国毛毛条加工性能和质量预测

通过对国产细羊毛原毛特征和毛条加工性能的研究，运用多元回归统计和人工神经网络两种方法建立了国毛毛条加工性能和质量的预测模型．实践表明：两种模型对毛条的豪特长度、长度变异、短纤维含量和精梳落毛率均能进行较为准确的预测，其中人工神经网络预测模型预测效果优于统计回归模型．     

自适应模糊神经网络在工业用水量预测中的应用

阐述了自适应模糊推理系统(Adaptive Network-based Fuzzy Inference System,ANFIS)网络,提出了工业用水量预测的ANFIS网络预测模型,并以黄河流域1993-2002年工业用水量为训练样本,以2003年、2004年工业用水量为校验样本,结果表明,ANFIS神经网络预测模型具有很高的准确性和实用性.     

基于自适应模糊神经网络的货币供应量预测

采用ANFIS(Adaptive Neuro-Fuzzy Inference System)进行货币供应量预测。ANFIS将模糊理论与神经网络融合,利用神经网络来实现系统的模糊逻辑推理,采用混合学习算法调整前提参数和结论参数,自动产生模糊规则。利用我国货币供应量数据对网络进行训练和检测,所得结果表明利用ANFIS预测货币供应量有效。     

基于自适应最优模糊逻辑系统的移动通信话务预测

移动通信话务数据具有强非线性,传统的预测技术很难准确预测其变化规律．文中根据移动通信话务量的特点,对移动通信话务数据进行分块建模——采用最近邻模糊聚类算法对周期分量模块进行建模,采用线性回归方法对趋势分量模块进行建模,并据此设计了一种智能型的自适应最优模糊逻辑话务预测系统,进而对广东某地区的话务数据进行了预测．现场调试结果表明,该预测系统能有效预测移动通信的话务量．     

基于神经网络技术的泵站机组性能预测

性能曲线是反映泵变工况运行情况的一类曲线，通常该曲线均是通过实验或是以已有数据为基础的性能换算而获得，但前者费用昂贵，后者准确性差．为此，通过对BP人工神经网络模型的分析和研究，提出了利用BP神经网络技术进行泵站机组泵的性能预测的新方法，并以16CJ80型全调节轴流泵为例，进行了泵的性能预测，经济、可靠地获得了泵的性能曲线．简述了该BP神经网络所存在的缺陷及其改进的有效手段．这一技术的成功应用提高了泵站机组的可靠性、运行质量，同时也推动了神经网络等新技术、新手段在流体动力工程领域中的应用．     

HEV超级电容自适应模糊神经网络建模研究

为了克服超级电容一般建模方法精度不高的缺点,本文将ANFIS方法引入到超级电容的建模研究中,基于轻度混合电动汽车的试验数据,建立了以温度、电流、电压为参量的超级电容ANFIS模型.经过时域和频域测试,结果表明,超级电容模型输出精度高、适应能力强,证明该建模方法精确有效.     

自适应模糊神经网络在某电力公司一产用电量预测中的应用

运用自适应神经网络模糊推理系统(ANFIS)理论,建立了某电力一产用电量预测模型,并与常用的一些预测方法所建模型进行了比较.结果表明,应用自适应神经网络建模方法简单可靠,精度极高.     

基于神经网络建模的预测控制

预测控制具有多步预测，滚动优化和在线自适应校正等优点，文中提出了用神经网络方法建立预测模型，将其应用到了润滑溶剂脱过程并取得了有效的仿真结果。     

基于模糊感知器的路面性能预测方法

利用模糊感知器人工神经元网络尝试建立一个智能型路面性能预测模型，对神经网络原理和模型结构进行了系统的理论分析，给出了详细的算法，并以平整度历年调查资料为数据基础，对该模型进行了实例分析，证明了模型的理论与实际运用的可行性。该方法利用神经网络与模糊方法各自的优点，针对不同性能指标，建立对应的神经网络预测模型，来对今后的指标值进行预测，较好地解决了路面性能预测中的模糊性和不确定性。     

基于神经网络的织物剪切性能的预测研究

探讨织物剪切性能和结构参数之间的关系，在33种精纺毛型织物实验数据的基础上，利用BP神经网络方法，建立了精纺毛型织物剪切性能与织物结构参数之间的网络模型，并对模型进行验证和评估。结果表明可以用神经网络来预测织物剪切性能指标，限于样本量，预测平均误差率在15％左右。     

Prediction of Anthropometric Dimensions Based on Grey Incidence Analysis and ANFIS

In order to select the efficient input variables of adaptive ncuro-fuzzy infence system （ANFIS）during the prediction anthropometric dimenions, grey incidence （GI） analysis, as a mastic method that ranks the sequence of of lots of variables in complicated factors has been applled.According to the prediction accuracy （A） between the predicted values and actual measured values, the ANFISG1 model with the parameters selected by using the GI analysis were more correct and effective than those done by multiple regression model and the model with input parmeters nonelected. The model prediction accuracy △Regrauskn= 0.804 7〈 △ANE3CI=0.9725, which proves the nodel with few parameters is more correct and effective than the other merits.     

ANFIS在水电站地下厂房围岩变形预测中应用

针对目前应用人工神经网络(ANN)方法预测地下洞室围岩变形时间序列的缺陷,提出一种将神经元网络和模糊逻辑有机结合的新型模糊推理系统——ANFIS(adaptive-network-based fuzzy inference systems),该系统采用反向传播算法和最小二乘法的混合算法分别调整前提参数和结论参数,充分地利用了神经网络的学习能力和模糊逻辑的表达能力,实现了回归模型的自适应调整.通过龙滩电站的实例应用可以发现,ANFIS预测系统较传统ANN方法具有简单、快速以及预测精度高等特点.     

ANFIS与SVM的拟合能力和推广预测能力的比较研究

岩土体位移与岩土体力学参数间的映射关系,具有高度非线性的特点.寻求一种适合于描述这种非线性映射关系的方法,是当前的热点研究领域.为此,本文采用一个多峰函数进行离散,构建了训练数据对和预测数据对,分别对ANFIS和SVM的拟合能力和推广预测能力进行了比较研究,结果表明,ANFIS的拟合能力和推广预测能力均优于SVM,更适合于建立岩土体位移与岩土体力学参数间这一高度非线性映射关系.     

羊毛单纤维性质对束纤维强伸性的影响

对21种澳大利亚羊毛进行单纤维性质测量,其包括纤维的直径及其离散、纤维卷曲性质和纤维强伸性质.同时采用SIROLAN-TENSOR对此类羊毛做束纤维力学性质测量.通过实验结果的对比分析得到,单纤维强伸性与束纤维强伸性存在线性相关,纤维直径和卷曲也与束纤维强度和伸长有较好的相关.因此采用束纤维力学指标表征单纤维性质,在理论和实用上都是可行的.     

基于ANFIS模型对汽车信号的预测

自适应神经模糊推理系统(ANFIS)是进行预测决策的有效方法,论文基于ANFIS模型对汽车信号进行了预测。通过与回归分析法进行比较,证明该方法在汽车信号的预测中具有很高的精度。     

基于自适应神经模糊推理系统的非线性系统辨识与仿真

针对非线性系统的模糊性、不确定性等特点，将模糊推理系统和神经网络相结合，介绍了一种自适应神经模糊推理系统，并将其应用于非线性系统辨识中，仿真结果表明：训练后的ANFIS能够很好地逼近实际的非线性系统，并且辨识精度高。     

基于神经网络-模糊推理的目标识别融合研究

为提高复杂环境下多传感器的自适应信息融合能力,提出了一种基于神经网络-模糊推理的信息融合模型,利用神经网络和模糊推理分析传感器探测状态的不确定性,并将其应用于红外成像/毫米波复合制导目标识别的信息融合,识别效果比较理想,可信度有了很大提高。     

单桩极限承载力的ANFIS预测分析

为了提高单桩极限承载力的预测精度,利用ANFIS较强的学习能力和模糊逻辑推理功能,建立了单桩竖向极限承载力预测的自适应网络模糊推理系统.通过静载荷试验成果的学习与预测检验,系统的预测误差在-10.5%～15.5%,绝大部分误差都在10%以内,表明该系统预测精度良好、适用性较强.