回采工作面瓦斯分布及传感器部署

为了给回采工作面上瓦斯传感器的安放提供理论依据,用Fluent软件仿真了巷道瓦斯浓度分布。建立了回采工作面巷道几何模型,并对其进行网格划分,根据湍流状态下的守恒方程以及湍流动能方程和湍流耗散率方程,采用RNGk-ε模型,用Fluent软件仿真了井下进风巷、回采工作面及回风巷瓦斯的分布情况。仿真结果表明:瓦斯在上隅角容易形成积聚;风流在冲洗回采工作面后进入回风巷的拐弯处时候,风速不稳定;传感器部署在拐弯处内侧和外侧的监测效果是不同的。瓦斯传感器应放置在距回采工作面的距离小于或等于10m的位置,该结论与煤矿安全标准中的规定吻合。     

选择回采工艺方式的模糊数学方法

本文针对影响回采工作面工艺方法选择的因素具有模糊性和随机性的特点，借助数理统计方法确定模糊概念的隶属函数，在此基础上提出了选择回采工艺方式的模糊数学方法，并经实例说明了该方法的应用。     

回采工作面安全评价的改进灰色统计方法

用灰色统计理论［１］讨论了煤矿回采工作面安全评价问题，提出了一种新的评价方法——灰色统计综合法。同时，本文从应用的角度出发对灰色统计的算法作了改进，改进后的算法便于记忆和应用。     

基于神经网络的综采工作面技术经济指标预测

应用人工神经元网络系统理论 ,基于神经网络的自学习方法 ,在对西山煤电集团东曲矿综采工作面大量实际资料进行统计分析的基础上 ,就工作面日进度、日产量、回采工效率、坑木消耗、配件消耗等 1 1项综合技术经济指标进行预测 ,预测结果精确度较高与实际相吻合 .为解决煤矿综采工作面计划、生产、管理的预测决策问题提供了一种新的研究方法.     

基于人工神经网络模型的船舶油污损失估算

将人工神经网络理论引入了船舶油污损失赔偿额的估算中，通过从历史船舶溢油事故案例库中选取了十组样本数，以污染损失赔偿额与影响因子集作为训练样本，建立了船舶溢油事故污染损失额估算的人工神经网络模型，并对人工神经网络模型进行仿真训练学习，并将训练好的神经网络应用于对相关案例的估算．研究结果表明应用人工神经网络方法进行溢油损失估算结果客观、可靠，为船舶油污索赔和环境保护提供了有力的理论依据。     

煤矿矿区回采巷道围岩稳定性分类的灰色Fuzy聚类分析及应用

对回采巷道围岩稳定性分类进行了研究，建立了基于模糊等价关系的灰色Ｆｕｚｚｙ聚类分析模型。利用该方法进行的回采巷道围岩稳定性分类，为确定合理的支护方式提供了依据，对提高煤矿的经济效益和社会效益有着重要意义。     

城市综合环境质量评价的B—P网络模型

为了探索人工神经网络用于综合环境质量评价的可能性，提出了基于Ｂ－Ｐ算法的人工神经网络城市综合环境质量的二级评价模型。该模型应用于某市的大气、地面水和噪声综合环境质量评价结果表明，Ｂ－Ｐ网络用于环境质量评价简便实用，具有客观性和通用性。     

人工神经网络在中长期汇率预测中的应用

本文尝试用人工神经网络方法（ＡＮＮ）预测ＵＳＤ／ＤＥＭ汇率。研究结果表明，人工神经网络算法用于汇率预测是有效的（与随机游走模型相比）。模型中的宏观经济数据采用取对数之差的处理方法，大大扩大了模型的应用范围。     

龙眼加工性状综合评价的模糊人工神经网络模型

基于Matlab7．0平台，将人工神经网络理论和模糊数学原理相结合，构建了模糊人工神经网络综合评价模型，进行了其网络在龙眼加工性状评价及品种分级中的具体应用，并将其评价结果与模糊综合评判法所得的结果进行比较。结果表明，建立的模型实用、可操作性强，评价结果较为客观、可靠，具有较好的应用前景。图1，表5，参6。     

基于人工神经网络的投资预测

叙述了神经网络的基本原理，建立了工程投资人工神经网络预测模型，编制了人工智能估价系统软件，并结合实例做了分析.     

高速公路复垦土地适宜性评价的BP神经网络模型

依据人工神经网络原理 ,建立用于高速公路临时用地复垦土地适宜性的神经网络评价模型 ,利用该模型对京大高速公路山西段临时用地复垦进行了适宜性评价 ,同时探讨了人工神经网络在土地复垦适宜性评价中的特点和适用性.     

BP算法固定学习率不收敛原因分析及对策

人工神经网络BP模型是一种常用的建模方法,但仍存在很多问题.通过对BP算法的应用发现,当固定学习率η大于0～1内某一值,将导致网络算法不收敛.本文从数学理论上分析了这一现象产生的内在原因.最后提出两种有效对策:方法是第一次η取小值,随后取较大值,最后取小值;方法二是调整传递函数f(x).通过这两种方法,解决了固定学习率不收敛的问题,并对改进方法进行了实证检验.     

神经网络在预测中的一些应用研究

预测是一个很难的研究课题,近来利用新的科学理论探索新的预测方法是预测界人士进行预测课题研究的一个重要方面．其中人工神经网络在预测领域中的应用研究进展最快,它包括研究神经网络预测方法和神经网络在预测过程中作为辅助工具．本文介绍几种主要的神经网络预测方法及其应用和利用神经网络确定ＡＲＭＡ 模型的结构．     

一种基于神经网络的混沌控制方法

将神经网络(NN)与内模控制(IMC)相结合,提出了一种用基于BP神经网络的内模控制进行混沌抑制的方法,该方法既具有内模控制的特点,又引入了神经网络的在线自校正机制。应用所提出的方法,针对Duffing振荡器的混沌控制问题进行了仿真研究,仿真结果验证了该方法的有效性,同时还表明该方法具有很好的鲁棒性与自适应能力。     

企业财务危机预警Rough-ANN模型的建立及其应用

基于Rough集理论和ANN(人工神经网络)方法建立了企业财务危机预警的Rough-ANN模型,对企业财务危机指标的约简、财务危机知识的神经网络动态学习与推理、财务危机的预测和评定等功能进行了集成,并就企业财务危机预警问题进行了实证分析.其结果表明,该模型有效、可行,为企业财务危机的动态预警提供了一条新的途径.     

神经网络的防空导弹武器系统研制费用研究

对应用人工神经网络技术解决防空导弹武器系统研制费用问题进行了探讨,论述了人工神经网络原理,对武器系统的品质因素应用效能函数进行了处理,给出了研制费用的神经网络估算方法。     

人工神经网络在汽车轮胎侧偏特性研究中的应用

引入人工神经网络理论中应用广泛的多层前向ＢＰ网络模型,进行汽车动力学仿真中轮胎侧偏特性的研究,得到轮胎侧偏特性的人工神经网络模型,并以实例验证这种建模方法的准确性和实用性。     

一种基于遗传算法的小波神经网

网络的优化学习是人工神经研究中的一个重要问题.将遗传算法全局性优化搜索和小波分析的时-频局部性特点相结合,本文提出了一种基于遗传算法学习的小波神经网络--遗传算法小波神经网络(WNNGA).三位异或问题和双螺旋问题的实验结果证明,遗传算法小波神经网络不仅继承了小波分析良好的局部性及其神经网络的学习和推广能力,而且具有遗传算法全局快速寻优的特点,是多层前向神经网络学习的一种理想算法.     

A GENERAL APPROACH BASED ON AUTOCORRELATION TO DETERMINE INPUT VARIABLES OF NEURAL NETWORKS FOR TIME SERIES FORECASTING

Input selection is probably one of the most critical decision issues in neural network designing, because it has a great impact on forecasting performance. Among the many applications of artificial neural networks to finance, time series forecasting is perhaps one of the most challenging issues. Considering the features of neural networks, we propose a general approach called Autocorrelation Criterion (AC) to determine the inputs variables for a neural network. The purpose is to seek optimal lag periods, which are more predictive and less correlated. AC is a data-driven approach in that there is no prior assumption about the models for time series under study. So it has extensive applications and avoids a lengthy experimentation and tinkering in input selection. We apply the approach to the determination of input variables for foreign exchange rate forecasting and conduct comparisons between AC and information-based in-sample model selection criterion. The experiment results show that AC outperforms inf     

高阶带阻滤波器优化设计研究

众所周知，传统BP神经网络收敛速度慢、学习效率低。之所以如此，主要原因在于人工神经元输出函数的同一化。本文提出的神经网络模型的主要特点是：用正交基函数作人工神经元的输出函数，而且每个神经元的输出函数各不相同。该神经网络模型有效克服了传统BP神经网络收敛速度慢、学习效率低的致命缺陷。本文还详细研究了FIR线性相位滤波器的幅频特性与余弦基函数神经网络算法的关系，给出了高阶带阻滤波器优化设计实例。计算机仿真结果表明了该算法在高阶带阻滤波器设计中的有效性和优异性能。