网络的多目标综合评价方法,预报城市空气污染指数,在传统的预测理论和方法的基础上找到了一个新的途径,确定了基于BP神经网络的预测模型的结构和算法,并结合实例进行了实证分析,取得一定效果。     

平顶山市空气污染预报研究

用污染潜势指数和污染浓度指数等方法结合平顶山市天气气候特点及污染源分布状况,建立了适宜24小时的空气污染浓度指数预报.为平顶山市空气污染预报提供了一种很好的方法.     

人工神经网络在呼吸系统疾病急诊就诊人数预报中的应用

利用北京市2009-2011年呼吸系统疾病急诊就诊人数资料和同期的气象资料及污染资料,分析了气象因素及污染物分别与上感、下感急诊就诊人数的相关性,在此基础上,通过BP人工神经网络分别建立了上感和下感急诊就诊人数的预报模型,并对其效果进行评价.结果表明:气象因素和污染物与上感、下感的发病有密切的关系;建立的上感、下感就诊急诊人数的神经网络预报模型结构分别为13-7-1(即有13个输入、7个隐含节点和1个输出)和13-6-1(即有13个输入、6个隐含节点和1个输出),预测准确率分别为77.11%和75.57%.与统计预报方法相比较,该方法计算简便、误差较小、预测准确率高,对上感和下感急诊人数有较好的预测效果,为医疗气象预报提供了一种新方法,具有进一步的研究价值.     

北京市空气污染与气象条件的关系及其预报

利用北京市2015-2017年逐日、逐小时w(PM_2.5)、w(SO₂)和w(O₃)资料,及同期NCEP/NCAR的高分辨率全球预报系统数值预报产品,计算了相关空气污染气象参数,研究了北京市空气污染物质量浓度与气象条件的关系.采用逐步回归方法,建立了北京市空气污染物w(PM_2.5)、w(SO₂)和w(O₃)的预报方程,并对预报结果进行了检验.结果表明,稳定能量和涡度与w(PM_2.5)、w(SO₂)以正相关为主,与w(O₃)以负相关为主.低层平均风速和边界层厚度与w(PM_2.5)、w(SO₂)以负相关为主,与w(O₃)以正相关为主.地面露点温度与w(PM_2.5)、w(SO₂)和w(O₃)以正相关为主;在优选空气污染气象参数的基础上,利用逐小时空气污染物质量浓度资料...     

人工神经网络在电力负荷预报上的应用

１概述能量管理系统（ＥＭＳ）是以计算机为基础的现代电力调度自动化系统。需要过去（历史）、现在（实时）和未来（计划）三类数据,而负荷预测是未来数据的主要来源。负荷预测对电力系统的控制、运行和计划都是非常重要的。提高其精度既能增强电力系统运行的安全性,又能改善电力系统运行的经济性。负荷预测按周期可分为超短期、短期、中期和长期负荷预测。其中短期负荷预测主要用于火电分配、水火电协调、机组经济组合和交换功率计划,需要１-７天的负荷值,使用对象是编制调度计划的工程师,在电力负荷预报中占有重要地位。电力负荷预测是一…     

粗糙集-神经网络在大气污染判别分析中的应用

针对大气污染判别问题的复杂性,提出了一种基于粗糙集的BP神经网络模型。该模型利用粗糙集理论约简气象影响因素,提取关键因素作为网络的输入,简化了网络结构。实例验证,粗糙神经网络模型为大气污染判别研究提供了一种有效可行的算法。     

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 .     

基于Elman型神经网络的空调负荷预测模型

空调系统的负荷与诸多影响因素之间是一种多变量、强耦合、严重非线性的关系，且这种关系具有动态性，因而传统方法的预测精度不高，而动态回归神经网络能更生动、更直接地反映系统的动态特性。针对这个特点，建立了基于Elman型神经网络的空调负荷预测模型，并进行了实例预测。文中还比较了Elman网络和BP终结建模效果，仿真实验证明了Elman神经网络具有动态特性好、逼近速度快、精度高等特点，说明Elman网络是一种新颖、可靠的负荷预测方法。     

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。     

基于径向基函数网络的宣城市空气质量预测

提出了一种应用人工神经网络进行空气质量预测的方法,即采用径向基函数神经网络进行短期的空气质量预测;并采用了主成分分析方法降低神经网络学习矩阵维数,浓缩预测信息,降维去噪.选取宣城市气象局2003年到2005年地面气象观测资料作为预测因子,宣城市环境保护监测中心提供的PM10、SO2浓度值作为预测对象,进行训练学习和预测验证.研究结果表明:将该方法应用于空气质量预测,效果良好,具有较强的实用性和推广能力.     

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.     

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。