基于人工神经网络的负荷预报模型

针对基于ＢＰ（ＢａｃｋＰｒｏｐａｇａｔｉｏｎ）学习算法存在的问题,提出了变步幅最速下降和共轭梯度的混合算法来训练人工神经网络,并建立负荷预报人工神经网络模型．为了提高预测精度,对预报权值进行在线修正．实例证明,混合算法在全局收敛特性和收敛速度上要好于基本ＢＰ算法,所建立的预报模型能达到令人满意的精度．     

基于人工神经网络的负荷预报模型

针对基于ＢＰ学习算法存在的问题,提出了变步幅最速下降和共轭梯度的混合算法来训练人工神经网络,并建立负荷预报人工神经网络模型,为了提高预测精度,对预报权值进行在线修正,实例证明,混合算法在全局收敛特性和收敛速度上要好于基本ＢＰ算法,所建立的预报模型能达到令人满意的精度。     

基于优化的灰色GM模型的滑坡预测

滑坡发生的时间预报是目前滑坡预报的关键方向之一,而滑坡预测模型的建立是滑坡时间预测的核心．由于滑坡的模糊性和灰色不确定性特点,采用灰色预测模型适用有效．本文在灰色系统理论的基础上,研究了灰色GM（1,1）的建模和精度检验过程,根据残差对模型进行了高阶优化．同时结合工程实例,选择了有效合理的监测数据,进行了滑坡临滑预报模型的研究,并将传统GM模型与优化GM模型的精度进行了对比,结果显示优化的GM模型预测精度大大提高．在灰色优化的GM（1,1）模型研究基础上,对临滑时间进行了预报,结果显示预测时间较早,可以起到提前预报作用．根据预测模型分析,提出了一些有益结论,供今后滑坡预报工作的参考．     

滑坡预报的多项式回归分析模型

在回顾了滑坡预报的概念、类型及已有滑坡预报的几种主要模型的基础上，利用多元回归分析方法，根据最小二乘法原理，建立了多项式回归预报模型，提出滑坡破坏的时间为位移——时间曲线的拐点，此方法一般适合于临滑预报。根据实例，利用某滑坡位移——时间监测资料，采用该模型进行滑坡时间预报，结果理想，说明该模型具有一定的合理性、实用性。     

基于BP网络的空调负荷预报建模方法的研究

对用ＢＰ网络进行逐时空调节负荷的建模方法进行了研究。提出了两种类型负荷预报模型,基于建筑模型辩识的负荷预报法和基于时间序列的负荷预报法。并分四种具体情况进行了分析,了一种较为适合的负荷预报方法,这对于蓄冷空调系统优化控制的实施具有重要的意义。     

刀具耐用度变动系数的BP神经网络预报技术

采用改进ＢＰ算法，建立了刀具耐用度变动系数的神经网络预报模型，研究表明，该模型适合于描述刀具耐用度变动系数切削条件参数之间复杂的非线性函数关系，并可以对不同切削条件下的刀具耐用度变动系数进行正确预报。     

基于人工神经元网络的电力系统短期负荷预报的实用计算

本针对贵州电力系统日负荷的特点，提出了一种利用人工神经网络的ＢＰ模型进行电力系统提前２４小时的短期负荷预报的实用计算方法。     

刀具耐用度变动系数的BP神经网络预报技术

采用改进的ＢＰ算法，建立了刀具耐用度变动系数的神经网络预报模型．研究表明，该模型适合于描述刀具耐用度变动系数同切削条件参数之间复杂的非线性函数关系，并可以对不同切削条件下的刀具耐用度变动系数进行正确预报     

基于指数平滑法和回归分析的滑坡预报模型研究

结合滑坡位移监测数据,从滑坡位移基本发展演化规律出发,选取两种统计性预报模型——指数平滑法和回归分析模型对滑坡进行预测预报。分别从建模思想、建模原理及预报判据等几个方面进行详细的分析讨论,比较了两个模型的适用条件和优越性。以三峡库区石鼓寺滑坡为例,根据滑坡的实际情况,对部分监测点位移进行建模和预测,分析对比实测与预测位移-时间曲线之间的关系。模型分析对比结果显示回归分析模型在滑坡预测过程中效果较好,说明所建预测预报模型在滑坡预测中是有效可行的。     

黄茨滑坡时间预报反分析

滑坡时间预报在保护人员财产免受损失方面具有重要的现实意义,合适的预报模型是预报成功的关键.针对滑坡系统的模糊性、不确定性等特点,采用了灰色系统预报滑坡时间.结合甘肃省黄茨滑坡的监测得到的位移时间资料,采用基于位移信息的Verhulst灰色模型,用Matlab编制计算程序,对黄茨滑坡的时间预报作反分析,得出滑坡发生时间的预测值及预测滑坡变形发展曲线,并将该结果与实际监测结果进行对比分析,以验证该灰色模型在滑坡时间预报中的适用性.结果表明,灰色Verhulst模型应用于滑坡时间预报中是可行的;时间预报结果与滑坡的实际滑动时间基本吻合,预测滑坡变形曲线基本与位移监测值展布趋势一致.合理的位移监测点布置、合适的记录时间间隔、位移数据的数学处理及多个监测点位移数据的综合分析有助于提高预报精度.     

模糊模式识别神经网络预报模型的最速下降—共轭梯度算法及应用

在模糊模式识别神经网络预报模型基础上,提出了最速下降—共轭梯度结合的ＢＰ算法,并给出了算例。     

ＢＰ神经网络和 ＡＲＩＭＡ模型的变权组合电离层 ＴＥＣ预报

针对电离层总电子含量（ＴＥＣ）非线性、非平稳性的特性,提出基于 ＢＰ神经网络和差分自回归移动 平均模型（ＡＲＩＭＡ）的最优非负变权组合预报模型,并将其应用于 ＴＥＣ预报。利用 ＩＧＳ中心提供的不同经纬 度的电离层平静期、活跃期 ＴＥＣ数据,分别采用 ＢＰ神经网络模型、ＡＲＩＭＡ模型和变权组合模型对 ＴＥＣ进 行 ５ｄ预报。实验结果表明：在电离层平静期和活跃期变权组合模型预报 ５ｄ的平均相对精度分别为 ９４.７％ 和 ８８.９％,其中预报残差小于 ３ＴＥＣｕ的分别达到 ８９.３％和 ７８.５％,较单一模型的预报精度有明显提高。     

并联式加权组合模型在滑坡时间预报中的应用

针对滑坡预测中单模型不总能进行有效预测且置信度不高的问题,提出了一种新的权重确定方法——并联式权重确定法,用来建立组合模型。证明了预测位移平均相对误差和预测精度之间呈正相关,并对原始Verhulst模型和协同预报模型进行优化。利用新滩滑坡实例和洒勒山滑坡实例进行验证分析。结果表明,基于优化后的Verhulst模型和协同模型的并联式加权组合模型在滑坡中短期时间预报的预测精度远高于原始Verhulst模型和协同模型。     

旋转机械趋势预测方法的研究

现代化设备的状态维护要求对设备的运行状态进行预测。随着运行设备的非线形特点越来越明显,传统的数学建模预报方法已不能满足设备的复杂化和现代化要求。针对现代状况,采用灰色理论和神经网络建模预报。对于灰色预报,将原始序列作累加生成处理后,采用ＧＭ（１,１）模型进行建模预测;对于神经网络预报,采用ＢＰ算法对时间序列进行预报。对从大庆油田采回的实际现场数据进行灰色理论和神经网络的联合预报。实践证明,提高了预     

基于神经网络的采场底板分类与顶板来压预报

建立了长壁工作面底板分类及单体液压支柱底座选型的人工神经网络（ＢＰ网络）模型，并通过网络自适应学习与匹配联想，得出了采场底板类别与单体液压支柱底座型式相对主尖的结果。同时，通过邻域相互作用算法与ＢＰ网络耦合，预报采煤工作面顶板来压，网络试验表明，所得结果与实际吻合良好。     

用于故障预测的BP网络模型及改进

针对常规ＢＰ网络在用于对汽轮机故障这类有确定性趋势随机时间序列预测中存在的问题，首先对现有对ＢＰ网络的改进进行分析，然后提出一种适用于汽轮机故障预测的递推合成ＢＰ网络模型，并将其与其它的各种改进ＢＰ网络模型的预测性能进行了比较。     

人工神经网络原理在中期电力负荷预报中的应用

本文应用人工神经网络（ＡＮＮ）的学习、训练原理。以年工农业产值等相关因素对年用电量进行了中期预报。对所采用的ＢＰ网络的主要参数作了比较计算和优化调整，得到了初步的预报结果     

BSP模型代价公式的改进

讨论了利用以太网构成的集群系统下用ＢＳＰ模型设计并行算法时的通信问题,分析了ＢＳＰ模型原有的代价公式在以太网构成的集群系统下预测通信代价时的不足之处,并根据以太网的具体特点,对ＢＳＰ模型原有的代价公式进行了改进。     

灰色模型在忠武输气管道沿线滑坡预警预报中的应用

详细研究了灰色模型GM(1,1)建模过程,并成功地将此模型应用于忠武输气管道中滑坡水平位移监测的预测预报,相应地用Matlab编写灰色系统预测程序,便于实际应用,实践证明,灰色预测模型在滑坡预测预报中具有较高的应用价值.     

基于预测模型的BP＿Adaboost算法改进

针对 ＢＰ＿Ａｄａｂｏｏｓｔ算法预测精度不高的问题,对算法作了改进：先用遗传算法对每个 ＢＰ神经网络弱预测模型进行优化;然后把优化后的 ＢＰ神经网络模型看作为新的弱预测器;再通过 ＢＰ＿Ａｄａｂｏｏｓｔ算法,用多个被遗传算法优化后的 ＢＰ神经网络弱预测器组成强预测器模型;最后加权整合优化后用 ２０００组随机数据验证改进后算法的预测精度,用 Ｍａｔｌａｂ程序仿真实现改进后的 ＢＰ＿Ａｄａｂｏｏｓｔ算法,并与改进前的 ＢＰ＿Ａｄａｂｏｏｓｔ算法作比较。程序运行结果表明,改进后的 ＢＰ＿Ａｄａｂｏｏｓｔ算法预测精度有了明显提高。