基于人工免疫算法的电网负荷预测模型的研究

为了克服传统神经网络预测方法在网络结构设计和收敛效果等方面存在的缺陷。提出了一种进行电力系统负荷预测的新算法———人工免疫算法。该算法是根据高等动物免疫系统的机理而设计的,将目标函数和一部分不等式约束条件作为抗原,将搜索空间的解作为抗体,依据抗原与抗体的结合力以及抗体之间的结合力对解进行选择,通过抗体之间的相互激励作用提高了最优点附近的搜索效率,通过记忆细胞对抗体的抑制作用有效地摆脱局部最优点。应用该模型于阜新地区负荷预测的实例中,结果表明,该模型与传统的神经网络预测方法相比具有较强的自适应能力和较好的效果。     

基于粒子群与蜂群结合的算法求解含风电场电力系统经济调度问题

提出一种新的混合智能算法解决含阀点效应和系统约束的含风电场的电力系统经济调度问题,将蜂群中的觅食行为与聚群行为引入改进的粒子群,提出改进粒子群一蜂群混合智能算法．在算法上进行优化,大大地提高搜索的能力,从而使结果更优．通过引入交叉策略,对那些速度保持不变的点,重新赋值．以一定的比例选拔最优点,其中选拔出的最优点,不止一个．同时精英策略的采用,有利于加强全局寻优,跳出局部最优,从而使算法得到很大的改善．最后对一个10机系统的算例进行求解,通过与改进的粒子群算法、蜂群算法进行比较,验证了改进的粒子群一蜂群混合智能优化算法在解决含风申．场的申力系统终济调度问题中的有效性与优撼性．     

保密通信新介质--人工神经网络

根据人工神经网络的结构特点和信息传输与处理特征，提出了利用物理神经网络作为通信信道的观点．在分析了现有通信信道物理模型之后，具体讨论了作为通信信道的神经网络的可能拓朴结构、神经网络学习要点、允许传输信号的模式特征，研究了神经网络信道的传输延时、通信带宽及信噪比，分析了神经网络信道处理多媒体信号的计算潜力，并着重剖析了神经网络信道固有的保密通信特征．最后给出了一个具体的神经网络信道设计实例．     

强海杂波背景条件下海上目标检测方法

为了减少展宽的一阶海杂波谱对空间超分辨谱估计技术的影响，提高MUSIC算法的检测性能，用径向基神经网络实现海杂波预测和对消．利用神经网络的可对任意非线性函数模拟的特性，对展宽的海杂波进行模拟，用模拟后的结果实现一阶海杂波的对消，来满足MUSIC算法的应用条件．最后用MUSIC算法分辨海上目标的方位信息．实验结果表明，对消前后目标背景噪声子空间特征值发生改变，对消后更接近于MUSIC算法的假设条件，提高了MUSIC算法的检测性能，扩大了MUSIC算法的应用范围，实现在非高斯噪声背景条件下应用MUSIC算法检测目标．确定最小的相空间维数和时间间隔，采用更先进的神经网络算法，可以提高神经网络的预测速度．     

元胞自动机与神经网络相结合的土地演变模拟

提出了将数据挖掘技术应用于元胞自动机（CA）进行地理模拟的新方法.基于CA原理,利用学习矢量量化神经网络,从不同时相遥感数据中挖掘土地利用演变的内在规律,自动找到土地利用元胞的转换规则,并以该规则反演和预测土地利用格局.在上海市区典型边缘带的应用显示,挖掘出的元胞转换规则,与同期上海城市发展状况相吻合.表明该模型可以满足土地利用演变模拟预测的要求,大大缩短了建立CA转换规则所需时间.     

弓型折流板换热器动态响应神经网络预测

采用ARX动态模型设计了一种用于换热器动态特性辨识及预测的人工神经网络结构模型,基于有限的实验数据将人工神经网络技术应用于以水、油为换热工质的弓型折流板换热器动态特性的预测当中.采用Levenberg-Marquardt算法对网络进行训练和测试,辨识和预测了换热器单侧流量扰动情况下油侧出口温度的响应情况及换热器油侧进口发生温度扰动情况下油侧出口温度响应情况,并与数值计算进行了对比,神经网络的预测结果好于数值计算.分析了神经网络模型的泛化能力.计算结果表明,人工神经网络对于复杂系统的动态辨识及预测是相当成功的,与基于数理模型的数值预测相比,有更好的预测精度,且模型的泛化能力也很强.     

棘腹蛙(Rana boulengeri Günther)幼蛙人工试养的研究

报道了湘西地区棘腹蛙（Ｒ．ｂｏｕＬｅｎｇｅｒｉ　Ｇ．）幼蛙人工试养的研究,结果表明：各龄幼蛙的日食量平均为体重的３．０７％,饵料系数随着年龄增加而加大,平均为３．６６;试验中幼蛙的年龄与饲养密度对其体重的增长及成活率的影响明显;不同饲养密度的幼蛙成活率为７７．５０％～１００％;刚变态的幼蛙体长平均为１．９８厘米,体重平均为０．９５克;经过两周年饲养,体重平均为２０．５０克,体长平均为５．８１厘米,体长与体重的增长曲线呈“Ｓ”型。     

基于改进型BP算法的外债风险指标预测

利用人工神经网络进行时间序列预测是一种较新的方法,它具有不需建立复杂的数学模型以及非线性映射能力强等优点。采用动量法和学习率自适应调整的改进型BP算法对外债风险的各项指标进行了非线性时间序列的预测。仿真结果表明神经网络模型对外债风险的各项指标预测的结果是准确可靠的。     

边坡位移时序预测的组合模型研究

将边坡变形预测看作一个特殊的凸二次规划问题,以加权一阶局域法（AOLMM）、Lyapunov指数预报法以及神经网络预测方法（ANN）为基础,建立了边坡变形预测的组合模型,应用动态规划方法求解组合预测模型的最优解,以达到有效利用各种预测方法提供的信息和提高模型预测精度的效果．通过工程实例研究表明,该组合预测模型较单一预测模型精度有较大提高,表明组合预测模型的可行性及有效性．     

基于数据库技术专家系统的设计与实现

传统的专家系统可对知识进行搜索和推理，但却缺乏对海量知识的高效管理能力，为了克服这一局限性，利用数据库技术提出一种新的专家系统模型，该模型所采用的方法摆脱了专家系统应用对专家系统开发工具的依赖，对规则、事实数据可以进行方便管理，改进推理树的实现算法，实现了知识库与数据库的有机结合，为更广泛的应用提供基础．