基于果蝇优化广义回归神经网络的径流预测

针对水文径流的不确定性特点,提出一种新的径流预测模型。该模型在广义回归神经网络的基础上,采用了果蝇优化算法。通过该模型对四川省万源市后河径流进行了预测,结果显示改进后的模型预测精度明显提高。     

基于改进广义回归神经网络的网络安全态势预测

针对网络安全态势精确预测,提出一种基于改进广义回归神经网络的预测方法,以改善网络安全态势预测精度.利用滑动时间窗口方法将各个离散时间监测点的网络安全态势值构造成部分线性相关的多元回归数据序列,以其做为样本集输入到改进广义回归神经网络加以训练,进而得到网络安全态势预测模型.在改进广义回归神经网络训练过程中,利用粒子群算法...     

广义回归神经网络在煤灰熔点预测中的应用

为了提高估算煤灰熔点的精度,采用广义回归神经网络(GRNN)对求解煤灰熔点问题进行了建模.将煤灰组分作为网络输入,煤灰软化温度作为网络输出,采用实验数据训练网络,训练完成的网络作为模型预测煤灰熔点.仿真结果表明,GRNN的预测值与实验值的最大相对误差为2.81%,而反向传播神经网络(BPNN)预测煤灰熔点的相对误差为3.62%.由于GRNN可应用于小样本问题的学习,GRNN比BPNN对煤灰熔点具有更好的预测和泛化能力.GRNN具有设计简单与收敛快的优点,并提高了实时处理与反映最新运行工况参数的预测能力.     

广义回归神经网络的改进及在交通预测中的应用

本研究基于k近邻的方法通过网络性能评价指标来对平滑因子进行选择确定。通过k近邻法找出使得网络性能评价最好的平滑因子,不再仅依赖于一个均方误差数值,而根据均方误差组的排序来选择最优的平滑因子。该算法能够在保持较好的预测效果的前提下解决因数据波动性大而最终得不到最优平滑因子的难题。通过预测交通数据的实验验证了算法的有效性。结果表明通过k近邻方法得到的最优平滑因子会使网络预测误差降至最小。     

基于广义预测的非线性神经网络控制器

广义预测控制(GPC)是针对线性系统提出的一种控制方法,而神经网络具有对一般非线性函数的逼近能力。首先介绍基于GPC的神经网络控制系统的组成,进而提出采用两层线性神经网络构造预测器,采用E lamn型动态递归网络构造控制器,从而实现对非线性对象的快速控制,仿真结果说明了该算法的有效性。     

不同空间插值方法对圩畈土壤属性空间预测精度的影响

选择适合区域土壤属性特征的空间插值方法是揭示土壤有机质空间分异的基础。以皖苏两省四市(南京市、芜湖市、马鞍山市、宣城市)交界处,宣城市宣州区水阳镇为例,采用随机抽样的方法,从403个土壤采样点中随机抽样选出100个样点作为验证样点,剩下303个样点作为样本点子集,采用普通克里格(OK)、反距离加权法(IDW)、局部多项式(LP)和径向基函数(RBF)插值法对样本点进行空间插值分析,并通过独立验证和交叉验证对研究区土壤有机质的空间变异和布局进行解析和精度评定。结果表明:普通克里格、反距离加权法、局部多项式和径向基函数插值法对宣州区水阳镇的土壤有机质的预测精度相差不显著。其中,普通克里格插值的预测精度最好,局部多项式和径向基函数法插值的精度次之,反距离权重插值的精度最差。     

广义回归神经网络技术在新油田快速评价中的应用

新油田的动态和静态资料较少,油藏认识程度低,开发指标预测难度大。提出运用广义回归神经网络技术进行非线性优化回归,通过对比相似油田开发模式和开发效果,快速评价及预测新油田的开发方式和开采指标。以处于前期研究阶段的某油田为例,运用此方法进行指标预测,计算结果符合实际情况。     

基于神经网络的城镇在岗职工平均工资预测

由于在岗职工的平均工资不仅能反映人民的生活水平,也是企业退休职工的养老金、社保基金收缴比例以及个税征收比例等主要指标的参考标准,因此对其进行预测就显得尤为重要。为了提高在岗职工平均工资的预测精度,文中分别采用了BP神经网络和广义回归神经网络(GRNN)的方法,利用Matlab2010a对城镇在岗职工的平均工资进行模拟和预测。其中,用BP神经网络预测出的平均工资与实际值十分接近,相对误差能控制到2%以内,因此,利用BP神经网络对平均工资进行预测是可行的。     

应用广义回归神经网络预测油井含水率

提出一种广义回归神经网络模型(GRNN)预测油井含水率模型,该模型利用不同阶段油井累计注水量和累计产油量,模型简单且具有实用性.相对于拟合模型,应用GRNN模型预测结果精度更高,且可避免新增样本数据后需要重新预测的问题.而相比于BP神经网络,GRNN模型预测结果更加快捷和准确.     

基于广义回归神经网络的职业性向分析

对在校大学生进行霍兰德职业性向测评,利用模糊聚类对测评数据进行初步归类,应用广义回归神经网络（GRNN）迭代训练建立分类模型,将主客观测评数据对应的分类结果进行比对获取吻合率,为大学生的就业指导提供参考.     

广义CMAC神经网络及在空燃比控制中的应用

将广义CMAC神经网络及快速学习算法应用于发动机瞬态空然比控制中,并考虑喷油过程的非线性特性,与采用基本CMAC控制的文献[7]相比较,在相同条件下的仿真表明瞬态空然比的控制精度明显提高。     

基于炉区分段的BP神经网络钢坯温度预测

利用神经网络可以逼近任意非线性系统的特点,建立加热炉内钢坯温度预报模型。由于钢坯的边界热流系数和热传导系数、比热、重度等物理参数都是随温度变化的函数,所以,按加热炉的分区采用多个BP神经网络进行分段预测,以适应钢坯的物理参数的变化。仿真结果表明:所建模型简单,精度高,能满足工程实际需要。     

用多模神经网络预测蛋白质二级结构

提出了一个由7个BP神经网络组合成的多模神经网络的预测模型,同时给多模神经网络引进了较多的生物进化信息(Evolutionary information),即一方面引入了“profile”编码,这种编码被认为携带了较多的生物信息;另一方面引入了氨基酸之间的“距离”概念．它体现了输入层临近氨基酸的相互联系和影响．对从36个蛋白质提取的4000个氨基酸的进行了预测研究．结果表明,与文献[1]的预测结果相比,本文的多模神经网络把蛋白质二级结构预测的平均精度从66．1502％提高到68．8903％．     

神经网络在人口自然增长率预测中的应用

人口自然增长率是制定人口政策时一个重要的参考指标.本文应用神经网络的方法找出了适合在一个长时期内进行人口自然增长率预测的方法,与线性回归相比具有较高的精度,对人口政策的制定具有一定的参考价值.     

基于遗传算法和神经网络的因素分析

提出了一种基于遗传算法 (GeneticAlgorithm)和通用神经网络 (GeneralizedRegressNeuralNetwork)的因素分析法———GA GRNN因素分析法。从理论和实验两方面分析了该方法的原理、可行性和实际效果。     

基于神经网络的多目标权重计算方法探讨

探讨基于神经网络的多目标权重分配计算方法，阐述其数学原理及算法，并结合实例说明其应用。     

基于模糊神经网络的冷冻水泵变频调速研究

本文通过系统地分析模糊控制和神经网络控制系统的结构、算法等问题,探讨了把模糊控制和神经网络控制技术结合起来的理论与实现,用神经网络的层和节点分别对应模糊系统的各个部分,将模糊控制规则和隶属函数隐含地分布在整个网络中,用神经网络实现模糊推理,以神经网络的在线自学习能力实现模糊控制规则的改变。设计了模糊神经网络,并应用到冷冻水泵变频调控制系统中,实现了水泵电机的转速智能控制。     

基于混沌机制的神经网络预测控制及仿真研究

为解决一大类未知、时滞、非线性系统的预测控制问题,提出了一种基于改进的El-man动态回归神经网络预测控制算法.首先,在一般的Elman动态回归神经网络算法中加入了混沌机制,利用混沌机制固有的全局游动有效地消除了Elman网络易陷入局部极值的缺点,提高了系统的辨识速度;然后,结合广义预测控制(GPC)的反馈校正、滚动优化来完成非线性系统的预测控制.仿真结果表明:将本算法应用于非线性系统预测控制,对未建模动态具有较强的鲁棒性和良好的控制跟踪能力.     

基于混沌机制的神经网络预测控制及仿真研究

为解决一大类未知、时滞、非线性系统的预测控制问题,提出了一种基于改进的Elman动态回归神经网络预测控制算法．首先,在一般的Elman动态回归神经网络算法中加入了混沌机制,利用混沌机制固有的全局游动有效地消除了Elman网络易陷入局部极值的缺点,提高了系统的辨识速度;然后,结合广义预测控制（GPC）的反馈校正、滚动优化来完成非线性系统的预测控制．仿真结果表明：将本算法应用于非线性系统预测控制,对未建模动态具有较强的鲁棒性和良好的控制跟踪能力。     

基于QGA优化的BP神经网络的大坝渗流预报模型

针对BP神经网络的过拟合和收敛速度慢等问题,基于量子遗传算法（QGA）对网络初始权值、阀值进行优化,结合某电站实测资料建立了大坝渗流预报模型,通过对模型实例的比较,验证了模型的优越性．该模型在实际工程应用中有一定借鉴意义．