基于VC++和Prolog语言混合编程的专家系统框架

为解决专家系统开发周期长的问题,提出并实现了用PROLOG与VC 混合编程方法开发专家系统框架的方案,用VC 实现专家系统框架的人机界面,用PROLOG语言构建知识库并实现推理过程.该框架具有较好的用户界面,用户只要输入或导入脚本编写的知识库、事实库和目标,就可以进行目标求解,因此简化了专家系统的开发过程.介绍了该专家系统框架的实现原理和设计思想,给出了导入导出模块、脚本语言语法检测模块和解释机制的实现方法.     

一种构建ERP系统中生产控制模块的方法

企业的主要职能可以划分为生产、营销和理财,而生产是这三个方面的核心环节。因此生产控制模块是企业ERP系统中的关键模块。根据生产控制中主要涉及到的信息流,该文提出了一种用于构建ERP系统中生产控制模块结构的方法。该方法将生产控制模块划分为五个子结构,文章详细分析了各个结构的主要功能和主要构成,从而为企业ERP系统中生产控制模型的构建提供参考的解决办法。     

煤矿瓦斯预测专家系统中基于粗集的知识获取方法

针对现有煤矿瓦斯预测专家系统因没有新知识获取措施及知识自更新功能而预测效果不佳的问题,提出了基于粗集的知识获取方法。该方法首先建立瓦斯数据与瓦斯突出强度之间关系的预测样本集;然后运用粗糙集的连续属性离散化、属性约简以及规则提取算法,从大量的预测样本集中自动获取预测知识,并将预测知识存储于专家系统知识库中;最后基于推理机实现煤矿瓦斯突出的实时预测。实例分析验证了该方法在煤矿瓦斯突出预测专家系统知识获取中的有效性和实用性。     

用于给定药物的分析方法选择的专家系统设计

本文建立了一个用于药物分析方法选择的专家系统ESODA。ESODA由主控模块、I/O模块和专家系统骨架三个主要部分组成,并采用了产生式规则、框架、词典三种知识表示方法。该系统可在IBM PC及其兼容机上运行。ESODA主要可用于提供新药的定性鉴别、含量测定以及体液中药物及代谢物的测定方法。此外,利用专家系统骨架ESTOOL还可方便地构造其它专家系统。     

基于BSC和CSF的化工企业ERP应用绩效Vague评价

为了降低ERP应用失败率高的潜在风险,本文根据平衡记分卡(Balance Score Card,BSC)和关键成功因素(CSF)建立了1套ERP应用绩效评价模型,该模型包括"主要模块"和"辅助模块"2个部分。首先,对主要模块采用FAHP法确定ERP应用绩效等级,进而发现ERP的缺陷。然后,针对ERP的缺陷,对辅助模块采用TOPSIS算法确定ERP的Vague集绩效评价,从而采取有效的ERP售后服务方案,促进化工企业ERP应用过程不断完善。     

煤矿瓦斯预测知识获取模型的应用研究

将粗糙集与神经网络结合,提出由样本更新、粗糙集预处理、神经网络训练、规则提取4个模块组成的煤矿瓦斯预测知识获取模型,将其应用于实时数据进行实验,结果表明,该模型实时性好、可靠性及精度高,可以较好地解决煤矿瓦斯预测知识获取困难的问题,为煤矿瓦斯预测专家系统知识库的建立奠定基础。     

基于神经网络和专家系统的雷达故障诊断方法

针对专家系统在雷达故障诊断中存在的不足,构建了一种人工神经网络和专家系统融合的故障诊断模型,给出了该模型的组成和功能表述,分析了诊断参数的选取方法、知识库的建立过程及神经网络模块结构等.并用实例讨论了诊断方法有效性.     

基于神经网络的故障诊断专家系统研究

针对传统专家系统和神经网络的各自特点,将两者有机结合,构造了一种基于神经网络的混合型故障诊断专家系统。提出了神经网络子模块NNM的概念并分析了NNM的具体实现方法。应用该故障诊断模型对某内燃机组供油系统故障进行了模拟验证,试验结果表明神经网络与专家系统结合是一种有效的诊断方法。     

基于模糊理论的低压开关设备故障预测研究*

引入模糊综合评判方法,对低压开关设备进行故障分析,建立了低压开关设备故障模糊预测模型,其中将三角模糊数融入到AHP方法中确定故障预测权重系数,使在确定因素权重过程中的主观判断更符合人们的思维习惯和表达方式。以该方法为基础构建了故障模糊预测专家系统框架,详细介绍了专家系统的总体结构和功能,并通过实例进行仿真实验。结果表明该方法具有较好的预测能力和高效性。     

CLIPS和C#结合实现电力操作票的自动生成

运用专家系统技术是实现电力操作票系统智能推理过程的主要手段,专家系统开发工具CLIPS可实现操作票专家系统模块的设计。为了弥补CLIPS图形界面开发能力的不足,以CLIPS和C#混合编程的方式研究操作票专家系统模块。CLIPS负责操作票专家系统的逻辑推理开发,主要完成CLP知识文件的设计,而C#负责图形界面的设计。C#通过调用免费的CLIPS动态链接库来完成两者的交互,实现了操作票从图形界面操作任务的制定到推理的自动生成过程。该方法较好地解决了操作票系统智能性不足的问题,实现了专家系统与用户界面的友好交互。     

股票价格预测的建模与仿真研究

研究股票价格准确预测问题,由于股票价格数据具非线性、随机性等变化规律,同时股票市场与国内外经济政治变化有关,传统股票价格预测方法只能对其线性变化规律进行准确预测,无法反映股票价格非线性部分进行有效建模,导致股价预测精度不高。为了提高股票价格预测精度,提出了一种遗传优化BP神经网络的股票价格预测模型。充分利用BP神经网络良好的非线性映射能力,对股票价格变化规律进行建模,并通过遗传算法对BP神经网络模型参数进行优化,从而获最优股票价格最优预测模型。实验结果表明,相对于传统股票价格预测模型,遗传算法优化BP神经网络的股票价格预测模型拟合程度更好,预测精度更高,为股票价格预测提供了依据。     

基于灰色关联和BP神经网络的汽车保有量预测

为提高汽车保有量的预测准确性,运用灰色关联分析法,计算分析与汽车保有量相关的主要社会指标,确定汽车保有量的影响因子分别为国民总收入、人均GDP、进出口总额、城镇居民人均可支配收入、钢材产量、公路客运量和社会消费品零售总额。将所确定的因子作为汽车保有量的预测指标,建立基于BP神经网络的汽车保有量预测模型,并对模型进行应用测试。结果表明:BP神经网络模型具有较高的精度,最大相对误差为2.2%,平均相对误差为1.5%。,可为我国汽车保有量的预测研究提供方法支撑。     

A forecasting system for car fuel consumption using a radial basis function neural network

A predictive system for car fuel consumption using a radial basis function (RBF) neural network is proposed in this paper. The proposed work consists of three parts: information acquisition, fuel consumption forecasting algorithm and performance evaluation. Although there are many factors affecting the fuel consumption of a car in a practical drive procedure, in the present system the relevant factors for fuel consumption are simply decided as make of car, engine style, weight of car, vehicle type and transmission system type which are used as input information for the neural network training and fuel consumption forecasting procedure. In fuel consumption forecasting, to verify the effect of the proposed RBF neural network predictive system, an artificial neural network with a back-propagation (BP) neural network is compared with an RBF neural network for car fuel consumption prediction. The prediction results demonstrated the proposed system using the neural network is effective and the performance is satisfactory in terms of fuel consumption prediction.     

基于遗传神经网络的网格资源预测模型

研究网格资源预测问题,网格资源具有非线性、混沌变化特点,传统BP神经网络具有局部极小、收敛速度慢等缺陷,预测精度较低。为提高了网格资源预测精度,提出一种基于遗传神经网络的网格资源预测模型。利用遗传算法对BP神经网络的权值和阈值进行优化,然后采用BP神经网络对网格资源建立预测模型,最后采用网格资源时间序列进行有效性仿真。仿真结果表明,遗传神经网络有效地解决了传统BP神经网络的不足,提高了网格资源的预测精度,降低了预测误差,十分适合于非线性、混沌的网格资源时间序列预测。     

改进神经网络煤矿安全评价模型仿真研究

研究煤矿安全评价准确性问题。煤矿生产安全问题一直是国内外研究的热点,针对传统的安全评价算法难以评价出煤矿安全生产中出现的情况,评价预测准确率低等问题,提出了基于BP神经网络算法煤矿安全评价模型。采用BP神经网络的特点是可以逼近任意的非线性函数,但是BP神经网络并非完美的神经网络,采用遗传算法优化BP神经网络可以克服其缺点,将改进的算法应用于煤矿系统安全评价之中,仿真结果表明,基于改进的BP神经网络煤矿安全评价模型方法有效性和实用性,能够正确评价安全生产状态。     

遗传算法优化BP 神经网络的短时交通流混沌预测

为了提高BP神经网络预测模型对混沌时间序列的预测准确性,提出了一种基于遗传算法优化BP神经网络的改进混沌时间序列预测方法.利用遗传算法优化BP神经网络的权值和阈值,然后训练BP神经网络预测模型以求得最优解,并将该预测方法应用到几个典型混沌时间序列和实测短时交通流时间序列进行有效性验证.仿真结果表明,该方法对典型混沌时间序列和短时交通流具有较好的非线性拟合能力和更高的预测准确性.     

基于模拟退火优化BP神经网络的PH值预测

为自动准确测定水质p H值,采用大量的具有代表性的p H值检测数据为样本,提出了一种基于模拟退火优化BP神经网络的p H值预测方法。利用模拟退火算法优化BP网络的权值,调整优化样本的选取和隐层神经元数,训练BP神经网络预测模型得到最优解。由测试样本对网络进行了预测试验,并与非线性回归的预测结果进行了对比。结果表明,该方法对水质p H值预测具有较好的非线性拟合能力和更高的预测准确性。     

改进PSO优化BP神经网络的混沌时间序列预测

为提高BP神经网络预测模型的预测准确性,提出了一种基于改进粒子群算法优化BP神经网络的混沌时间序列预测方法。引入自适应变异算子对陷入局部最优的粒子进行变异,改进了粒子群算法的寻优性能; 利用改进粒子群算法优化BP神经网络的权值和阈值,训练BP神经网络预测模型求得最优解。将该预测方法应用到几个典型的非线性系统的混沌时间序列进行有效性验证,结果表明了该方法对典型混沌时间序列具有更好的非线性拟合能力和更高的预测准确性。     

小波消噪和神经网络的网络流量混沌预测

网络流量数据中含有大量噪声,对网络流量预测精度产生不利影响,为此,提出一种小波消噪和神经网络相融合的网络流量混沌预测模型。采用小波技术对网络流量数据进行消噪处理,采用关联维数确定BP神经网络输入变量个数,采用BP神经网络建立网络流量预测模型。结果表明,与消噪前比,小波消噪和神经网络模型更能准确刻画网络流量的变化趋势,有效提高了网络流量的预测精度,为非线性预测问题提供了一种新的研究思路。     

粒子群算法优化的BP网络预测软件质量

预测软件质量的技术中,软件建模技术是软件质量评价体系中的关键技术,它可以发现软件中度量数据和软件质量要素之间的非线性关系。BP神经网络能够很好地模拟度量数据和质量要素之间的非线性关系,但是BP网络存在易于陷入局部极小和收敛速度慢的问题,所以提出了用粒子群算法优化BP神经网络,通过优化的BP网络建立软件质量模型,这样能很好地解决BP网络收敛速度慢和局部极小的问题。在实现该进化BP神经网络的基础上,利用28组数据进行实验,并通过与BP模型的结果的比较,验证了该模型。