基于神经网络灰色Verhulst算法的装备研制费用预测模型

为了提高装备寿命周期费用LCC(life cycle cost)中研制费用的预测精度,对于呈S型的研制费用累加序列,利用灰色Verhulst模型对其预测.构造基于时间序列的人工神经网络输入输出模式对,利用BP神经网络对灰色Verhulst预测结果进行训练.仿真实例表明,该组合算法预测结果比单纯使用灰色Verhulst模型所得到的结果总体误差要小,将神经网络引入到灰色Verhulst模型中能较好地提高预测精度.     

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。     

一种新的组合灰色神经网络预测模型

对GM（1，1）灰色和几种灰色组合模型进行了讨论，针对多个相关序列预测的问题，提出了组合灰色GM（1，1）神经网络预测模型。此方法采用灰色模型对各序列进行预测，然后利用神经网络对预测值进行校正，得到最终预测值。实例表明此种模型在实际应用中的确能够提高预测精度。     

基于进化神经网络的灰色预测模型

为了弥补神经网络用于灰色理论中学习效率低、收敛速度慢、易陷入局部最优等缺点,采用了改进遗传算法IGA(im proved genetic algon ithm)来辅助优化神经网络,实现了对网络连接权的自适应进化,并应用于灰色预测中。提出了进化神经网络灰色预测模型,通过M atlab程序对某地区农村人均收入的数据进行了预测、比较,预测结果误差均在0.3%以下,明显优于传统的GM(1,1)(grey m odel)的预测结果,其误差在10%左右。实例验证,将进化神经网络应用于灰色预测模型中是可行和有效的。     

基于BP神经网络的导弹系统研制费用预测

本文将神经网络技术应用于导弹系统的研制费用预测领域。首先介绍了BP神经网络的原理,并建立了研制费用指标体系。在此基础上,建立了一种基于BP神经网络的导弹系统研制费用预测模型,并对一组导弹系统研制费用数据进行了估算。结果表明,该方法是有效的、可行的。     

基于灰色理论的军交运输保障装备可靠性分析

准确掌握军交运输保障装备可靠性是科学、合理的组织军交运输的基础,是进行装备维修辅助决策的重要依据。本文对军交运输保障装备可靠性分析过程中所涉及到的因素进行了分析和归纳,建立了灰色评价模型,并通过实际应用,验证了该模型的可行性。     

大棚气候的BP神经网络预测模型研究

以大棚外气象因子中温度、湿度、辐射等为输入量,分别以大棚内气温、地温、湿度等气象因子为单项输出量,构建了基于神经网络预测预报原理的大棚小气候预测模型,模型预测结果好,该模型一方面能够解决大棚内气候资料缺乏的问题,另一方面能够提前模拟大棚内气候,对大棚的环境调控起指导作用.     

基于BP神经网络的柴油机燃烧特征参数前馈预测模型

CA50是柴油机缸压反馈控制技术中的反馈变量,对柴油机的性能有重要的影响。在一台六缸高压共轨柴油机上研究了喷油正时与CA50关系,以及CA50对柴油机经济性和排放的影响。为探究基于神经网络的前馈控制在缸压反馈控制中运用的可行性,建立了通过不同的燃烧边界条件预测CA50的BP神经网络预测模型,进行原机试验得到CA50对发动机性能影响的系列试验点数据。选取190个不同边界条件的试验点作为模型的总样本,其中用于前期神经网络训练的样本125个、用于检测神经网络泛化能力的测试样本65个。结果表明基于BP神经网络的预测模型在误差允许范围内,能较为准确的通过边界条件预测CA50,可以满足柴油机缸压反馈技术中前馈控制的要求。     

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。     

BP神经网络水华预测模型的敏感性分析

敏感性分析能够定量地评价模型输入变量的变化对输出结果产生的影响,是揭示模型蕴含规律的有效途径.本文将敏感分析方法应用于BP神经网络巢湖水华预测模型中,分析结果表明巢湖水华形成受诸多环境因子共同影响,水温、溶解氧、浊度、气温、光照强度等环境因子变化与藻类质量浓度变化相关,其中气温是最大影响因素,相对贡献率达到17.01%;气压的上升则不利用于藻类质量浓度的增加;pH值的上升对藻类质量浓度的影响有正有负.     

基于 BP 神经网络与灰预测方法的杭州市城市生活垃圾产量预测研究

通过分析影响城市垃圾数量的主要因素，利用灰预测方法构建未来数据，建立了一个考虑人口数量、人均收入影响下的B P神经网络模型，对未来10年的杭州市生活垃圾数量进行预测，得到较好的结果。     

证券市场灰色神经网络组合预测模型应用研究

提出将3种灰色模型(残差GM(1,1),无偏GM(1,1)和pGM(1,1))与神经网络模型进行有机组合,建立一种新的灰色神经网络组合预测模型,并以中国股票市场上证指数为例进行模拟预测.实证表明:组合预测模型的模拟预测精度较原有方法更为精确,可作为股市预测的有效工具.     

基于BP神经网络的税收预测模型

在分析影响税收主要因素的基础上，将反向传播（BP）神经网络理论应用于税收的预测．首先对初始数据进行预处理，使其适应BP神经网络学习的要求，然后建立基于BP神经网络的税收预测模型．采用实际数据对模型进行验证，并将其与传统的统计模型相比较，证明了基于BP神经网络的税收预测模型有较高的精度和较强的实用性．     

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。     

基于灰色BP神经网络的中国人口预测模型

基于“国家人口发展战略研究报告”中的数据,采用“小波去噪”处理方法,建立GM（1,1）模型与BP神经网络相结合的灰色神经网络模型,对中国人口结构、分布、出生率、自然增长率、数量、抚养比例、男女比例等七个指标进行预测,并对预测结果运用PP样条拟合进行计算机模拟。     

BP神经网络在电力系统短期负荷预测中的应用

电力系统短期负荷预测是电力生产部门的重要工作之一，本文利用BP神经网络进行电力系统短期负荷预测时，根据影响因素确定了模型构成，并对输入变量选择进行了讨论，典型算例的计算表明该方法是有效的。     

基于BP神经网络的电力系统短期负荷预测

电力系统短期负荷预测的准确性对电力系统的实时运行调度至关重要.采用BP神经网络对电力系统负荷短期预测研究,根据影响电力系统的负荷因素如温度、天气等确定模型构成,同时利用遗传算法对BP神经网络进行优化.实例表明,利用遗传算法优化的BP神经网络在电力系统短期负荷预测中是有效的.     

基于BP神经网络的通信装备效能评估方案优化

本文介绍了装备效能的基本概念以及通信装备效能的几种经典评估方法,对神经网络的原理进行简单阐述,提出了用BP神经网络的评估方法来对通信装备效能方案进行科学预测,实验结果表明,神经网络的方法能够有效地根据通信装备的八个因素对装备效能方案作出优化评估,进而选出效能最佳方案。     

基于灰预测理论的石油石化企业风险预测

在综合运用灰预测方法（灾变灰预测与数列灰预测理论）的基础上建立了石油石化企业风险预测模型，并对其投资经营风险做了仔细的分析和研究，预测了风险可能发生的时区及大致所造成的损失程度，最后以实例证明了该模型的有效性．     

基于遗传BP神经网络的非平稳时间序列预测

BP网是神经网络时间序列预测方法中最常用的网络。针对BP算法局部搜索能力强,而遗传算法全局搜索优势突出的特点,将二者结合构造遗传BP神经网络,用于非平稳时间序列预测。仿真结果表明,该混合算法不仅提高了学习效率,而且对太阳黑子数预测的准确性高于BP算法、传统统计学预测方法。