切片平均分子量神经网络预测模型的研究及应用

建立聚合反应切片平均分子量的预测模型对锦纶帘子布的生产有重要的意义,该文采用改进的遗传算法（ＧＡ）和ＢＰ算法相结合的混合学习算法来训练神经网络,并采用多元逐步回归法对输入层节点数进行了优化,建立了聚合反应切片平均分子量在线预测的神经网络模型。在某化工厂聚合反应中的应用表明,该模型比基于最小二乘法的预测模型收敛速度快,预测精度高、网络有泛化能力强。     

企业债券的二因素定价模型

针对我国企业债券周期较长、价格波动大以及可能遇到企业违约的风险等特点,论证了企业债券价值实际上是一个无违约债券的多头和一个欧式看跌期权的空头的证券组合,在考虑到企业违约风险的情形下,利用三叉树模型方法,建立了一个含有企业价值、利率两种随机因子在内的企业债券的二因素定价模型。     

应用系统建模法对南海某舰面温度的建模及预报

在系统建模理论的基础上,运用改进的动态数据建模法,对南海某舰面温度数据进行了建模,并通过模型的适用性检验发现,ARMA(6,5)模型是最合适的,根据建立的模型利用条件期望法进行预报,结果与原始数据接近得很好。所有的建模和分析过程均在MATLAB上实现。     

结构疲劳寿命估算的计算机仿真

采用人工神经物方法描述了材料在疲劳损伤过程中的性能变化,将材料的疲劳过程看作一个离散事件,建立了既能反映累积损伤的非线性效应,又能反应映材料循环特性的疲劳损伤累积模型。     

约化框架下带有信用风险的永久可转债定价

将信用风险引入到可转债的定价中,通过修改股票价格的运动过程,得到了一个具有违约风险的股票价格运动过程,然后将其转化为风险中性测度下的运动过程.通过将回收率直接引入到贴现现金流中,得到了可违约永久可转债价格的变分不等方程,并求出了该变分不等方程的显式解,同时对于可回购的可转债,根据息票率的范围.可转债的定价分为3大类,并分别求出每类可转债的价格,最后指出,无论是否具有回购条款,可违约可转债的价格和无违约可转债的价格是相容的.     

中长期电力负荷预测

对电力负荷的预测的传统方法主要采用回归模型、曲线模型等，因不能充分利用历史数据，其准确性较差。利用人工智能技术，将BP神经网络及遗传算法应用于中长期期电力负荷预测，能更好的利用历史数据，如果再对有节假日的特殊月季电力负荷数据进行合理有效的处理，就能大大提高预测的精度。     

基于支持向量机的不锈钢冷轧薄板力学性能的预测模型

介绍了支持向量机(SVM)技术中的支持向量机回归模型原理,建立了不锈钢冷轧薄板力学性能预测模型.结果表明,随着训练样本的增加,模型的预测精度也得到提高.证明应用支持向量机构建不锈钢冷轧薄板力学性能预测的数学模型,能较好地解决小样本和模型预测精度间的矛盾,具有较强的泛化能力.     

灰色系统理论在设备故障诊断中的应用

本文把灰色系统理论首次用于机械设备的故障诊断中,较好地解决了设备状态预测和故障模式识别问题。具有方法简单、计算量小、诊断结果可靠、不需要复杂设备等优点,便于现场工作人员掌握和应用。     

复杂生产过程工况的自动识别

针对复杂生产过程中的工况识别问题，利用了模块化的设计方法，将其分为离线建模模块和在线决策模块，建模模采用自适应延时神经网络构造和类工况相应的预测模型，决策模块通过计算未知工况序列相对各类预测模型的匹配程度判断其所属类别。     

表示和处理缺省知识的模糊推理系统的研究

本文应用ｍａｘ－⊙复合运算下，基于模糊关系Ｒｂ的推理方法，提出能够表示和处理缺省知识的模糊推理方法、算法，并用Ｔｕｒｂｏ－ｐｒｏｌｏｇ语言，设计并实现了表示和处理缺省知识的模糊推理系统。