优化背景值的GM(1,1)模型组合改进

针对提高模型的拟合效果.在GM(1,1)模型基础上,提出改进方案生成紧邻生成序列.利用组合预测思想,结合BP神经网络预测算法对改进后的灰色模型做进一步的优化修正,同时引用新陈代谢灰色模型理论成为BP-GM(1,1)等维新息模型.该模型充分利用了两种预测方法的优势,适当的减小了单个模型预测时的误差.数据拟合结果表明:BP-GM(1,1)模型具有更好的拟合精度,该模型应用范围更广.     

应用改进BP神经网络进行用水量预测

针对工业用水量的特点，建立了改进的BP神经网络用水量预测模型，采用遗传算法对BP神经网络权系进行优化改进，改进的BP神经网络算法预测结果好于灰色理论预测和BP算法预测。以本溪市某供水厂用水量数据对改进的BP神经网络模型进行训练并预测，将其预测结果与灰色理论预测和BP神经网络预测结果进行比较分析，得出该方法用于供水系统用水量预测误差较小，同时克服了其他两种算法的缺陷。     

灰色GM（1，1）模型在火灾事故预测中的应用

针对全国火灾事故的统计数据,利用灰色系统理论在不确定因素预测领域的优势,建立了一个火灾事故预测的GM(1,1)模型.论述了模型的建立和求解过程,用实例阐述了灰色预测模型的应用和局限性.结果表明,模型比较合理地反应灾害事物的发展趋势,为分析火灾事故规律和有效预测提供了科学的方法.     

基于灰色理论与BP神经网络瓦斯涌出量预测研究

瓦斯涌出是煤炭行业井下作业难以控制的一个危险因素。为研究瓦斯涌出量的变化规律,提高瓦斯涌出量预测的准确性,本文结合灰色理论与BP神经网络构建了灰色—BP神经网络系统用于矿井瓦斯涌出量的预测。以山西某矿为工程背景,以MATLAB软件为计算平台,对上述方法和模型进行了应用实践和现场验证,将灰色预测、BP神经网络和灰色—BP神经网络预测结果和原始数据进行了对比分析。研究结果表明:灰色—BP神经网络预测的数据精确度和可靠性更高,计算的结果与原始数据的规律基本一致。因此,灰色—BP神经网络系统能较准确地预测矿井瓦斯涌出量,对预测瓦斯涌出量的预测方面具有一定的指导作用。     

基于灰色理论与BP网络的负荷预测

针对用BP神经网络进行预测时权值难以确定的问题,提出了一种基于将灰色理论与BP神经网络相结合的预测算法。采用数量研究法,选取重庆市某供电局1999年到2006年的售电量作为样本,利用不同的灰色模型对样本进行预测,再选出预测的最优值对BP网络进行训练,最后用已训练好的BP网络对样本数据进行预测。经实例预测表明:灰色理论与BP网络相结合的预测精度与单一的预测模型相比有了明显的改进,该算法在理论和实践应用中都是可行的,并为电力部门的生产运行和规划提供了重要的参考。     

灰色预测超前质量控制

以灰色系统理论为基础，提出生产过程灰色预测超前质量控制方法，并给出了具体实施步骤     

锅炉生产中的焊接质量控制探讨

酸雨的pH值受酸性离子和碱性离子的影响比较大,这些影响因子之间存在多重相关性,用一般的方法难以达到预测精度.本文在灰色系统理论的基础上,通过引入马尔科夫理论,提出了一种基于马尔科夫灰色残差修正模型.该模型弥补了灰色预测模型在预测结果的精确性和可信任性方面表现出的固有缺陷.实例表明该方法在提高组合预测精度上具有可行性.     

基于灰色BP神经网络的汽车物流需求量预测模型

本文利用BP神经网络理论和灰色预测法,针对汽车物流行业特点,建立了灰色BP神经网络预测模型,并对某汽车企业某车型整车物流量进行了预测。结果表明：所设计的模型在汽车物流需求量预测应用中能达到良好的拟合精度及预测精度。     

钢铁企业高炉煤气供需预测模型及应用

以钢铁企业高炉煤气系统为研究对象,采用灰色关联度分析了高炉煤气产生量、消耗量的影响因素与煤气量的关系.基于人工神经网络预测方法,建立了高炉煤气BP神经网络预测模型,对钢铁企业各生产工序中高炉煤气的产生与消耗量进行预测,探讨了企业在正常生产、事故检修等工况下各工序的煤气产生量和消耗量预测的合理性.研究表明:所建立的预测模型精度高、误差小,能有效解决实际生产中高炉煤气的供需预测问题,从而减少高炉煤气放散,为企业制定合理煤气使用计划提供了理论依据.     

基于偏最小二乘法回归的工序质量建模

针对制造工序质量控制问题,应用多元统计分析中的偏最小二乘回归法建立了质量模型.利用该模型可以定量分析加工工序与最终成品率之间的关系,进而通过将大量的工序影响因子约简得到主要影响因子子集.根据在线生产的相关质量数据,采用非线性迭代偏最小二乘法获得影响因子的权重.得到偏最小二乘因子权重可以在线预测成品质量变化,避免离线测试.在半导体制造实例研究中,以工序质量水平为自变量,成品质量水平为因变量,建立了质量水平传递模型,应用该方法可实现多工序质量异常的在线诊断和预测,为质量控制提供了定量依据.     

中国粮食多因子灰色关联神经网络预测研究

针对BP神经网络多变量输入难以确定的缺点，提出了采用灰色关联分析法确定主要影响因子输入的多因子灰色关联分析神经网络预测模型，并给出了灰色关联神经网络BP预测模型的建立方法，对我国粮食生产影响因子多因子预测实证研究结果表明，用该网络建立的模型经过训练后，可得到影响粮食产出的主要影响因子及其之间的非线性关系，网络模型新颖，具有较好的预测精度及较好的预测效果，可广泛应用于各种预测研究，有较高的推广价值。     

神经网络在单机掩蔽库工程质量

提出了运用神经网络方法评判单机掩蔽库的工程质量,构造了BP神经网络工程质量评判模型。该评定模型基于专家对各分项工程的评定结果,经过自行学习、联想、记忆和分类,较准确地评定了单机掩蔽库工程质量,评定结果具有较高的识别精度。     

黄河水质综合评价的人工神经网络模型

为探讨水质综合评价的客观方法 ,以黄河兰州段新城桥段面水质资料为例 ,建立了地表水水质综合评价的BP网络模型 BP网络模型以单输出代替多输出可保证评价结果的惟一性 .将该模型用于实例分析表明 ,BP网络用于水质综合评价具有客观性和实用性 .     

基于改进粒子群优化算法的灰色神经网络模型

根据灰色神经网络的参数随机选择类似于粒子群算法中的粒子初始空间位置,采用改进粒子群算法代替梯度修正法,对网络参数进行了处理,并通过寻找粒子群算法中的最优个体,建立了基于改进粒子群算法的灰色神经网络,提高了预测模型的稳健性和精度.通过解决短期订货量问题,与反向传播(BP)神经网络、灰色神经网络、没有改进的粒子群灰色神经网络算法和基于遗传算法的灰色神经网络等方法进行了比较.分析结果表明,基于改进粒子群算法的灰色神经网络计算更为方便,并具有更好的逼近能力和预测精度.为优化网络模型参数提供了一种新方法,并拓展了预测模型的研究思路.     

基于递推合成BP网络的多变量时间序列预测模型

提供了一种基于递推合成BP网络的非线性时间序列预测方法,并针对具体实例建立多变量时间序列模型.将其预测结果与灰色预测模型及常规BP网络的多变量时间序列预测模型的结果进行比较,其仿真实验结果表明该网络具有很强的学习特性和泛化能力,适合进行非线性时间序列建模及预测.     

基于BP与SVR的非线性回归之比较

BP神经网络和用于回归的支持向量机(SVR)在非线性回归中表现出很好的学习和预测能力。本文对这两种方法的算法思想进行分析比较,并通过仿真实例对它们的回归性能加以比较,理论和实验结果表明SVR方法在稳定性和泛化性上优于BP网络方法。     

基于灰色BP神经网络的装备保障费用预测模型

装备的保障费用是装备全寿命周期费用的重要组成部分,为了科学合理地预测武器装备的保障费用,通过分析装备保障费用的构成及其影响因素,考虑到装备保障费用数据量有限、复杂多变、非线性,用单一预测模型预测精度不高,因此建立了基于灰色系统理论和BP神经网络的组合预测模型,将灰色系统模型善于处理小样本数据和BP神经网络优于解决复杂非线性问题的优点有效地结合起来,对基于非线性时间序列的保障费用进行预测。仿真实例表明该组合模型的预测结果比传统单一模型所得到的预测结果总体误差要小,可以有效提高装备保障费用的预测精度。     

一种基于神经元的灰色动态预测模型在工程实践中的应用

在陶瓷生产领域，陶瓷产品由于各自的工艺性能不同，对其烧结温度都有严格的要求。电窑是目前行业中普遍采用的烧结设备。作者通过采用人工神经网络中的BP模型和应用灰色系统理论中的GM（1，2）模型，建立电窑温度动态预测系统，运用此系统可以根据电窑进出口的炉温实时预测炉内温度，对电窑的安全，高效运行和预测设备使用寿命都有一定指导意义。     

BP神经网络模型在城市环境质量评价中的应用

针对城市污染问题,运用人工神经网络理论和方法,建立城市环境质量评价的BP神经网络模型。通过实例进行评价分析,并与灰色关联模式识别评价结果进行比较,说明用BP神经网络方法评价城市环境质量是可行的。该模型具有很强的学习、联想和容错功能,其分析结果和过程都接近人脑的思维过程和分析方法,使得城市环境质量评价结果的精度大大提高。     

神经网络在时间序列预测中的应用

将人工神经网络的ＢＰ模型应用于非线性时间序列预测,并将预测结果与传统预测方法的预测结果进行比较,表明神经网络预测方法具有明显的优势。