人工神经网络方法在短期天气预报中的应用

将人工神经网络方法试用于南京夏季短期降水分级预报，根据南京夏季梅雨期的天气特点，用统计和动力学方法从HLAFS（高分辨率有限区域预报系统）预报产品中寻找预报因子，然后用2种方法选取输入因子分别对人工神经网络进行训练，并利用抽取的5天雨量实况作降水分级预报检验．通过对人工神经网络方法预报降水的结果与HLAFS降水预报以及逐步回归预报的结果对比发现：与HLAFS数值模式的降水预报相比，人工神经网络降水预报方法的准确率提高了20％以上，而且漏报、错报明显减少；特别是与逐步回归预报相比，大到暴雨的预报准确率得到了明显提高，这一研究表明人工神经网络方法在短期天气预报中也会有较大的应用价值．     

待发表文章摘要预报

待发表文章摘要预报人工神经网络在高强铝合金时效动力学研究中的应用宋仁国，张宁志，曾梅光用人工神经网络方法研究了形变、固溶时间对７１７５高强铝合金时效动力学的影响．研究结果可用于寻找适合于７１７５铝合金的最佳热处理工艺．冷轧ＳＸ５５双相钢点焊性能的研究...     

人工神经网络方法在短期天气预报中的应用

将人工神经网络方法试用于南京夏季短期降水分级预报,根据南京夏季梅雨期的天气特点,用统计和动力学方法从HLAFS(高分辨率有限区域预报系统)预报产品中寻找预报因子,然后用2种方法选取输入因子分别对人工神经网络进行训练,并利用抽取的5天雨量实况作降水分级预报检验.通过对人工神经网络方法预报降水的结果与HLAFS降水预报以及逐步回归预报的结果对比发现:与HLAFS数值模式的降水预报相比,人工神经网络降水预报方法的准确率提高了20%以上,而且漏报、错报明显减少;特别是与逐步回归预报相比,大到暴雨的预报准确率得到了明显提高,这一研究表明人工神经网络方法在短期天气预报中也会有较大的应用价值.     

高炉铁水含硅量神经网络预测模型

按现代控制理论,将高炉视作多输入-单输出系统。引入人工神经网络(ANN)方法,选定若干参数作为硅含量的相关变量,建立标准的三层BP网络铁水硅预报模型。用该模型对津西5#高炉的生产数据进行离线预报,允许误差为±0.1％时命中率达到81％。     

高炉铁水含硅量神经网络预测模型

按现代控制理论,将高炉视作多输入-单输出系统.引入人工神经网络(ANN)方法,选定若干参数作为硅含量的相关变量,建立标准的三层BP网络铁水硅预报模型.用该模型对津西5#高炉的生产数据进行离线预报,允许误差为±0.1%时命中率达到81%.     

过渡元素二元合金相图有限固溶体固溶度的预报

应用原子参数-人工神经网络方法研究了过渡元素二元合金相图中的有限固溶度问题．选择了原子体积、平均族数、元素熔点等影响固溶度的原子参数作为人工神经网络的输入值，使用已知的过渡元素二元合金相图的固溶度作为输出值，训练人工神经网络，应用“留一法”估计了人工神经网络的预报误差，并用训练好的网络对全部未知的过渡元素二元合金相图的固溶度进行计算机预报，得到了令人满意的结果．     

湘钢铁水含硅预报模型的开发和应用

分析了原燃料条件较差、炉况稳定程度较低和检测仪表不多的湘潭钢铁公司２号高炉铁水含硅量数据的统计学特征。按照现代控制论的观点，将高炉视作多输入－单输出系统。当系统处于相对稳定的状态时，可以用若干个操作变量和模型预报偏差的多项式预报下一铁次的含硅量；根据赤池法则确定模型中包括的自变量及其阶数。应用该模型对９１５炉铁次的含硅量作离线预报研究，结果证明了模型的适用性。     

用于短期电力负荷预报的人工神经网络方法

提出了一种新的短期电力负荷预报方法。该法首先将小时电力负荷解成增长趋势、日模式、周模式、气候敏感及随机变动等分量，然后应用人工神经网络等方法对各分量分别预报，最后由各负荷分量相失加得到小时负荷预测值。并以我国某省实际电力系统负荷预报为例，说明了所提方法的有效性。     

基于人工神经网络和电寿命判据的真空断路器仿真

如何在真空断路器(VCB)电寿命的若干判据中选出对最终状态检修影响较大的因素以及如何确定这些因素和最终状态检修之间的关系是一个棘手问题,文中将真空断路器电寿命的若干判据标准和人工神经网络贡献变量法相结合,为真空断路器的状态检修提供了一条新思路.建立了状态检修仿真模型,并用Matlab编程证明仿真结果可以看出经过变量选择后确定的因素的合理性.     

多元统计过程控制方法的平方预测误差分析

作为多元统计过程控制方法中的常用统计量,平方预测误差（ Ｓ Ｐ Ｅ）的变化规律有待深入研究。介绍了主元分析建模方法,推导了 Ｓ Ｐ Ｅ均值公式,分析了 Ｓ Ｐ Ｅ均值和过程变量均值向量、协方差矩阵之间的解析关系,用来自 ３ 阶液位系统的仿真数据验证了分析的结果。给出了 Ｓ Ｐ Ｅ随过程变量均值向量、协方差矩阵变化而变化的若干规律,说明了这些规律在生产过程监控应用中的意义。     

人工神经网络在岛屿近岸海浪模拟中的应用

以三亚东锣岛近岸海域为研究案例,基于9个月现场观测数据,利用人工神经网络模型对区域海浪模式WAVEWATCHⅢ(WW3)的有效波高结果进行了修正.结果显示:受空间分辨率的限制,WW3模式难以有效地刻画岛屿岸线和地形对波浪的影响,导致有效波高的模拟结果与现场观测存在较大差距;而使用该文建立的人工神经网络模型则能有效地修正有效波高的模拟结果,使其与观测值的均方根误差和平均绝对误差明显下降.进一步分析计算显示,当人工神经网络模型应用于岛屿近岸波浪要素的模拟修正时,有必要将平均波向作为输入变量,使不同来向的波浪传至岛屿近岸所经历过程的差异性得以体现.该方法及相关结果对岛屿近岸长时间序列波浪要素信息的模拟和预报具有工程应用价值.     

人工神经网络法预测有机物物性研究（Ⅲ）：分子相似性与取…

本文采用相似性计算方法将化合物结构信息变量转换为相似系数变量，并以相似系数作为人工神经网络输入参数，预测多元取代苯的疏水分配系数、硝化反应产率分布和烷基苯的汽化焓。结果与文献值符合较好。     

从科学研究方法论看人工神经网络研究的发展

简要回顾了人工神经网络不平衡的发展史。从科学研究方法论出发，对人工神经网络的研究方法，以及决定其迅速发展与正常发展的因素等方面的问题进行了讨论分析，给出了若干结论。指出竞争是人工神经网络的理论得以生存和不断完善的重要前提，成功是导致人工神经网络研究高潮的重要因素，理论与应用研究并重是人工神经网络健康发展的重要保证。     

人工神经网络进行电力系统短期负荷预报的几个问题的探讨

研究了利用人工神经网络进行电力系统短期负荷预报中常会遇到的几个问题,提出了考虑年负荷增长率、极端气候、节假日问题及历史负荷资料少带来的预报误差的一些极为新颖的斛办法。实例证明,这些办法明显地改善了预报结果,使人工神经网络进行电力负荷短期预报的应用更适应于实际的要求。     

基于偏最小二乘回归与支持向量机耦合的咸潮预报模型

利用偏最小二乘回归对影响咸潮的因素进行分析,提取出对因变量影响强的成分,从而克服了变量之间的多重相关性问题;同时利用支持向量机在解决小样本非线性问题上的优势,采用将偏最小二乘回归与支持向量机耦合的方法,建立了咸潮预报模型(PLS-SVM),并应用该模型对珠海市平岗站盐度的变化进行了模拟和预测,研究结果表明,所提出的PLS-SVM模型模拟和预测精度明显优于常用的BP人工神经网络、多元回归模型,可更好地应用于咸潮预报。     

人工神经网络法预测有机物物性研究(Ⅲ)——分子相似性与取代苯的物性

本文采用相似性计算方法将化合物结构信息变量转换为相似系数变量，并以相似系数作为人工神经网络输入参数，预测多元取代苯的疏水分配系数、硝化反应产率分布和烷基苯的汽化焓．结果与文献值符合较好．     

神经网络建模计算稀土卤化物的熔化焓

采用人工神经网络（ＡＮＮ）方法研究了稀土氟化物、氯化物、溴化物和碘化物的熔化焓与离子键参数之间的关系,由２５组文献数据建立了预报稀土卤化物熔化焓的统一模型,并预报了其他４５个稀土卤化物的熔化焓。ＡＮＮ模型计算结果与已有文献数据吻合,没有实验数据报道的预报结果也显示出良好的规律性,说明人工神经网络建模预报化合物的熔化焓是一种有效的方法。     

南海磁异常场分区研究：应用人工神经网络方法

首次提出用人工神经网络理论处理磁测资料，进行磁异常场分区的定量计算方法。并将该方法应用于南海研究。该方法将研究区域划分为若干统计单元，确定各统计单元中的特征变量、选择标准模型，并对ＢＰ神经网络进行训练。用学习成功的网络识别、分析整个研究区的磁异常场，从而将南海的磁异常场划分为１２个特征区。     

煤层底板突水预报人工神经网络系统的研究

将人工神经网络技术应用于肥城煤矿区以底板突水预报中，并且开发研制成突水预报人工神经网络系统，人工神经网络的建模过程体现在它的训练学习中，它个有知识的自动获以功能，对突水预报问题可适性强，效果良好，易于推广。     

基于人工神经网络的影响高速公路社会效益量化的变量选择方法

以四川省内江市区域经济为例,运用人工神经网络方法,定量分析了影响区域经济各因子的主次顺序,为高速公路社会效益量化的变量选择提供了一种研究方法.应用人工神经网络选择变量的方法可进一步推广运用于不同领域,为在众多指标变量中科学选取变量提供了可靠依据.