改进的WANN预测在库存控制中的应用

研究优化物流管理准确预测需求供应问题,连锁零售企业库存控制预测是供应链管理的难题之一。由于连锁超市单商品需求量波动与库存水平波动较大,影响准确预测。为了需求趋势的准确预测,提出了一种应用改进的小波神经网络算法进行预测单商品需求量的方法,解决以往统计学预测方法和简单神经网络预测方法不能解决的对销售畸点影响需求量准确预测的难点。同时改进的WANN算法与BP算法做了对比,证明了改进后网络对需求量预测的有效性和精确性,并在连锁零售企业中的应用将节约企业大量人力与财力,对企业控制成本有着重要意义。     

改进的GPC在网络控制系统时延问题中的应用

针对网络控制系统的时延具有随机、时变的特性,常会出现控制效果不理想的问题提出了动态BP网络误差修正的广义预测控制.在BP神经网络中加入误差动态反馈环节,形成动态补偿的神经网络模型,通过动态BP网络建立误差的预测模型,采用误差预测值对传统广义预测控制的输出预测值进行修正.仿真结果表明,将算法应用到时延网络控制系统当中能取得较好的控制效果.     

基于改进BP神经网络的煤与瓦斯突出预测系统

针对传统BP神经网络收敛速度慢、易陷入局部极小等问题,采用Matlab神经网络工具箱中的自适应学习率VLBP算法和基于数值优化技术的LMBP算法对传统BP神经网络算法进行改进,并设计了基于改进BP神经网络的煤与瓦斯突出预测系统;分别采用传统BP神经网络模型和改进的BP神经网络模型进行煤与瓦斯突出预测实验,结果表明改进的BP神经网络能够更快、更准确地预测煤与瓦斯突出。     

嵌入式智能控制系统在水处理中的应用

本论文采用智能控制算法来改进投药控制系统,用PSO算法改进BP神经网络,实现最佳投药量控制.并将智能算法用于嵌入式控制系统,将其作为一个加药站点置于工业以太网上的任何位置,可以很方便的对加药进行控制.     

基于神经网络的多传感器融合技术研究

研究了基于神经网络的多传感器融合技术,并将其应用于自主吸尘机器人中.给出了神经网络传感器融合技术的基本原理,探索了改进的BP信息融合算法,使得改进后的算法在收敛速度上得到了很大的改善;介绍了传感器的监测系统和传感器特征的选择,构建了BP算法模型,并进行了仿真,得到了良好的实验结果.     

基于改进布谷鸟优化BP神经网络控制环境参量研究

封闭式室内环境参量对人工软骨材料的研制至关重要,传统神经网络模型难以实现对封闭环境参量的有效控制.论文采用改进的布谷鸟算法优化BP神经网络模型作为控制算法,采用STM32F429单片机作为核心单元和采用PM11-R-3L位置传感器作为本次实验的重要硬件.结果表明,采用改进布谷鸟算法优化BP神经网络模型,其控制效果比传统BP神经网络对封闭式室内环境参量的效果更好,并且提高了控制系统的稳定性和鲁棒性.     

改进ACO优化的BP神经网络短时交通流量预测

针对BP神经网络算法收敛速度缓慢、易陷入局部最小值、在短时交通流量预测的问题中精度不高等问题,提出了一种改进ACO(蚁群算法)优化的BP神经网络短时交通流量预测算法.在确定BP神经网络权阈值的过程中,采用蚁群信息素挥发自适应参数、在蚁群信息素更新时采用精英选择策略和种群更新时加入变异因子的方法来得到最优权阈值.仿真结果表明,改进算法在预测流量趋势和准确度方面均有较大提升,在短时交通流量预测方面取得了良好的效果.     

飞控系统传感器故障诊断的神经网络方法研究

BP神经网络对于飞行控制系统传感器故障诊断是一种有效的故障模式识别方法;在标准BP神经网络的基础上,提出了一种新的BP改进算法——自适应FMBP算法(SAFMBP),用以消除标准BP网络收敛速度慢及易陷入局部极小等缺点,并且建立了飞行控制系统仿真模型和传感器常见故障模型,采用基于神经网络模式分类的故障诊断方法,应用改进的BP神经网络(SAFMBP)进行飞控系统传感器的故障诊断,最后给出了仿真诊断实例。     

改进粒子群优化BP神经网络粮食产量预测模型

综合考虑影响粮食产量的多种因素,运用改进的粒子群算法优化BP神经网络的初始权重,建立了适合小样本粮食产量的预测模型.实验表明,与BP神经网络粮食预测模型和PSO-BP神经网络粮食预测模型相比,该模型具有更高的预测精度和较大的适应度.     

基于粒子群优化算法与BP神经网络的高铁客运量预测算法

本次通过基于粒子群优化算法与BP神经网络相结合的方式对高铁客运量进而预测,利用粒子群优化算法对BP神经网络进行优化与训练,通过经过改进的BP神经网络对高铁客运量进行预测.经实验研究发现,本次研究所提出的预测算法比常规BP神经网络模型预测精度更高,在样本数据量较少的情况下有明显的应用优势.