基于RBF神经网络的金属应力状态系数模型

以4200 mm轧机轧制71块钢板的实测数据为基础,利用Matlab人工神经网络工具箱,建立了轧制变形区的应力状态系数的RBF神经网络预测模型.通过分析应力状态系数的影响因素,结合传统的数学模型,确立了网络的输入层参数,并对函数newrb()中宽度系数spread的试验调整,确定了最佳的网络结构形式,提高了模型的预测精度以及网络的泛化能力.测试结果表明,RBF网络模型具有很好的推广能力.与传统的BP神经网络模型相比较,结果表明,RBF网络具有更高的精度和更好的泛化能力.     

BP神经网络和RBF神经网络模型对图书流通量的预测分析

图书流通量是评价图书馆工作的重要指标.为解决图书流通量预测问题,引入BP和RBF神经网络预测模型.结合北京建筑工程学院图书馆2002年至2010年建筑类图书的流通数据进行了matlab仿真,结果表明,两种模型都能有效预测图书的流通量.     

基于RBF神经网络的交通生成预测模型

针对交通生成预测中传统集计预测模型缺少行为基础这一重要数据源,以及普通离散模型建立对数学推导依赖性高和预测中存在多个预测值,导致预测结果精度不理想的问题,建立了基于RBF神经网络的交通生成预测模型,该模型将以行为基础为前提的离散数据作为数据源,模型的建立不需要进行数学推导,利用输入和输出数据自动建立,再结合RBF神经网络收敛速度快和具有唯一最佳逼近点的特点,对交通生成进行预测。通过实例进行仿真和分析,结果表明,该模型最终获得的交通生成预测结果与实际值误差在允许范围内,RBF神经网络交通生成预测效果好,能在实际中应用。     

基于RBF神经网络的青霉素发酵过程的模型辨识

分析了目前青霉素发酵过程中存在的问题．基于RBF神经网络的辨识方法，建立了青霉素发酵过程模型．以动力学模型为基础产生教师数据，采用遗传算法对网络进行训练，建立了基于RBF神经网络的发酵过程模型，并进行了仿真实验验证．实验结果表明，该辨识模型对青霉素补料分批培养过程具有实用价值．     

基于改进Kriging代理模型的土质边坡稳定可靠度分析方法

提高土质边坡稳定可靠度计算的精度和效率对工程设计具有重要的意义,为此提出了基于改进Kriging代理模型的土质边坡稳定可靠度分析方法。首先采用基于模拟退火的粒子群算法优化Kriging模型相关参数,并以一典型算例验证了该模型的良好函数拟合能力。接着将改进的Kriging模型作为边坡极限状态函数的代理,通过拉丁超立方抽样获得样本点,并由有限差分强度折减法计算样本点对应的响应值,利用基于熵理论的学习函数逐步更新代理模型,直至达到精度要求,进而基于该模型通过蒙特卡洛模拟评估边坡失效概率。最后,以一双层土质边坡问题为例,研究了所提方法的有效性。结果表明:所提方法不仅能够逐步提高计算精度,且极大地降低了计算量,为复杂边坡稳定可靠度问题提供了一种高效的评估方法。     

基于RBF神经网络的水处理模型辨识方法

目的使用RBF（径向基函数）神经网络辨识臭氧氧化、生物活性炭水处理过程的机理模型．方法在一定原水CODM条件下,分析臭氧投量和生物活性炭塔停留时间对出水CODM的影响作用,建立神经网络模型．结果仿真结果表明改进自组织算法能够合理配置RBF网络中心点集,神经网络模型输出能够有效逼近实验数据样本．结论RBF神经网络模型能够准确描述臭氧氧化、生物活性炭水处理过程中的参数关系,为水处理过程的深入研究提供了新途径．     

基于BP和RBF神经网络的煤与瓦斯突出模型研究

煤与瓦斯突出是一种复杂的非线性地质危害,建立适当的多指标非线性模型是预测的重点.通过采用两个均具有非线性、自主学习、自组织以及并行处理能力的BP及RBF人工神经网络,分别对煤与瓦斯的突出预测问题进行了建模比较.通过对山西某煤矿的实测数据在MATLAB环境下进行了仿真研究及测试,研究了两者在预测准确度和收敛速度方面的区别.仿真结果表明:RBF神经网络预测结果更快速且准确可靠,在煤与瓦斯突出预测方面具有实际应用价值.     

基于主动学习Kriging模型的地下管线抗震可靠度分析

为提升地下承插式接口铸铁管线抗震可靠度的计算效率,提出基于主动学习Kriging代理模型的Monte Carlo模拟方法(AK-MCS)进行地下管线抗震可靠度计算.采用梁单元模拟管线结构,均布弹簧反映管土相互作用,接口弹簧模拟邻接管道约束作用,建立了地下管线地震响应分析模型;考虑管线接口允许位移、管线埋深、土体容重和内...     

云模型RBF神经网络的数据中心温度预测

数据中心温度预测在提高能量利用效率、降低机房空调耗电量方面具有重要意义。RBF神经网络广泛用于温度预测领域,考虑到传统RBF神经网络无法对影响温度的众多因子进行确定和选择,本文提出了一种将云模型和RBF神经网络结合的新模型。通过高维云变换确定RBF隐含层神经元,使RBF神经网络充分表达影响温度各因子的不确定性,进一步优化RBF神经网络结构。实验结果表明,该模型能较好地实现对数据中心温度的预测。     

基于RBF神经网络的语音情感识别

介绍了径向基函数神经网络的原理、训练算法,并建立了RBF神经网络的语音情感识别的模型。在实验中比较了BP神经网络与RBF神经网络分别用于语音情感识别识别率,RBF神经网络的平均识别率高于BP神经网络3%。结果表明,基于RBF神经网络的语音情感识别方法的有效性。     

基于径向基函数的混合神经网络模型研究

随着系统复杂程度的增加，构造一个径向基函数神经网络（RBFNN）所需样本及训练时间都急剧增加，得到的复杂网络往往不能完全揭示问题的层次和结构。采用“分而治之”的思想，提出了一种基于RBF的混合网络模型，通过最短距离均匀聚类方法划分样本空间，构造合适的子样本集和子网络模型对网络进行训练，与采用正交最小二乘法的单独RBF网络在结构、训练时间、泛化能力上做了对比。结果表明其时间复杂度有显著降低，网络的泛化能力与精度比全局RBFNN有明显提高。整个网络模型具有良好的扩展性和应用前景，适合于大样本神经网络的建模和训练问题。     

RBF神经网络非对称损失改进及应用

针对应用RBF（Radial Basis Function）神经网络信用评分中存在的第Ⅰ类错误率高的问题,提出了基于Linex损失下RBF神经网络分类方法,并给出了UCI（University of California Irvine）中德国信用评分数据集上的测试结果。实验结果表明,该方法能有效解决传统RBF神经网络信用评分中存在的问题。     

RBF神经网络在入侵检测中的应用

针对RBF神经网络构造的关键,利用聚类方法给出了径向基网络中心的选择算法,并将其应用于入侵检测研究.实验采用KDD99数据集进行测试,结果表明,该方法具有较快的收敛速度和分类能力,在入侵检测中获得较高的检测性能,具有良好的应用前景.     

基于RBF网络的模型参考自适应控制

针对一类非线性动态系统给出了一种基于RBF(径向基函数)神经网络的模型参考自适应控制算法,控制器的结构中使用RBF网络来动态的补偿系统的非线性性。基于Lyapnuov稳定性理论,给出了控制器参数的调整机制——σ-modification-type修正律,并根据神经网络的逼近误差给出了控制误差的估计,控制误差渐近收敛于0附近的一个紧集。仿真实例说明了所给出的算法切实可行。     

基于径向基函数神经网络的硫酸质量分数检测

针对烟气制酸中的酸浓在线难以准确检测的问题,提出了一种基于软测量技术的在线检测酸浓方法。通过对现场生产数据的采集和预处理,建立了基于径向基函数神经网络的软测量模型;再利用实验平台对该模型进行了验证。实验结果表明:该模型可以得到较精准的硫酸质量分数,能有效地指导生产,具有良好的应用前景。     

RBF神经网络的混合学习算法

针对RBF神经网络的最近邻聚类学习算法存在的学习精度不理想和固定网络结构的梯度下降训练学习算法存在的中心不易确定、训练时间长等问题,提出一种基于最近邻聚类中心选取和梯度下降训练的RBF神经网络混合学习算法,解决了RBF网络径向基函数的中心取值问题,提高了网络的学习精度和训练速度.将该算法应用于非线性系统的在线辨识与二维函数的逼近,仿真实验结果证明了该方法的有效性.     

基于RBF神经网络的制造业费用分配系数确定方法

针对制造业生产工况复杂,费用分配系数的确定困难这一问题,系统分析费用分配系数的确定流程,借助于RBF神经网络,建立费用分配系数确定模型,分析影响分配系数众多属性的权重,并以钢铁制造业为例进行实例验证。结果表明,所建立的模型能更好地解释各属性之间的关系,减小了系数制定的工作量,为新产品分配系数的确定提供了依据。     

基于分布式神经网络的焦炭质量预测模型

焦炭质量预测模型是确保焦炭生产顺利的基础．但在生产多种类焦炭时，模型的泛化能力变差．针对此问题，提出了基于分布式神经网络的焦炭质量预测模型，给出了基于粗划分的自组织网络初始权值选取方法，通过对基于遗传算法一反向传播人工神经网络的预测模型(GA-BP)和基于自组织映射网络一径向基函数的分布式神经网络(SOM-RBF)的预测模型比较，发现后比前的预测精度高且稳定，完全满足现场要求。     

基于蚁群聚类和裁剪方法的RBF神经网络优化算法

提出了一种基于蚁群聚类算法和裁剪方法的RBF神经网络优化算法。利用蚁群算法的并行寻优特征和一种自适应调整挥发系数的方法,提出一种新的聚类算法来确定RBF神经网络中基函数的位置;通过一种裁减的方法,除去对整个网络的输出贡献不是很重要的隐层单元来约简隐含层的神经元,以达到简化RBF神经网络结构的目的。对非线性函数进行逼近仿真,结果表明:优化算法有比较好的优化效果,而且,优化后的RBF神经网络的结构小,RBFNN的泛化能力得到了提高。