基于AHP的人工神经网络模型的建立

针对神经网络的结构特性，提出将层次分析法（AHP）与BP神经网络相结合的思想，即利用层次分析法在筛选对因变量最有影响的因素（自变量）方面独特的性质，来决定BP神经网络的输入变量的个数。并在此思想上建立了AHP与BP相结合的网络模型，又设计了相应的算法。该模型不仅解决了输入待定的神经网络输入维数难确定的问题，而且加快了网络的收敛速度，增强了网络的适应能力。并将新建立的模型应用到经济预测中，得出了比常规经济学模型更优的效果。     

基于变量聚类的BP神经网络术后生存期预测模型

针对结直肠癌患者术后生存期预测,基于模糊C均值（FCM）聚类算法,提出一种结合场景认知和隶属度排序的变量聚类方法,对结直肠癌患者样本进行降维,并筛选出6个特征变量.结合BP神经网络,建立一个结直肠癌患者术后生存期预测模型.为了验证该模型的有效性,利用主成分分析（PCA）对样本进行降维,并训练BP神经网络,对比FCM模型及PCA模型的预测准确率.结果显示,基于FCM变量聚类的BP神经网络模型预测准确率更高,所提出的变量聚类方法能够有效筛选出对于生存期有相关性和解释性的变量,从而提高BP神经网络模型的预测准确率.     

Control System of Garbage Incinerator Based on Fuzzy BP Neural Network

根据固体垃圾焚烧技术原理,结合垃圾焚烧炉运行特点,分析了垃圾焚烧过程与影响焚烧的主要因素,提出了基本模糊BP神经网络算法的垃圾焚烧炉控制方法.建立了垃圾焚烧炉炉温双端输入模糊神经网络（DIFNN）控制模型,并使用模糊BP神经网络控制算法对系统进行控制.仿真实验表明,该模糊BP神经网络控制能够适应复杂多变的焚烧过程的控制要求,控制效果好.     

基于AHP-RMM的地铁接触网系统可靠性分析

基于层次分析法(analytic hierarchy process,AHP)研究地铁接触网系统的致灾机理,建立AHP模型进行风险辨识与权重分析,得到AHP模型指标层各元素的权重系数;基于风险矩阵法(risk matrix method,RMM)提出综合考虑风险因素的后果严重性与发生可能性的风险量化评价体系,得到指标层各元素的风险等级隶属度和评价值。最后,采用BP(back propagation)神经网络方法对评价结果进行训练,验证可靠性评价结果的有效性。结果表明:当采取E2组评价权重,即{0.1,0.2,0.3,0.4}时,BP神经网络训练结果与评价结果的重合度最高,评价效果最佳。     

磨齿机电主轴热特性及热误差建模

针对磨齿机在磨削加工时,电主轴存在热致误差等问题,提出基于模糊神经网络（FNN）建立电主轴热误差模型的方法.分析电主轴内部的热生成和热传递机理,得到内部的传热规律.通过计算热载荷和边界条件,利用有限元分析（FEA）软件对电主轴系统的温度场和热变形进行数值模拟,得到电主轴系统中温升和热变形最大的部位.通过电主轴热误差实验获得温度和热变形数据,分别训练模糊神经网络和BP神经网络,建立温度场和热变形之间的热误差模型,对主轴热误差进行预测.结果显示：在电主轴径向热误差预测模型中,模糊神经网络模型和BP模型的建模精度分别为96.74%和89.77%.这表明模糊神经网络模型建立的热误差模型,在拟合和预测精度上优于BP神经网络模型.     

GM-BP模型在NGH生成中的预测研究

天然气水合物具有储气率高、污染低、储量大等优点,具有良好的发展前景,但是在天然气加工和运输过程中形成的天然气水合物会造成管道堵塞等严重状况,因此,分析和预测天然气水合物的生成具有实际意义。为了预测天然气水合物的生成情况,针对前人研究天然气水合物生成预测方法的优缺点,引用了具有解决复杂系统问题能力的人工神经网络,运用MATLAB语言编程建立了灰色理论（Grey Forecast）理论和BP神经网络（Back Propagation Network, BP）的组合模型。为了提高预测精度,选用了差值结合法将两种方法结合,分别运用GM（1,1）、BP神经网络以及此组合模型对实验中得到的压力数据进行预测并加以比较;为了进一步验证组合模型的精准度,选用了马尔科夫链模型进行预测检验。结果表明,GM（1,1）和BP神经网络组合模型具有较高的精准度,且此方法可以广泛运用到较多方向,可为今后的天然气水合物开发利用提供理论依据。     

基于LVQ神经网络算法的脱机手写数字识别研究

针对BP神经网络进行脱机手写数字识别所存在的问题,提出用自组织竞争神经网络（LVQ）对脱机手写数字识别的方法.介绍了LVQ神经网络算法,并构建了LVQ神经网络的识别模型,用Matlab软件进行了仿真.将获得的仿真结果数据与BP神经网络的测试结果进行对比分析,发现LVQ神经网络对脱机手写数字的识别率明显高于BP神经网络,且收敛速度更快.该方法在脱机手写数字识别领域具有一定的可行性与指导性.     

AHP-RBF神经网络在煤矿安全风险评价中的应用

煤矿生产的复杂性导致煤矿事故具有动态、随机、模糊的特性,而且影响煤矿安全风险等级的指标众多,风险等级与风险指标之间呈现出复杂的非线性关系。传统的BP神经网络评价方法的准确率低,本文提出一套新的煤矿安全风险评价方法。首先建立煤矿安全风险指标体系,然后利用AHP确定各风险指标权重,并对其进行重要性排序,最后将RBF神经网络作为评价工具,建立基于AHP-RBF神经网络的煤矿安全风险评价模型。通过案例分析表明该模型能够科学有效的对煤矿安全状况进行评价。     

面向绿色设计的产品AHP生命周期环境影响评价模型

产品全生命周期分析和评价（life cycle assessment, LCA）是实施绿色设计和绿色制造的关键技术,而LCA技术的核心是产品全生命周期环境影响评价模型的建立.依照ISO14000框架,提出了利用面向绿色设计的层次分析法（analytic hierarchy process, AHP）方法对产品生命周期环境影响进行分析和评估,并建立了五层AHP评价模型.其次,详细论述了该评价模型的基本特性和应用过程.最后,通过具体实例的评估和分析介绍了该方法的应用.     

基于BP神经网络的军校课堂教学质量评价模型

以现代军事教育教学理论为指导,结合军队院校实际,建立军校课堂教学质量评价指标体系;利用神经网络的结构特性和自学习功能,提出基于BP神经网络的军校课堂教学质量评价模型.通过实例进行分析和计算,证明该模型能够避免传统分析评价教学过程的复杂性,具有方便、准确、可靠、快速的特点.     

基于小波神经网络的畸形波预报

为对畸形波这类突发性事件进行较为准确的预报,避免畸形波对海上建筑物和人员安全产生的巨大危害.采用紧致型小波神经网络模型,根据某岛礁地形实测数据建立的岛礁三维模型中测得的波高试验数据,选取试验数据中3种典型波高时间序列分别实现了包含畸形波的波浪数据对常规波浪的预报、包含近似畸形波的波浪数据对畸形波的预报以及常规波浪对包含畸形波的波浪数据的预报.为验证小波神经网络模型精度,同时采用常规神经网络BP模型在相同条件下对3种典型波高时间序列进行预报,最后将两种神经网络预报结果精度进行对比.研究结果表明:小波神经网络能较好的捕捉畸形波突发事件,对于3种工况中的波面整体预报精度以及畸形波处的预报精度,小波神经网络预报模型均高于BP神经网络预报模型,预报的波高曲线也与实际波高曲线拟合效果更好.在神经网络训练样本中若存在畸形波特征,也将进一步提高对未来畸形波的预报精度.该项研究对船舶或海洋工程的畸形波风险预警具有一定的应用价值.     

Application of functional-link neural network in evaluation of sublayer suspension based on FWD test

Several methods for evaluating the sublayer suspension beneath old pavement with falling weight deflec-tormeter(FWD), were summarized and the respective advantages and disadvantages were analyzed. Based on these methods, the evaluation principles were improved and a new type of the neural network, functional-link neural net-work was proposed to evaluate the sublayer suspension with FWD test results. The concept of function link, learn-ing method of functional-link neural network and the establishment process of neural network model were studied in detail. Based on the old pavement over-repairing engineering of Kaiping section, Guangdong Province in G325 Na-tional Highway, the application of functional-link neural network in evaluation of sublayer suspension beneath old pavement based on FWD test data on the spot was investigated. When learning rate is 0.1 and training cycles are 405, the functional-link network error is less than 0.0001, while the optimum chosen 4-8-1 BP needs over 10000 training cycles to reach the same accuracy with less precise evaluation results. Therefore, in contrast to common BP neural network, the functional-link neural network adopts single layer structure to learn and calculate, which simpli-fies the network, accelerates the convergence speed and improves the accuracy. Moreover the trained functional-link neural network can be adopted to directly evaluate the sublayer suspension based on FWD test data on the site. En-gineering practice indicates that the functional-link neural model gains very excellent results and effectively guides the pavement over-repairing construction.     

基于Matlab的BP神经网络在大坝观测数据处理中的应用

建立大坝观测数据处理的BP人工神经网络模型,用正交变换法来初步优化设计大坝变形分析的模型结构.运用Matlab工具箱函数建立网络模型,选择合适的训练函数,并采用正则化的算法以缩小网络的规模,改进BP算法提高学习速度和算法的可靠性.实例表明,基于Matlab的神经网络优化设计能比较有效地避免BP网络的固有缺陷,在精度和训练速度上得到提高.     

基于模糊综合评价和BP神经网络的车辆危险状态辨识

考虑驾驶员、车辆、环境和管理因素对车辆安全状态的影响,建立了车辆安全状态评价体系。采用模糊层次分析法确定了各评价指标的权重,利用岭型函数建立了评价指标对评价等级的隶属度函数,在Matlab神经网络工具箱中构建了车辆安全状态神经网络评价模型。采用预设故障的试验方法,利用车辆监测预警系统采集道路试验过程中车辆的运行状态参数。通过模糊综合评价得出神经网络所需的训练样本,运用训练好的BP神经网络对道路试验中车辆安全状态进行评价。道路试验结果表明:神经网络评价较模糊综合评价灵敏度更高、更准确,为车辆危险状态辨识提供了一种新方法。     

基于GA-BP神经网络的某型装备作战效能评估方法

针对BP神经网络存在易陷入局部极小值的缺点,利用遗传算法全局搜索能力强的特点,对BP神经网络的权值和阈值进行优化,建立了基于GA-BP网络的某型装备作战效能评估模型,给出了实际数据的评估结果.实验结果表明:GA-BP神经网络的泛化能力、评估准确性比BP神经网络的效果更好,这为评估某型装备的作战效能提供了一种新的思路.     

运用BP神经网络的军用装备技术等级评定

为了提高军用装备技术等级评定的准确性,将BP神经网络模型引入到军用装备技术等级评定中．并以某型雷达装备技术等级评判为例,依据该雷达的历史测试数据和评判结果来对神经网络进行训练,通过仿真结果验证了该方法的可行性．     

人工神经网络在堤坝安全评价中的应用

为了综合考虑安全评价中各因素的影响,采用人工神经网络BP网络模型,建立基于人工神经网络的堤坝安全评价方法.以黄河下游堤防工程为例,依据堤坝的设计和检测规范,建立了相应的安全评价指标,利用地质资料和观测资料对堤坝安全进行了分析与评价,验证了模型的可靠性.     

基于CNN的突发事件预警系统的设计与实现

为提高城市恐怖威胁突发事件的监测预警效率,设计了一套基于改进型卷积神经网络（CNN）的恐怖威胁预警系统。系统对采集的恐怖威胁突发事件进行威胁度评估。相对于现有文本评估方法,提出结合改进型词频-逆文本频率的卷积神经网络用于评估威胁和监测预警。并通过对研判期间内事件的威胁度分析,划分了恐怖威胁等级。通过数据的可视化实现为相关部门提供监测预警信息。模型对比测试和实际运行结果表明,该系统相比于已有的CNN模型及区域型卷积神经网络（RCNN）模型,综合评估的精确度分别提升了5.4%和3%。     

径向基函数神经网络在大坝安全监测数据处理中的应用

建立了大坝安全监测数据处理坝段挠度预测的径向基神经网络模型 ,与通常的BP神经网络模型进行对比 ,并与实测结果进行校核 .结果表明 ,对于所研究的问题 ,径向基函数网络避免了BP网络的局部极小及收敛速度慢等缺点 ,在精度、训练速度等方面优于BP网络