基于GM-RBF神经网络组合模型的水泥强度预测方法

 为预测煤矸石代黏土煅烧水泥的28 d 抗压强度性能,根据生产水泥的物检分析数据,将GM(1,N)预测技术和径向基函数（RBF）神经网络技术相结合,提出了基于GM-RBF 神经网络组合模型水泥强度预测的新方法。该组合模型首先利用试验产品的典型物检数据建立GM(1,N)网络,对数据进行预处理。然后将输入样本数据进行一次累加生成操作,并进行归一化,设置GMRBF神经网络组合模型预测精度和散步常数。经处理后的输入样本作为RBF 神经网络输入向量,相应的实测28 d 抗压强度作为模型的输出期望值开展训练,比较预测数据与实测数据,并进行调整,最终得到符合精度要求的GM-RBF 神经网络组合模型。该组合模型一方面避免GM(1,N)模型的理论误差,利用累加生成运算和样本数据的预处理,减少了由于训练样本随机性对建模精度产生的影响;另一方面由于具有自适应、自组织和速度快等特点,能快速预测水泥远期强度情况。仿真试验表明,该模型预测精度优于单个GM（1,N）模型或RBF 神经网络模型,具有较好的拟合性,适用于对水泥强度的预测,可以为煤矸石代黏土煅烧水泥的质量分析提供有效参考。     

基于神经网络的水泥强度预测

由于水泥强度预测具有多变量、非线性、大时滞的特点 ,采用传统的线性回归分析预测法与聚类分析预测法 ,预测结果的准确性较低 ,文章利用神经网络的算法 ,建立了水泥强度的动量 -自适应神经网络预测模型。通过对有关数据进行实例计算 ,得到了令人满意的结果 ,该模型为水泥强度的快速预测提供了一种新方法 ,有较好的实用价值     

基于超声波波速及 BP 神经网络的胶结充填体强度预测

尾砂胶结充填体作为一种水泥基多相复合材料,其单轴抗压强度与超声波波速受水泥含量、固体质量分数、试件形态等因素影响.通过制备三种形态(7.07 cm×7.07 cm×7.07 cm立方体,φ5 cm×10 cm圆柱体和φ7 cm×14 cm圆柱体)的试件并进行单轴抗压强度试验和声波波速测试,对充填体强度和波速受水泥含量、固体质量分数和试件形态影响的规律进行了灰色-关联度分析.结果表明：水泥含量是影响强度的关键核心因素,关联度为0.837;固体质量分数是影响波速的关键核心因素,关联度为0.712.建立了充填体强度-波速指数函数预测模型和BP神经网络预测模型,通过对两种预测模型进行统计分析的F检验和t检验验证了两种方法在充填体强度预测的可行性,为胶结充填体的强度预测提供了新方法.     

基于GM-RBF不定权组合模型的输电线塔杆倾斜预测分析与应用

为了解决目前输电线塔杆倾斜姿态监测中出现的预测不准确、不及时和预测误报率高等问题,文章提出一种基于灰色模型-径向基函数(grey model-radial basis function, GM-RBF)不定权组合模型的输电线塔杆倾斜姿态预测方法,对昆明市某地区一处输电塔杆200 d的北斗逆向网络载波相位差分技术(real-time kinematic, RTK)数据,使用GM-RBF不定权组合预测模型对铁塔姿态进行预测。该方法不仅能有效规避灰色模型(grey model, GM)自身误差大的缺点,减弱神经网络中训练样本随机性对建模精度的影响,还可以消除因最小二乘定权组合影响整体模型精度的问题。实验表明：对于短期塔杆倾斜预测,GM-RBF不定权组合预测模型在X、Y、P向和倾斜角的预测精度与GM预测精度相当,优于径向基函数(radial basis function, RBF)神经网络模型和GM-RBF定权组合模型的精度;对于长期塔杆倾斜预测,GM-RBF不定权组合模型在X、Y、P向和倾斜角的预测精度分别优于GM预测模型约57.28%、48.07%、43.02%、42.08%,优于RBF预...     

基于神经网络的太阳辐照度预测方法研究

以天数、时间、天气情况、温度作为输入数据,太阳辐照度作为输出数据,提出采用人工神经网络建立太阳辐照度预测模型,并通过这一模型进行太阳辐照度预测。通过在青海大学内进行的实验建立适用于西宁地区的太阳辐照度神经网络模型。并根据这一模型对2012年5月12日太阳辐照度情况进行了预测。结果表明,对于预测天气和预测温度与实际情况接近时,平均误差为10%左右。     

基于神经网络的模糊推理预测方法

将模糊推理技术与神经网络结合．利用模糊集理论来处理输入、输出信息，借助神经网络系统来完成推理、判断与知识的记忆存储及学习．从而给出了基于神经网络的模糊推理预测模型。     

基于神经网络组合模型的能源消费量预测研究

为了提高预测的精度,将神经网络组合预测模型应用于能源消费总量预测中,通过建立RBF、ELM、BP神经网络预测模型,用熵值法确定组合预测模型的加权系数,建立神经网络组合预测模型.利用安徽省统计年鉴获得的1991～2007年安徽省能源消费总量进行检验仿真,结果表明组合预测模型的误差较小,精度较高,预测结果更接近于实际情况.     

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。     

基于神经网络的泡沫混凝土强度及导热性能预测

基于神经网络原理,建立预测泡沫混凝土性能的BP神经网络模型,期望通过输入配合比主要参数,得到泡沫混凝土强度及导热性能的预测结果。将实验数据分为训练组和对照组,对训练组进行非线性拟合,若拟合结果满足误差精度则模型建立完毕;通过拟合结果与对照组的比较,可验证模型预测精度。结果表明,BP神经网络模型能够准确拟合实验数据,利用其泛化能力进行预测的结果与对照组的误差小于8%,该模型具有很高的预测精度。     

浅谈利用BP神经网络进行系统预测的方法

BP神经网络体现了人工神经网络最精华的部分,利用BP神经网络可以实现系统预测功能,本文就工程实际中利用BP神经网络进行预测的问题进行阐述.为BP网络的实际应用做了铺垫.     

基于小波神经网络的经济增长预测

随着经济的进一步发展,研究经济发展规律,预测经济增长,使其能更科学、客观地反映一个国家或地区的经济实际,变得越来越重要.为此,研究了将小波神经网络的强大分类功能用于经济增长的预测分析中,通过对云南省历年国内生产总值历史数据样本进行学习,分析GDP的发展趋势,然后进行GDP的预测,取得了较为满意的效果.     

基于 HABC-RBF 神经网络的蒸汽驱预测方法

为解决蒸汽驱开发效果预测精度低和时间长的问题, 提出了一种改进人工蜂群算法和 RBF(Radial Basis Function)神经网络相融合的预测方法。 该方法应用种群最优解修改雇佣蜂解和观察蜂解的搜索方程, 借鉴差 分进化算法思想, 完成对种群最优解和个体搜索解随机扰动, 采用混合编码优化 RBF 神经网络参数。 以辽河 油田齐 40 块为例进行了试算, 结果表明, 该方法对蒸汽驱开发效果预测具有较好的非线性拟合能力和较高的 预测精度。     

基于混沌模糊神经网络方法的短期负荷预测

针对模糊神经网络的BP学习算法提出改进,引入全局性较强的混沌搜索算法,提出一种基于混沌搜索学习算法的模糊神经网络模型.将改进的模型应用于短期负荷预测建模,应用我国南方某市电网的实际负荷数据进行实证研究.仿真结果显示改进后的模糊神经网络较改进前在同一样本预测中精确度提高了2.5%,增加算法运行时间仅为3.1 s,说明本文提出的新的负荷预测建模方法具有更好的预测效果.     

基于机器学习的水泥基灌浆料强度预测方法

针对采用小直径芯样法准确预测水泥基灌浆料抗压强度的问题,使用压力试验机分别对水泥基灌浆料标准尺寸试块和小直径芯样进行抗压强度试验,并基于试验数据,采用支持向量机回归（SVR）和随机森林回归（RFR）对水泥基灌浆料抗压强度进行回归预测。结果表明：标准尺寸试块均呈正反相接的四角锥体破坏形态,而高径比为0.7和1.0的小直径芯样呈正反相接的圆锥体破坏形态,高径比为1.2的小直径芯样呈斜裂缝剪切破坏形态;标准尺寸试块和小直径芯样的抗压强度值均服从正态分布,且无离群值;随着龄期的增长,标准尺寸试块和小直径芯样的抗压强度提高,且具有早期强度较高的特性;直径46 mm芯样的抗压强度较小,且更易受加工精度的影响;在给定的龄期和直径下,高径比为0.7的芯样抗压强度值最大,抗压强度离散程度最小;RFR预测模型对水泥基灌浆料抗压强度的预测效果更优。所提方法可较准确预测水泥基灌浆料抗压强度,为水泥基灌浆料抗压强度的预测研究提供了参考。     

边坡位移时序预测的组合模型研究

将边坡变形预测看作一个特殊的凸二次规划问题,以加权一阶局域法（AOLMM）、Lyapunov指数预报法以及神经网络预测方法（ANN）为基础,建立了边坡变形预测的组合模型,应用动态规划方法求解组合预测模型的最优解,以达到有效利用各种预测方法提供的信息和提高模型预测精度的效果．通过工程实例研究表明,该组合预测模型较单一预测模型精度有较大提高,表明组合预测模型的可行性及有效性．     

基于GA-BP神经网络长服役期内结构混凝土的强度演变预测

为研究长服役期内既有混凝土结构的强度演变规律及其预测模型,以唐包铁路、西户铁路等实际工程为研究背景,以服役时间为2、16、25、30、40、52、66、88、95和100 a的在役桥涵为研究对象,基于混凝土回弹法,开展役桥涵混凝土强度试验,分析长服役期内既有桥涵混凝土强度动态发展过程。同时,基于试验实测混凝土强度数据与收集的230组同类条件下在役桥涵(服役时间2～88 a)混凝土强度数据,构建GA-BP神经网络混凝土强度预测模型。此外,为提高模型可应用性,基于高精度GA-BP神经网络强度预测模型,建立一般矩阵公式和简化公式。基于本文构建的混凝土强度预测模型,分析该类地区(试验中已调研区域)长服役期内混凝土结构的强度演变规律。研究结果表明：相较于既有混凝土强度预测模型,本文构建的GA-BP神经网络混凝土强度预测模型可有效预测不同服役时间下的混凝土强度,预测数据的平均绝对百分比误差为8.76%,决定系数为0.83。本文简化公式(C25)精度较高,平均绝对百分比误差为6.6%,为便于简化计算,推荐简化公式(C25)作为长服役期内混凝土强度预测公式。百年服役期内混凝土强度经历2个时间阶段,即混...     

W-RBF神经网络模型在中药材价格预测中的应用

中药材作为一种特殊的农产品,其价格态变化过程呈现出高度复杂的非线性特征,增加了中药材价格预测的难度.通过研究影响中药材价格的主要因素,并在分析传统价格预测方法的基础上,针对中药材价格变化具有随机性、突变性和非线性的特点,通过小波和RBF神经网络结合构建一个中药材价格预测模型(W-RBF).采用W-RBF神经网络模型对白芍价格进行预测,并将预测结果与RBF神经网络模型预测结果做了比较.实验结果说明,W-RBF神经网络模型预测准确率明显提高,比RBF神经网络模型更具优越性.     

基于小波神经网络组合模型的高填方路基沉降预测

利用小波变换良好的时频局域化性质和神经网络的自学习功能,结合S型成长曲线模型,建立了基于小波神经网络的高速公路高填方路基沉降预测模型,该模型的应用避免了计算过程中各种人为因素的影响.通过对汝(城)郴(州)高速公路K59+375~K59+445高路堤沉降现场监测数据的学习、预测与检验,并与S型成长曲线模型和BP神经网络的预测结果相比较,结果表明,组合模型的预测精度高,与实际情况相吻合.     

基于神经网络的交通流的预测

在简要介绍智能系统中交通流的实时检测设备的基础上，为满足交通流诱导系统的理论需要，建立了实时交通流量神经网络预测模型，该模型为交通流诱导系统提供了预测交通状况的一种很好的方法。