自构型神经网络的设计

运用人工神经网络的ＢＰ理论,设计并构造了一种自适应应适应变步长构型神经网络,通过大量的数据分析及网络训练,给出了权值修正的具体公式及变步长与误差超曲面形状的关系,提出了变步长加快学习收敛速度的一种直观解释。     

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．     

四种水质综合评价方法的比较

将人工神经网络技术运用于水质评价,建立了地面水环境质量综合评价的ＢＰ网络模型和Ｈｏｐｆｉｅｌｄ网络模型,并与水质综合评价方法中经典的模糊综合指数法和灰色聚类法进行了比较,结果表明,ＢＰ网络是四种方法中的首选。     

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。     

神经网络法在单桩竖向极限承载力估算中的应用

阐述了人工神经网络ＢＰ算法。基于Ａｂｕ Ｋｉｅｆａ列举的试桩资料。运用ＢＰ网络估算了桩竖向极限承载力，结果表明该方法是可行的。     

地震多参数BP人工神经网络自动识别小断层

依据小断层地震波运动学和动力学特征，提取了时间域互相关系数、极大方差范数及最大振幅值，频率域主频，频带宽度和主频带能量共６个参数．选取２０组学习样本，利用３层ＢＰ（ＢａｃｋＰｒｏｐａｇａｔｉｏｎ）人工神经网络模型，采用误差逆传播算法，训练ＢＰ人工神经网络，用训练好的ＢＰ网络自动识别小断层．经实例试算，证明该方法可行，精度高．     

BP神经网络训练的函数变步长搜索调整法

通过深入分析了ＢＰ神经网络的步长调整，采用函数变步长搜索法来提高网络的学习速度，提出一种新的改进的ＢＰ算法，该算法在速度和收敛性方面比传统ＢＰ算法优越。     

基于人工神经网络的智能型自适应保护──(Ⅰ)原理和模型结构

介绍了一种基于人工神经网络的智能型自适应继电保护原理其基本思想是利用了比传统保护多得多的信息量它比传统保护能区分更多的故障类型,提高了继电保护的适用范围,如从原理上解决了经高阻抗的短路故障保护问题．本保护的人工神经网络由３个子网络组成：先采用第一个三层ＢＰ网络对输电线路一侧的电流、电压信号进行前置处理,得到其特征量（各次谐波的幅值）;然后,在不同运行工况和不同类型的区内外故障时,再把特征量输入第二个三层ＢＰ网络,以判别区内外故障;第三个ＢＰ网络用于故障相判别．     

新型BP网络用于非线性化学体系的研究

提出了一种杂化ＢＰ网络模型及新型变步长算法，使常规ＢＰ算法的收敛平稳性及收敛速度获得了改善，对两类非线性化学体系的实例研究表明该网络较多元线性回归及常规ＢＰ网络具有更好的学习与预测效果。     

液液旋流油水分离器的神经网络模型

采用人工神经网络方法,建立了液液旋流油水分离器的ＢＰ网络模型,该模型能根据物性参数比较准确地预测旋流油水分离器的结构参数和操作参数。     

基于GPS浮动车的路段行程时间估计方法比较

以长春市局部路网的地理信息为基础,运用实测GPS数据分别对基于GPS浮动车的路段行程时间的直接估计方法与间接估计方法进行编程实现和测试分析,并且依据所得路段行程时间数据对比分析了两种方法各自的特点及适用范围。结果表明,两种方法适用范围的差别比较明显。     

基于网络变结构优化的大型活动交通拥堵预防方法

为了降低道路交通拥堵发生的风险和应对成本,基于网络变结构基础模型,提出适应大型活动拥堵预防的中微观层面的网络变结构优化方法和流程. 分别建立路段和交叉口变结构模型,以复合饱和度最小为路段变结构的优化目标,以进口各相位流量比之和最小为交叉口变结构的优化目标. 结合大型活动交通运行和拥堵演化特征,提出网络变结构关键路段的概念及识别原则,设定受影响路段双向交通重要度权重,将交叉口变结构作为路段变结构的连带、辅助策略,研究优化模型的解法,并以北京首都体育馆一次大型活动散场交通为案例,对提出方法进行实证研究. 结果表明,在研究范围内实施变结构优化可以预防活动诱增交通引发的拥堵,有利于解决严重的交通方向不均衡问题,各相关路段复合饱和度改善比例均超过10%,表明所提方法能有效调节网络交通供需的短时结构性不匹配,在现有条件下优化交通基础设施存量而避免增量造成的资源浪费,是以精细化管控为导向的方法.     

一种Ad Hoc网络可生存性度量方法

网络可生存性是一种描述网络安全的有效工具,在网络体系结构设计和路由策略等领域得到了广泛的应用.对于Ad Hoc网络拓扑结构易变化的特点,以韧性度能很好刻画网络脆弱性为基础,提出了一种基于韧性度的Ad Hoc网络可生存性度量方法.该方法针对同一时刻有多种拓扑结构且每种拓扑结构以一定概率出现的AdHoc网络,应用韧性度函数...     

单变量驱动参数摄动混沌同步方法

基于参数摄动混沌同步条件,结合反馈控制和自适应控制方法,提出了一种系统参数摄动的单变量驱动混沌同步的新方法。该方法无需参数辨识且无需知道全部驱动变量即可实现混沌同步,从而大大减少了混沌同步的约束条件。以Lorenz系统族作为研究对象,分析了系统达到同步时的充分条件,并通过理论加以证明。将该方法应用于统一混沌系统,数值仿真表明了该方法的有效性与可行性。     

Variable cluster analysis method for building neural network model

To address the problems that input variables should be reduced as much as possible and explain output variables fully in building neural network model of complicated system, a variable selection method based on cluster analysis was investigated. Similarity coefficient which describes the mutual relation of variables was defined. The methods of the highest contribution rate, part replacing whole and variable replacement are put forwarded and de-duced by information theory. The software of tbe neural network based on cluster analysis, whicb can provide many kinds of metbods for defining variable similarity coefficient, clustering system variable and evaluating variable clus-ter, was developed and applied to build neural network forecast model of cement clinker quality. Tile results show that all the network scale, training time and prediction accuracy are perfect. The practical application demonstrates that the method of selecting variables for neural network is feasible and effective.     

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.     

基于改进动态递归神经网络的交通量短时预测方法

针对已有基于改进动态递归神经网络预测方法的不足,并充分考虑交通流本身所存在的复杂性、非线性和不确定性特点,提出了一种基于可变增益Elman神经网络的交通量短时预测方法。该方法通过引入一个基于实时误差分析的可变增益因子,实现了网络的实时更新。通过长春市人民大街的实测数据对方法进行了验证。试验结果表明,本文方法在网络收敛时间和预测精度方面均优于已有的基于Elman神经网络的预测模型。     

基于BP神经网络的PID变桨距风电机组控制

针对变速变距型风力发电机组的液压驱动式变距执行机构，提出基于BP神经网络的PID变桨距控制方法，以解决变桨距机构的非线性、参数时变性、抗干扰、滞后性控制问题.分析了三种不同工况下的液压油路变化、数学模型和参数变化，阐述了BP神经网络的PID控制算法，并根据7.5 kW变速恒频试验机组液压变距机构设计数据进行仿真结果比较、分析.     

水轮机调节系统的神经网络控制

设计了一个三层ＢＰ神经网络,对有功功率反馈参与控制的水轮机调节系统,以其典型工况下的最优ＰＩＤ系数作为训练样本,对所设计的ＢＰ神经网络进行离线训练,进而构成一个基于ＢＰ神经网络的变参数ＰＩＤ控制器;利用ＢＰ神经网络的函数逼近能力来实现ＰＩＤ控制器在线调整,以达到优化控制的目的。对简单电力系统的仿真结果表明,这种控制器与常规ＰＩＤ控制器相比可以取得较好的控制效果,是实现水轮机调节系统自适应控制的一种可行的方法。     

基于工艺流程的零件成组方法及其实现

提出了基于遗传算法和BP网络的零件成组方法.首先,建立零件聚类的数学模型,给出了一种基于遗传算法的求解方法,使用整数编码构造的染色体和合适的遗传算子来满足聚类模型复杂约束的要求,并利用VC编程实现该算法.其次,将一批已聚类成组的零件作为训练样本,利用Matlab中神经网络的工具箱对BP网络进行训练,通过训练后的网络对新的零件进行仿真,从而实现新零件的匹配.最后通过实例证实了该方法的可行性和优越性.