多层前馈神经网络中改进BP算法的研究

首先给出了多层前馈神经网络中的ＢＰ算法,针对实时监测和诊断领域中对收敛速度和精度的较高要求,提出了一种面向诊断的自适应ＢＰ算法,仿真结果表明,该方法既能有效地减小振荡,又能提高收敛的精度和速度。     

基于改进BP神经网络模型的电力工业可持续发展综合评价研究

利用附加动量法和自适应学习速率,对传统的BP神经网络算法进行了改进,建立了基于改进BP神经网络的多指标综合评价模型,并将其应用到北京市电力工业可持续发展综合评价研究中去。改进后的神经网络评价模型,大大减少了学习次数,有效防止了网络陷入局部极小值;摆脱了评价过程中人为因素及模糊随机性的影响,同时能保证评价结果的准确性,是一种智能的评价方法。实例运算得出令人满意的评价结果,证明了这种方法的有效性。     

模糊综合评价在建设工程施工招标评标中的应用研究

分析了建设工程施工招标评标的基本原则和评价指标,探讨了模糊综合评价方法在建设工程施工招标评标中的应用,为施工招标评标提出了一种新方法     

多因素模糊层次综合评判决策模型及其应用

通过对建筑工程招标评标的系统分析，建立了评价指标体系，运用系统工程知识和模糊分析设计方法，建立了多因素模糊层次综合评判决策模型，利用模糊综合评判的方法进行建筑工程招标评标定标，能够很好地处理类似模糊决策的问题，它不仅充分发挥了评标专家的作用，还尽可能地减少了个人主观臆断所带来的危害，为合理进行评标决策提供了科学依据。     

BP神经网络在上市公司综合评价中的应用

分析了多目标综合评价的特点，提出了一种基于BP神经网络的上市公司综合评价方法，以高科技板块为例，在对该板块上市公司财务指标的原始数据进行无量纲化处理后，用经过训练的BP神经网络对其进行综合评价，得出较满意的综合评价结果。     

汉江水质综合评价的BP网络方法

以往的水质综合评价因子权重的确定方法使得评价结果带有较强的主观性,神经网络方法则可以有效排除主观因素的干扰.构造了一个多因子水质综合评价的3层BP网络模型,以生化耗氧量、氨氮和总磷为评价因子,对汉江武汉段水质的富营养化状况进行了评价.结果表明,该方法评价结果更为客观,符合实际情况.     

综合评价中指标权重确定方法的研究

介绍了一种确定指标权笪的方法－－综合分析法，它克服了一些常用方法如ＡＨＰ法、主成分分析法和灰关联法在确定指标权重中所存在的面性，使指标体系能全面客观的反映被评价对象，并用实例说明了该方法的具体应用。     

基于改进AHP-FCE模型的多指标拟态表决算法

为了提高拟态防御中表决的准确性,提出了一种基于改进层次分析-模糊综合评价（AHP-FCE）模型的多指标拟态表决算法.针对传统AHP-FCE模型中判断矩阵一致性检验的缺点,对判断矩阵的构造方法进行了改进,构造具有一致性的判断矩阵,无须一致性校验和调整.基于该改进模型,综合分析了拟态表决中的一致度、历史置信度、异构度指标,将拟态表决转化为模糊评价过程.仿真结果表明,与一致表决相比,该算法能有效提高表决的正确率,提升拟态系统的整体安全性能.     

一种基于AHP和模糊理论的多方案综合评价方法

AHP将定性分析和定量分析有效结合，是解决多规则决策问题的一个强有力的工具。但在多方案评价问题中，由于判断矩阵的一致性检验难以通过，AHP不适于求取各方案的权重值。因此，提出了一种基于AHP和模糊理论的多方案综合评价方法。该方法采用AHP求取各层次指标的权重，采用模糊方法确定各方案的属性值，最后归并获得评价结果。并结合具体实例，在Matlab环境下对该方法在供应商的选择和评价展开了应用研究。事实表明，该方法不仅可以公平合理地获得评价结果，而且在实际应用中切实可行。     

基于人工神经网络的地价评估系统

传统的地价评估方法,没有充分利用土地定级的资料,作为人工神经网络评估地产价格的方法则能解决这一问题.应用人工神经网络评估地价,不需要给出具体的数学模型,它根据已有的土地资料进行网络学习,自动映射出地价与各影响因素之间的非线性关系,因此,人工神经网络系统具有传统方法所不能比拟的优越性.     

神经网络建模在工程项目评标中的应用

评标是工程项目招标程序中极为重要的环节，利用BP神经网络的自学习、自适应和非线性逼近能力，研究了BP神经网络用于工程项目评标的原理与步骤，建立了评价指标体系，在此基础上构造了基于BP神经网络的工程项目评标模型，并以收集到的样本为例，对该模型进行了实证研究，表明了该方法的有效性。     

基于BP神经网络的工程项目风险评价

工程项目风险评价是工程项目管理的一个重要环节,将神经网络理论引入工程项目风险评价,建立了工程项目风险评价的BP神经网络模型,并通过实例对模型进行了验证。     

基于神经网络的NURBS曲线插补改进研究

本文介绍了NURBS曲线的插补特点,针对复杂曲线在NURBS曲线插补中求导误差大、计算复杂等问题,应用BP神经网络进行NURBS曲线插补方法的优化。然后通过实例验证,表明了使用该方法可以满足所要求的插补精度,而且由于插补前先进行了参数u的预估,插补速率得以提高。     

应力状态下混凝土碳化深度的神经网络预测

为计算应力状态下预应力混凝土在一定条件下的碳化深度,将混凝土应力水平取为影响碳化速度的参数.在已有试验结果的基础上,分别建立了预应力混凝土碳化深度实用计算模型,以及BP网络、径向基函数(RBF)网络和广义回归(GRNN)网络的三个神经网络预测模型,并通过实例将碳化深度试验值、实用公式计算值及神经网络预测值进行了比较分析.结果表明:考虑混凝土应力水平对碳化深度的影响是合理的,试验回归得到的实用碳化模型计算误差在9%以内;同时,所建立的BP、RBF以及GRNN网络模型均具有较高的计算精度以及良好的泛化能力,仿真和预测误差基本上在5%和4%以内,均低于实用计算模型的误差值.由此可见,所建神经网络模型的仿真及预测结果是理想的,可同时考虑各种影响因素组合、行之有效的混凝土碳化深度预测方法.     

基于神经网络的PMLSM建模

永磁直线同步电动机 (PMLSM)是直线电机驱动的垂直运输系统的核心 ,它的模型的建立对于整个系统的控制与运行分析具有重要的意义 .利用BP算法 ,用C语言编制程序 ,实现了一个单输入层单输出层 4隐含层的神经网络 ,并用实验数据对网络学习训练 ,建立了PMLSM的模型 .通过实验验证 ,该模型的输出结果与实际结果十分接近 ,能够反映PMLSM的基本运动特性 ,因此这种模型可以作为PMLSM的仿真模型进行控制和运行特性的仿真研究 ,并且在进行控制时可以把这种模型作为系统的辩识模型进行预测控制 ,使控制效果更好 .这种模型的建立将为PMLSM的研究开辟出一条新路     

基于NN的一类非线性系统模型研究

针对惯导平台系统漂移误差高阶非线性动态系统的特点,利用神经网络任意逼近能力和自适应抽取系统动态信息的能力,提出基于神经网络(NN)的建模.首先建立惯导平台漂移误差模型,然后通过BP算法训练网络模型,系统获得了较为满意的模型辩识结果.     

基于BP神经网络的变压器故障诊断及其应用

针对电力变压器故障的特点以及传统故障诊断方法在变压器诊断应用中的局限性,研究一种基于BP神经网络算法的变压器故障诊断方法．通过选择足够的故障样本训练神经网络,达到变压器故障诊断的要求,并通过实例证明本算法的有效性．     

基于BP神经网络和TOC的工程造价预控研究

为了有效控制工程造价,使建设投资确定,运用BP神经网络对工程造价进行预测,以预测结果对工程量清单计价模式进行优化,再以优化的工程量清单计价模式为计价依据,通过TOC理论对工程造价进行控制.以六条高速公路为样本数据,其中一条为检测数据,运用BP神经网络仿真,建立仿真模型.通过十三次迭代,模型顺利拟合,并且代人样本检测数据的输出结果与实际吻合.再以检测数据的输出结果为依据对这条高速公路进行TOC理论优化,最终相比优化前工程决算总额减少了2 072.6万元,降低了1%.