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。     

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。     

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。     

在WINDOWS下开发钻井液现场服务专家系统MUDADVISOR

ＭＵＤＡＤＶＩＳＯＲ是一个运行并微机上ＷＩＮＤＯＷＳ环境下的实用专家系统，用于钻井液现场技术服务，具有钻井液评价，维护及有关事故诊断，处理和预测等功能，并简要介绍了该系统的特点，总体结构，各模块的功能及运行流程。     

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。     

指挥控制系统的通信网络故障诊断专家系统

在分析指挥控制系统通信网络特点的基础上，采用面向对象的方法和Visual C 6．0程序设计语言开发了一个智能故障诊断专家系统，并对该系统的结构和各模块功能进行了阐述。该系统采用神经网络技术对网络告警数据进行处理，并利用专家系统实现诊断，提高了系统抑制噪声的能力，同时使系统具备了自学习功能。     

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。     

APQP质量模块的研究和设计

在传统的ERP的质量模块中对质量控制的模块的没计仅仅理解为物流过程中的进货检验、过程检验和最终检验等相关的质量检验。而质量检验只是质量控制的最早形式。真正的质量控制应包括质量检验在内的包括产品设计和实现过程的先期策划阶段，即APQP的过程。该对APQP质量模块进行了相关研究，并提出了有关的设计思想，通过对ERP系统的质量模块与APQP、CP、FMEA的整合，使得原有的质量管理模块的外延出现了质的变化，从而使得企业在激烈的竞争当中找到一席之地。     

故障智能诊断系统在通信设备检修中的应用

首先介绍了用于通信设备故障诊断系统的总体框架，说明了各模块的功能及开发策略，然后介绍了该专家系统中知识的获取和表示方法，阐述了模糊推理与规则推理相结合的混合诊断推理方法。     

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。     

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。     

基于DAE-BP神经网络的工业质量预测

BP神经网络因具有良好的非线性拟合能力,在建立预测模型中得到广泛应用。但化工过程数据不仅存在非线性特征,而且难以避免受噪声影响,造成数据波动从而影响预测模型准确性。为此,提出一种降噪自编码器融合反向传播算法（简称为,DAE-BP）的化工过程质量预测方法。首先,采用无监督学习模型降噪自编码器完成初始数据的噪声消除,其具有噪声鲁棒性的特点,在数据受到损坏的情况下可尽可能地恢复数据的原始状态,有利于进一步的质量预测。在此基础上,将获取的数据特征作为有监督学习模型BP神经网络的输入以获得可靠的预测结果。在脱丁烷塔化工过程实例上验证方法有效性。并与单一BP算法、主成分分析(PCA)及自编码器(AE)改进的BP算法作为对照。结果表明,经过DAE改进后的BP算法预测误差为1.2%,相比单一的BP算法提高了3.2%精度,较PCA-BP及AE-BP预测误差精度分别提高了2.3%、1.9%,表现出最好的预测性能。     

基于BP网络模型的非线性预测控制策略研究

提出了一种基于神经网络模型的非线性多步预测控制策略。预测器和控制器由一个BP网络构成。在整个过程中，首先利用一个BP网络构造一个非线性多步预测模型，根据被控对象输出与网络实际输出之间的误差采用改进的BP算法修改网络权值，以逐步建立合理的多步预测模型。然后，根据网络的多步预测输出序列与设定值序列的偏差构造性能指标函数，根据性能指标函数采用自适应变步长梯度法修改控制律。仿真结果表明了该策略的有效性。