Research on Chaotic Time Series Prediction Based on K-entropy and RBF Neural Networks

In this paper, a method of direct multi-step prediction of chaotic time series is proposed, which is based on Kolmogorov entropy and radial basis functions neural networks. This is done first by reconstructing a phase space using chaotic time series, then using K-entropy as a quantitative parameter to obtain the maximum predictability time of chaotic time series, finally the predicted chaotic time series data can be acquired by using RBFNN. The application considered is Lorenz system. Simulation results for direct multi-step prediction method are compared with recurrence multi-step prediction method. The results indicate that the direct multi-step prediction is more accurate and rapid than the recurrence multi-step prediction within the maximum predictability time of chaotic time series. So, it is convenient to forecast and control with real time using the method of direct multi-step prediction.     

基于RBF神经网络的结构可靠度分析方法

蒙特卡罗模拟是目前结构可靠度分析中最准确有效的方法,但因其计算量太大、效率低而受到很大的限制,特别是对于大型复杂结构的功能函数不能被明确表达的情况.鉴于此,在蒙特卡罗重要抽样方法的基础上,提出了利用RBF神经网络替代原结构功能函数的RBF-蒙特卡罗方法,以提高工作效率.RBF神经网络训练样本的选取则由均匀试验设计确定,以提高样本的代表性并大幅减少样本数量,从而加快网络的训练过程,加强网络的逼近能力.算例分析表明,该方法不但能最大限度地减少结构有限元分析次数,而且有满意的计算精度,具有实际应用价值.     

基于RBF神经网络的总产值预测模型研究

介绍了径向基函数（RBF）神经网络的工作原理和训练算法．根据生产总值与投资分配之间存在的映射关系，应用RBF神经网络建立了投资预测模型，并进行了仿真试验．与BP模型相比，该模型在预测精度和收敛速度方面具有显著的优点．结果表明，用RBF神经网络进行投资预测得到了十分满意的结果．     

砂土液化判别最优BP神经网络模型

利用BP网络模型在解决砂土液化评价这类非线性问题方面的优势,选取不同的参数组合,建立不同的砂土液化判别BP神经网络模型,并根据现场实测资料进行比较分析.结果表明,以地震烈度、标准贯入点深度、地下水位深度、标贯击数、不均匀系数及地震剪应力比作为输入节点的砂土液化判别BP神经网络模型最为合理.     

一种基于改进径向基神经网络的人脸图像识别方法

常用于径向基神经网络中心参数学习的K-均值聚类算法,易受初始参数选取的影响而收敛于局部极小值.将自动终止聚类判据的减聚类算法用于径向基网络的学习,可根据样本集确定径向基函数数目,且其计算量与数据点的数目与考虑问题的维数无关,很适合于人脸这种维数较高的模式.实验证明,应用这种算法训练径向基神经网络识别人脸,从识别精度到识别速度上都优于传统算法.     

多尺度仿真方法研究综述

多尺度仿真方法结合了分子动力学方法和有限元原理,可以跨越从宏观到微观的多个尺度,具有分子动力学的精确性,而且计算量相对较小,扩展了分子动力学的应用范围。介绍了国外的多尺度仿真方法的发展及应用概况,阐述了几种较成熟的多尺度仿真方法的基本原理,指出了各自特点及不足,最后对其发展方向作了展望。     

基于Modelica的流体点胶过程仿真技术研究

Modelica是为解决复杂物理系统建模与仿真问题而提出的一种统一建模语言,目前尚未发展出一般性的偏微分方程建模方法。流体点胶则是一种微量流体精确成型技术,需要对流体流动过程进行建模。在Modelica语言的框架下,实现了点胶过程中的流体流动过程建模仿真。实现方法采用了Legendre多项式为基函数,通过对过程方程的谱方法近似求解得到,具有物理上准确、数学上简洁的特点,为Modelica语言在分布式参数系统仿真领域的应用提供了一种新的解决思路。     

可重构装配线多Agent系统实现机理研究

柔性和重构能力是现代制造系统的核心性能需求。以某汽车变速器装配生产线为研究背景,应用多Agent制造机理实现装配线的柔性和重构问题。在基于产品族功能分解原理与重构线柔性结构设计基础上,构建了基于多Agent制造案机理的系统体系结构及结合系统柔性与重构特征的Agent协商与合作机制。研究了面向多Agent系统通讯过程实现的本体建模方法并构建了重构装配线本体模型,实现了基于本体的系统通讯过程。最后在Zeus环境中实现了多Agent系统平台。     

基于复杂系统的公众科学素养仿真及对策研究

针对传统复杂系统研究中整体与个体局部模型分离的问题,使用时空结构法和多Agent建模仿真方法结合对具体复杂系统实例——湖南省公众科学素养社会系统的建模、演化、外部事件刺激进行研究。仿真模拟了维持现状及不同类型、不同作用水平的外部事件刺激下公众科学素养水平发展趋势。获得提高公众科学素养水平的优化对策组合和各种针对性政策建议。     

ERP财务管理中的智能决策研究

阐述了利用数据挖掘和神经网络的智能决策系统与ERP财务管理有机结合的成本管理策略,提出了智能决策与ERP财务管理耦合的系统模型,包括系统总体框架的设计、智能决策系统的设计及模块的协同运作。