基于遗传神经网络的癌症死亡率预测

分析了遗传算法(GeneticAlgorithm,GA)和人工神经网络(ArtificialNeuralNetwork,ANN)的优缺点,在此基础上,提出了将遗传算法与人工神经网络有机结合的遗传神经网络此外,利用长期进行的恶性肿瘤登记的报告资料,采用遗传神经网络对北京地区的癌症死亡率进行预测结果表明该研究工作是可行的,可以作为预测的一种有效手段.     

神经网络在水资源预测中的应用

人工神经网络通过神经元之间的相互作用来完成整个网络的信息处理，具有自学习和自适应等一系列优点，因而用它来进行水资源预测是可行的。针对水资源预测问题，初步建立了基于神经网络的预测系统，给出了应用实例。这是水资源预测的一种新的尝试。     

能源工业生产量及主要能源消费量的分析与预测

本文利用文[1]中提出的关联度识别方法, 以云南省为例, 分析云南省主要能源(煤炭、石油、天然气、电力)消费量与能源消费总量的关系。并且, 分别建立了能源工业生产量及主要能源消费量的灰色GM(1, 1)模型, 本文定量分析的结果可为定性分析与决策提供可靠的依据。     

基于串联灰色神经网络的电力负荷预测方法

为了提高电力负荷预测的精度,分析现有人工神经网络和灰色预测方法各自的优缺点,将二者相结合提出了一种串联灰色神经网络预测方法.新方法利用灰色预测中的累加生成运算对原始数据进行变换,从而得到规律性较强的累加数据,便于神经网络进行建模和训练,同时避免了灰色预测方法存在的理论误差.最后实际算例证明了方法的有效性.方法适用于中长期负荷预测.     

基于RBF神经网络的短时交通流预测

根据短时交通流的特性，以神经网络技术为基础，构建短时交通流预测的神经网络模型，并用某高速公路实际短时交通流观测数据进行验证。     

一种新的基于神经网络的非线性组合预测方法

一种新的基于神经网络的非线性组合预测方法文新辉牛明洁（西安电子科技大学，７１００７１）（新疆石油学院，乌鲁木齐８３００００）ＡＮｅｗＮｏｎｌｉｎｅａｒＣｏｍｂｉｎｅｄＦｏｒｅｃａｓｔｉｎｇＭｅｔｈｏｄｏｎｔｈｅＢａｓｉｓｏｆＮｅｕｒａｌＮｅｔｗｏｒｋ...     

基于小波-神经网络的电力系统短期负荷预测

基于小波变换和神经网络,提出了一种电力系统短期负荷预测方法.通过小波变换把负荷序列分解为不同频段的子序列,再对这些子序列分别采用相应的人工神经网络模型进行预测,最后重构得到负荷序列的最终预测结果.在所提出的方法中小波分解能够提取负荷的一些周期性和非线性特征,根据其子序列各自所具有的特征采用相应的预测方法.实例结果表明该方法具有很高的预测精度和较强的适应能力.     

基于主成分分析和组合神经网络的短时交通流预测方法

提出一种将主成分分析和组合神经网络相结合的方法来预测短时交通流量.将预测路段历史流量及其相关路段的历史流量进行主成分分析,分析结果作为组合神经网络的输入数据,这样不仅减少了输入变量个数,减小网络规模,而且保留了原始变量的主要信息,消除变量之间的相关性.给出了一个说明该方法有效性的例子,用同一组数据比较该方法与典型BP网络的预测效果,结果表明该方法明显优于BP网络.     

遗传算法和BP人工神经网络在税收预测中的应用

针对经典的BP人工神经网络所存在的缺陷,结合遗传算法,提出了基于实数编码的GA-BP神经网络税收预测模型。在结合递归预测方法的基础上,该模型取得了令人满意的结果。     

用人工神经网络对家蚕微粒子病进行初步分析与预测

家蚕微粒子病是一种毁灭性的传染性疫病,给家蚕养殖业带来严重的后果.为了有效地预防和控制微粒子病的发生及扩散,本文运用人工神经网络(BP)模型对家蚕微粒子病的历史数据进行分析、预测,以达到防范的效果.     

证券市场预测的神经网络方法

首先讨论了证券市场的各种影响因素、预测分析方法和定量预测模型的选择。然后运用神经网络模型的非线性映射能力和学习联想能力，提出了证券市场预测的通用模型。最后通过一个证券买入时机预测的实例，证明了该模型的有效性.     

基于灰色RBF神经网络的炼钢煤气消耗预测

煤气消耗预测是钢铁企业中能源管理重要组成部分之一,以炼钢过程煤气消耗为研究对象,将灰色理论与径向基函数（RBF）神经网络进行组合,建立了基于灰色RBF神经网络的炼钢煤气消耗预测模型,利用灰色理论累加求和特性对样本数据进行预处理,减小了数据的随机性,增强了数据变化的规律;利用RBF神经网络逼近这种数据变化的规律,通过预测误差,动态调整RBF神经网络的结构,使得预测误差在允许的范围内。通过仿真表明,提出的模型预测精度较BP神经网络预测精度高,均方差为2．02％,     

四层BP网络的一种结构设计方法及应用

针对BP神经网络的特点提出一种基于递阶遗传算法的四层BP神经网络的结构设计模型及应用。现有的BP训练方法只能训练BP网络的权重和阈值,网络的结构得预先用某种方法确定。利用很好设计的递阶遗传算法能够把网络的结构、权重和阈值同时通过训练确定。以经济系统中的人口时间序列数据进行训练和测试,与传统的BP网络预测模型相比较,结果证明该模型的预测精确度是令人满意的,提出的方法是可行的。     

人工神经网络距离继电器的仿真研究

距离继电保护是高压传输线继电保护的一种主要方法。传统距离继电器的精度受到不同的故障条件以及电网结构变化的影响，容易发生误动,拒动等现象，给电力系统带来重大损失，本文提出一种基于人工神经网络的距离继电器，该方法以三相电压和电流的基波分量幅值作为网络输入，仿真结果表明，与传统的继电器相比，该继电器反应迅速、准确，即使在不同的故障条件和网络条件下也能正常工作。     

Prediction Method of Vessel Maintenance Outlay Based on the BP Neural Network

1 .ＩＮＴＲＯＤＵＣＴＩＯＮＦｏｒｍｅｒｌｙ ,ｔｈｅｍａｎａｇｅｍｅｎｔｏｆｖｅｓｓｅｌｏｕｔｌａｙｕｓｅｄｔｏｐａｙｍｏｒｅａｔｔｅｎｔｉｏｎｔｏｔｈｅｄｅｖｅｌｏｐｍｅｎｔｏｆｖｅｓｓｅｌｅｑｕｉｐｍｅｎｔａｎｄｔｈｅｉｎｖｅｓｔｍｅｎｔｉｎｐｕｒｃｈａｓｉｎｇ ,ｂｕｔｉｇｎｏｒｅｓｏｍｅｐｒｏｂｌｅｍｓｏｆｔｈｅｏｕｔｌａｙｓｐｅｎｔｏｎｔｈｅｕｓｅ ,ｍａｉｎｔｅｎａｎｃｅ ,ｅｔｃ .ｏｆｔｈｅｅｑｕｉｐｍｅｎｔ .Ｉｎｇｅｎｅｒａｌ,ｔｈｅｔｉｍｅｏｆｕｓｉｎｇｖｅｓｓｅｌｅｑｕｉｐｍｅｎｔｉ…     

股市预测中的小波神经网络方法

首先论述了股市时间序列中的明显随机性 ,可能是由于非线性确定性系统中混沌行为的缘故 ,利用混沌的确定性可以进行短期预测 .混沌时间序列预测首先要重构相空间 ,接着充分利用小波变换时频分析的局部化特性 ,提出了一种改进的小波网络结构 ,探讨了股市预测模型问题 .经实例验证 ,该方法能有效地提高预测精度 ,避免了人工神经网络模型和指数自回归的固有缺陷 .     

建筑市场需求预测中的神经网络方法

将神经网络技术应用于建筑业市场预测领域 ,选择了恰当的经济指标作为 BP网络的输入输出变量 ,建立了一套有效的建筑业市场需求网络预测方法 ,并以石家庄市建筑市场的需求预测为例 ,详细介绍了建筑业市场预测方法的运用过程 .     

人工神经网络BP算法的数据处理方法及应用

利用人工神经网络建立了具有时间序列的对象的预测模型，并提出了基于本模型的数据处理方法，在此基础上，对吉林省榆树县大坡镇两家村的人均收人作了预测。证实了本模型的正确性和科学性.     

基于动态温度调控的空调系统能耗预测

针对动态温度调控的空调系统能耗预测问题,设计了动态温度调控策略并通过EnergyPlus仿真得到空调系统逐时能耗数据集.在采用集成方法分析能耗的基础上,建立改进PSO算法优化BP神经网络(improved particle swarm optimization-back propagation neural netwo...