基于径向基函数神经网络的燃料电池温度非线性建模与预测

针对现有的熔融碳酸盐燃料电池（MCFC）模型过于复杂的弊端，本文应用RBF神经网络辨识方法建立了MCFC的温度非线性模型。简要分析了MCFC电堆的温度特性，讨论了应用RBF神经网络进行多输入／多输出非线性系统建模的主要问题，并详细给出了其辨识结构，算法和模型训练方案，应用仿真对建模的有效性和建模精度进行了检验，并与BP神经网络辨识的效果进行了对比，仿真结果证明RBF神经网络远比BP神经网络收敛得快，应用RBF神经网络辨识方法对MCFC电堆建模是可行的，它避免了用复杂的微分方程组来描述MCFC，通过神经网络可快速地得到其输入同特性，它为MCFC温度的在线预测和在线控制奠定了基础。     

改进粒子群算法优化 BP 神经网络的短时交通流预测

为提高 BP 神经网络预测模型的预测准确性, 提出了一种基于改进粒子群算法优化 BP 神经网络的预测方法. 引入自适应变异算子对陷入局部最优的粒子进行变异, 改进了粒子群算法的寻优性能, 利用改进粒子群算法优化 BP 神经网络的权值和阈值, 然后训练 BP 神经网络预测模型求得最优解. 将该预测方法应用到实测交通流的时间序列进行有效性验证, 结果表明了该方法对短时交通流具有更好的非线性拟合能力和更高的预测准确性.     

基于BP神经网络的颜色模糊量化方法

将BP神经网络用于颜色量化过程,提出了符合人眼颜色视觉特性的颜色模糊量化方法。对RGB颜色空间向量进行空间变换,提取得到颜色特征向量。对特征向量标准化处理后,作为BP神经网络的输入向量。将训练样本的期望类别输出做模糊化预处理,用模糊化后的隶属度值作为样本的目标期望输出。利用样本集对改进的BP神经网络进行训练.基于最大隶属原则对神经网络输入特征向量进行分类和量化。使用训练后的BP神经网络进行颜色量化的仿真实验,验证了所提出方法的有效性。     

基于神经网络方法的大型电网短期负荷预报

电力系统负荷预报研究现状,介绍了神经网络方法应用于电力系统短期负荷预报的可行性及存在的问题。详细讨论了应用BP神经网络、共轭梯度算法改进BP神经网络方法进行电力系统短期负荷预报的算法,及在预报过程中对电网负荷数据进行预处理方法。分别应用二种方法对东北电力系统进行了72小时短期负荷预报仿真。仿真结果表明,BP神经网络训练时间长,预报精度低;而共轭梯度算法改进BP神经网络算法训练步数大大减小,缩短了网络训练时间,而且提高了预报精度。该方法可行,可用于电力系统短期负荷在线预报。     

基于BP神经网络的动能杆毁伤指标预测模型

动能杆侵彻靶板的毁伤效果评估是一个复杂的问题。由于动能杆的数量多,侵彻碰撞情况多达上千种,计算费力又耗时。针对这些问〖JP+2〗题,提出了一种评价毁伤效果的数学模型,建立了基于反向传播（back propagation, BP）神经网络的预测模型,给出了隐含层节点数的计算方法,并在网络节点作用函数和随误差的变化动态更改参数方面对BP神经网络进行了改进。最后对仿真结果进行了分析,结果表明,75%的神经网络预测值分布在±10%误差范围之内,86%的神经网络预测值分布在±20%误差范围之内,验证了预测模型的可靠性和有效性。     

中国外债最优结构研究:人工神经网络方法

通过将BP神经网络和非线性方程组求解结合起来，提出了一种求解一般抽象非线性方程组F（x^-,y^-）=O的算法，并将其应用于中国宏观外债模型，样本检验结果指出，有92%的变量相对误差小于5%，该结果优于一般计量经济学方法所得的结果，应用该模型对中国外债管理方式（计划管理方式和余额管理方式）和期限结构进行仿真研究，研究结果在适度外债规模和外债管理方式及其在对国民经济的影响等方面提出了有较大政策参考价值的建议，说明了人工神经网络方法在复杂经济系统方面的应用前景。     

用神经网络组合预测法估算反舰导弹研制费用

运用BP神经网络组合预测法对反舰导弹研制费用进行估算。首先分别利用神经网络和回归分析方法对导弹研制费用进行估算 ,然后利用BP网络对所得结果进行组合预测。计算实例表明 ,使用BP神经网络组合预测方法所得的预测结果比单一使用神经网络或回归分析方法所得结果总体误差要小 ,因而该方法是可行的、有效的。     

基于神经网络的非线性时间序列预测方法研究

本文提出了一种基于神经网络进行非线性预测的方法，对ＢＰ模型应用于非线性预测了较详细的研究和探讨，应用该方法对经典非线性时序信号进行预测，并与传统预测方法（ＴＡＲ预测法）效果进行了比较，结果证明神经网络预测方法（ＡＮＮ预测法）具有十分明显的优势。     

基于MATLAB仿真的神经网络控制器的设计与实现

在三种常规控制器的基础上，采用BP网络设计了三种神经网络控制器，即神经自校正控制器，神经网络PID控制器和神经模型参考自适应控制器，并都通过BP算法进行训练，针对三个仿真实例用MATLAB软件工具进行了仿真，仿真结果证明了方案的可行性。     

EVA对企业绩效评价模式的改进--神经网络在绩效评价中的应用

利用经济附加值（EVA）来改进中国传统绩效评价模式，并建立了整合EVA的绩效评价（IEPM）模型。以沪深两市A股上市公司为研究样本，采用BP神经网络方法检验了整合EVA的绩效评价模型相对于传统评价模式的有效性。结果显示．整舍EVA的绩效评价模型要显著优于传统评价模式，而且其预测能力也显著强于传统模式，说明用整合EVA的绩效评价模型来评价和预测企业的经营业绩是更为有效的。     

BF及模糊神经网络在旋转机械故障诊断中的应用

本文对模糊神经网络用于故障诊断较传统BP(Back-Propagation)网络的优越性进行了分析,并提出了一种利用模糊神经网络进行旋转机械故障诊断的新方法。在这种方法中利用RBF(Radial Basis Function)神经网络获得隶属度函数,并简化了模糊神经网络的训练,使得新的故障诊断专家知识更易于扩充到现有的故障诊断网络中。仿真结果表明,本文方法所构建的故障诊断网络易于扩展且有良好的诊断效果。     

神经网络的拟凸性质与分块变尺度算法

分析了前向神经网络误差函数的拟凸性质及其分片表示结构，提出了分块变尺度算法。该算法具有分块误差向后传播的特点。     

一种基于同伦BP网络记忆模糊规则的参数自调整ANN-PI控制及应用

BP神经网络可有效地记忆模糊控制规则,并以“联想记忆”方式使用这些经验.然而,现有前向网络学习算法不可避免地存在局部极小问题,同伦连续BP算法可有效地解决BP网络的全局收敛性问题,同时使网络具有很快的收敛速度.为了进一步提高控制系统的精度和抗干扰能力,本文设计了一种参数自调整ANN一PI控制器.实验结果表明,这种控制器动态响应快,控制精度高,抗干扰能力强,对参数变化不敏感,具有一定的鲁棒性.     

Forecasting Approach for Short-term Traffic Flow based on Principal Component Analysis and Combined Neural Network

A combination approach based on Principal Component Analysis (PCA) and Combined Neural Network (CNN) is presented for short-term traffic flow forecasting. The historical data of the forecasted traffic volume and interrelated volumes have been processed by PCA. The results of PCA form the input data for CNN. It not only reduces the dimension of input variables and the size of CNN, but also reserves the main information of the original variables and eliminates relativity among them. An example for explanation of validity is given. The forecast results show that this approach is better than the typical Error Back-Propagation neural network (BP NN) with the same data.     

C3I网络链路可靠性计算的一种方法

在将C3I网络系统简化看成通信网络系统的基础上,提出C3I网络系统的可靠性定义,介绍了网络链路简化技术。在分析多种网络支撑树的计算方法后,提出运用改进的毕内-柯西法计算C3I网络的支撑树,进而计算网络链路的可靠性,并结合算例,运用改进的毕内-柯西法对所构建的反空袭C3I网络系统的链路可靠性进行计算,最后对毕内-柯西法的运用进行了总结。     

一种基于无线网络仿真的路测方法

路测是无线网络性能评估中的常用方法。分析了一般路测方法存在的抽样误差问题，为降低抽样误差，提高路测数据的代表性，引入分层抽样。对地图中地理单元提取了进行分层的相关属性，采用聚类分析方法中的Birch和K-means算法，对地理单元进分层，并对分层效果采用无线网络仿真结果进行验证。根据无线网络仿真结果，模拟路测抽样，证明该方法可以有效地评估移动通信网络的性能。     

基于可靠性的抗干扰通信网性能仿真

针对抗干扰通信网的特殊性,提出了一种新的评价通信网抗干扰能力的方法。在分析抗干扰通信网可靠性参数和仿真方法的基础上,首先给出抗干扰通信网可靠性参数的获取方法,同时构造了作为判决门限的可靠度矩阵,并对抗干扰通信网可靠性仿真算法做出完整的描述,最终通过计算机仿真分析了抗干扰通信网的抗干扰能力和协同通信能力。仿真结果表明,这种以可靠性为主要指标的分析抗干扰通信网抗干扰能力的方法是直观有效的,利用这种方法可以较方便地进行抗干扰通信网的分析和设计。     

过程神经元网络学习算法及软测量方法的研究

研究输入输出以及连接权函数均可为时间函数的过程神经元网络(process neural network,PNN)的学习算法,在基本算法上增加基函数展开系数的规一化处理、权函数动量项调整项,提出学习率自适应调整方法和加速网络收敛速度的改进算法。将过程神经元网络引入到生产过程质量参数的软测量,研究基于正交基展开的过程神经元网络算法,通过分析原网络收敛速度慢等问题,对传统BP算法加以改进,实现了污水处理过程出水水质BOD的预测,仿真取得较好的结果,实践证明这是一种时变过程参数软测量的新方法。     

项目后评估中的粗集-神经网络建模与仿真

对粗集-神经网络理论进行了讨论,在神经网络基础上,提出粗集-神经网络项目评估方法,该方法利用粗糙集理论对数据样本进行数据浓缩,从给定学习样本数据中发现一组规则,提取规则作为神经网络的输入,该方法简化了神经网络的结构,提高训练效率,对我国农业工程项目后评估进行仿真,评价结果是合理的,具有较大的参考价值,在实际中有良好的应用前景。