基于QPSO-RBF神经网络的交通流量预测方法

提出一种粒子群优化神经网络的预测方法,首先基于改进的量子行为粒子群算法对神经网络进行训练,以保证各权值和阈值能得到最优解,同时对训练样本进行了基于聚类算法的优选.最后进行了仿真验证,证明本文方法用于短时交通流量预测可以获得较高的精度并且误差稳定,为交通流量预测的实际应用提供了一种参考.     

Software Maintainability Prediction with UML Class Diagram

Software system can be classified into many function modules from the perspective of user. Unified modeling language( UML) class diagram of each function module was extracted,and design characteristic metrics which influenced software maintainability were selected based on UML class diagram.Choosing metrics of UML class diagram as predictors,and mean maintenance time of function module was regarded as software maintainability parameter. Software maintainability models were built by using back propagation( BP) neural network and radial basis function( RBF) neural network, respectively and were simulated by MATLAB. In order to evaluate the performance of models,the training results were analyzed and compared with leaveone-out cross-validation and model performance evaluation criterion. The result indicated that RBF arithmetic was superior to BP arithmetic in predicting software maintainability.     

基于HF-RBF的初始地应力场预测研究与应用

用水压致裂法(HF)测量地应力时存在实测数据数量少、不连续、精度低的问题.为此,建立基于HF-RBF的初始地应力场预测方法,首先构建埋深和水平主应力之间的学习样本,然后利用径向基函数(RBF)神经网络对学习样本进行训练,建立埋深与水平主应力之间的非线性映射,最后利用检验样本对初始地应力场预测效果进行检验.在黑龙江某矿山利用2个勘探钻孔开展了水压致裂法测量地应力试验,应用HF-RBF方法获得了该矿区水平主应力分布规律,训练样本最大预测误差为28.6%,检验样本水平最小、最大主应力预测误差都在10%以内,满足工程设计要求.表明了在矿山钻孔勘探期间,HF-RBF法能较好地预测矿区初始地应力场.     

幂律思考系列文章3——无标度网络中几个有争议的命题

利用无标度网络的定义和分类,以及无标度网络度指数的定义,研究了3个有争议的命题:是否所有无标度网络都是稀疏的,从无标度网络随机抽样所得的子网络是否无标度,阿波罗尼斯网络度指数要不要加1。分析了产生争议的根源,给出了正确的解答。     

基于神经网络的最优非线性滤波的仿真研究

本文将BP神经网络和RBF神经网络应用于非线性滤波器中,利用MATLAB对随机噪声的信号做仿真实验研究,结果证明两种神经网络应用于非线性滤波中的可行性,以及RBF神经网络性能的优越性。     

LF闭包空间中的分子网及其收敛性

在LF闭环空间中，引入包域概念并以包域为工具建立了LF闭包空间中的分子网，将LF拓扑空间中分子网和子网的收敛性推广到LF闭包空间中。     

基于RBF神经网络和RS理论的磨矿分级系统软测量模型

为了提高硫化镍选矿过程的效率并改善选矿产品的质量,运用RS理论研究了某选矿厂磨矿工艺多维数据的属性约简.在建立相应RBF神经网络预测模型基础上,给出了表征磨矿生产过程内在规律的最小知识表达,并基于该模型对选矿生产指标进行了预测.结果表明:磨矿工艺数据可以进行浓缩,生产过程经验操作能够找到相应的理论依据,从而加深了对生产工艺过程内在规律的认识;应用软测量技术获取了球磨机和旋流器内部状态主要关键参数,该模型分析过程相对简单,网络学习训练时间少、学习精度高;仿真结果表明估计值与分析值拟合良好.     

基于RBF&BP神经网络的R&D绩效隐患预警与控制模型

针对线性PCA无法提取R&D绩效系统中重要的非线性绩效隐患信息的弊端,首先运用RBF网络实现R&D绩效警兆指标变量非线性主元(警情指标变量)的识别,并通过Q统计和SPE贡献图法实现R&D绩效隐患的分离和预警.然后运用Dephi专家评判法校正警情指标得分,并构建BP神经网络获得企业在没有绩效隐患情况下应该达到的警兆指标基准得分,从而发现偏差,采取有针对性的控制措施防患于未然.实证研究表明,该套模型与方法可以克服线性PCA在提取绩效警兆信息(观测变量)的非线性特征方面存在的不足,并能够较为准确地实现R&D绩效隐患的分离、预警和控制.     

基于RBF神经网络算法的连拱隧道围岩变形预测方法研究

利用径向基函数前馈式神经网络的特性，构建了连拱隧洞围岩变形的预测模型，并利用Matlab工具对模型进行求解。最后的工程实例对文章的方法进行了检验，其结果表明，此方法具有求解速度快，结果更为优化、预测效果更好等优点。     

基于RBF神经网络算法的水轮发电机组轴系响应计算

水轮发电机组轴系是具有局部非线性多自由度的转子系统。本文通过对基于免疫原理的RBF神经网络在线学习算法的改进,利用网络的非线性逼近能力,对水轮机组轴系中非线性性最强的轴承油膜力进行了计算。并将成果运用到整个水轮发电机组轴系响应计算。