灰色系统最优归类模型在岩爆预测中的应用

根据与岩爆有关的地质条件建立了岩爆烈度分级表 .在灰色关联分析和模糊模式识别原理的基础上 ,应用最小二乘法构造目标函数、建立岩爆预测数学模型 ,提出了动态权重计算方法和综合评判指数的概念 ,并通过工程实例说明该方法的预测结果比用有限元法计算所得的结果更为科学准确     

深部开采岩爆预测的神经网络方法

岩爆是深部高地应力岩石地下工程中的一种常见灾害,其影响因素间存在着极其复杂的非线性关系.在综合分析各种因素的基础上,选取开采深度、围岩最大切向应力与岩石单轴抗压强度比值、岩石单轴抗压强度和抗拉强度比值、岩石冲击性倾向指数作为岩爆预测的评判指标.应用人工神经网络方法,建立了岩爆预测的计算模型,利用国内外一些岩石地下工程资料作为学习样本和测试样本对模型进行训练.结果表明,将开采深度作为一个因素输入,结果更接近于实际,为深部开采岩爆预测提供了科学依据.     

短期电力负荷组合预测方法研究

为了解决短期电力负荷不同预测方法的预测角度片面性、预测精度差等问题,提出了基于小波神经网络(WNN)的组合预测模型.首先用小波神经网络预测模型和历史平均模型分别进行预测,然后再通过小波神经网络对两单一模型的预测值进行组合.相比BP神经网络组合模型,该组合预测模型的预测精度大大提高.该模型同时引入模糊聚类分析的方法选取组合模型的训练样本,减少了训练样本的冗余性,提高了预测模型的精度.     

隧洞岩爆的预测与防治研究

以西南某工程引水隧洞为例,由于该电站引水隧洞埋深大,工程区地质构造复杂,通过实测地应力分析、地应力预测与计算,采用经验准则法预测隧洞岩爆;针对可能发生岩爆的强度和规模,采用加强施工监测和预报分析,调整施工方法,进行喷锚支护和安全防护等措施,减轻岩爆的烈度,避免人员和设备的损伤,保证施工进度．     

基于9种无约束优化算法的岩爆预测BP模型优选

为研究不同训练样本数量和无约束优化算法对岩爆BP(Back Propagation)神经网络模型预测准确率的影响,选取围岩最大切向应力与岩石单轴抗压强度比σθ/σc、岩石单轴抗压强度与单轴抗拉强度比σc/σt和弹性能量指数Wet作为预测指标,广泛搜集整理100组典型岩爆实例建立了训练样本数据库.在样本数量分别为40、70和100时,基于标准算法和9种无约束优化算法建立了10个岩爆BP神经网络预测模型,并提出了考虑不同样本规模影响的岩爆烈度等级预测指数——综合准确值N.比较研究结果表明:BP模型的预测准确率随样本数量增加而提高,3种样本数量下的模型平均预测准确率分别为62.5％、76.4％和87.5％;基于9种优化算法建立的BP网络模型的N值均高于标准BP模型;基于Ploak-Ribiere共轭梯度法优化的BP模型的N值(195)和预测准确率(99.0％)均最高,且在5个工程实例中的预测结果完全符合现场实际,优于标准BP模型、支持向量机模型和其他优化模型,为岩爆烈度等级预测的最佳模型.     

岩爆预测的Bayes判别模型及应用

基于Bayes判别法强大的判别分类能力,将Bayes判别理论应用到深部硬岩岩爆预测当中.选取最大切向应力σ_θ、单轴抗压强度σ_c、单轴抗拉强度σ_t和弹性能量指数W_(et)作为影响岩爆的因素,建立了以σ_θ/σ_c,σ_c/σ_t及W_(et)判别因子的岩爆预测的Bayes判别模型,以国内外15个深部岩体实例为训练样本进行训练,利用训练好的模型对灵宝东峪矿区、平煤集团八矿深部开拓巷道和铜陵冬瓜山深埋硬岩矿山岩爆进行预测.实例研究表明:该模型回判估计误判率为0,预测结果与工程实例实际岩爆情况相符合.     

基于神经网络建模的预测控制

预测控制具有多步预测、滚动优化和在线自适应校正等优点。文中提出了用神经网络方法建立预测模型, 将其应用到了润滑油溶剂脱蜡过程并取得了有效的仿真结果     

复杂系统状态预测的小波包方法

基于小波包变换和混沌理论对复杂系统状态预测方法进行了研究，首先应用小波包变换对系统的特征参数序列进行3层分解，得到第3层从低频到高频8个频率成分的时序；然后，对8个时序作进一步分析，以确认它们都存在混沌特性，再应用混沌理论分别建立8个时序的预测模型，分别对8个时序进行预测；最后，基于小波包理论将混沌模型预测的结果予以小波包重构，实现对系统特征参数序列的预测，实例研究表明，该方法具有较高预测精度，可有效地应用于复杂系统的状态预测和故障趋势预测分析中。     

基于小波系数和BP神经网络的电力系统短期负荷预测

提出了一种基于小波系数和BP神经网络相结合的电力系统短期负荷预测新方法。把过去直接对负荷序列的预测替代为对小波系数的预测,并对小波细节系数作分层软阈值处理。详细介绍了小波系数结合BP神经网络进行预测的新方法,并给出算例验证。     

基于神经网络的模糊推理预测方法

将模糊推理技术与神经网络结合，利用模糊集理论来处理输入、输出信息，借助神经网络系统来完成推理、判断与知识的记忆存储及学习，从而给出了基于神经网络的模糊推理预测模型。     

基于遗传小波神经网络的故障预报应用

目的减少铝电解故障的发生,提高阳极效应预报的准确性、实时性和铝的生产效率,节约能源.方法将遗传算法应用于小波神经网络,构成遗传小波神经网络,以确定小波基函数的个数、优化网络参数,以遗传小波神经网络为预测模型,通过预测槽电阻变化率来预测电解过程中的阳极效应.结果通过遗传算法能对小波神经网络的参数进行全局优化,确定了网络结构,而且小波神经网络具有较强的自适应性、鲁棒性和函数逼近能力,使预报精度提高了约9.5%,提前预报时间1 m in左右.结论该预测模型改善了故障预报准确性和实时性,避免了故障的发生,降低了能源消耗,提高了铝电解的生产效率,实现了安全生产.     

人工神经网络在预测领域中的应用

人工神经网络是一门高度综合的交叉学科,具有容错性、固有的并行结构和并行处理、知识的分布储存、自适应性强等特点．人工神经网络可以应用于许多领域,本文介绍了其在预测领域应用的发展和现状．     

基于神经网络的大气污染预报方法的研究

大气污染物浓度的变化具有较强的非线性特性，基于人工神经网络捕捉非线性变化独特的优越性，将RBF网络应用于实测大气污染物浓度的预报。     

用于有机化学品生物活性预测的人工神经网络

对人工神经网络用于化学品生物活性预测中遇到的技术问题进行了系统的研究,提出了防止网络训练过拟合及局部最小的方法,对影响网络收敛的各技术参数的选择进行了探讨。确定的人工神经网络计算软件用于实际有机化学品生物活性预测,效果优于文献报道结果。     

人工神经网络在煤矿开采沉陷预计中的应用研究

提出了利用人工神经网络技术进行开采沉陷定量预测的新方法 .研究了影响因素的选取、开采沉陷预计模型的建立以及模型的应用等问题 .采用 BP神经网络算法对开采沉陷量进行了建模和预测 .结果表明 ,用神经网络模型对复杂的开采沉陷系统进行模拟预测 ,具有理论上的可行性和现实意义 ,说明人工神经网络技术在开采沉陷预计领域中具有实用价值     

基于人工神经网络的专家系统初探

概述了人工神经网络的主要特征 ,综述了国外神经网络专家系统的研究概况及其发展趋势 ,分析了神经网络专家系统的设计思想、系统结构及其优缺点 ,并对神经网络专家系统的技术方法做了进一步探讨。     

基于小波和神经网络的供热负荷预测

目的研究供热系统热负荷预测方法,使供热量及时跟随用户需热量进行控制.方法通过分析供热负荷特性及其变化规律,用小波包变换对热负荷序列进行分解,再结合Elman神经网络分别对各序列建立模型,进行单步预测,最后重构各序列,得出热负荷预测序列.结果仿真试验表明,与未采用小波分析的BP、Elman神经网络相比,该方法预测精度较高,跟踪能力强.结论基于小波和神经网络的供热负荷预测方法能较好地跟踪预测用热量,适合于短期供热负荷预测的应用.     

基于WA-GRNN模型的年径流预测

针对传统的中长期水文预测方法由于缺乏对水文要素本身内部结构和变化特性的描述,往往导致建模过程中确定模型结构、参数等存在盲目性,而以往常用预测模型收敛速度较慢、模型结构及参数优化复杂等问题。本文将小波分析（WA）和GRNN神经网络联合使用,建立了中长期水文预测模型：即先应用WA揭示水文序列内部结构及变化特性,从而将原序列分为确定性成分和随机成分两部分,然后利用GRNN神经网络对确定性成分和随机成分分别进行模拟预测,最后将两部分结果叠加作为最终预测值。将该模型用于沱江中上游三皇庙水文站年径流的预测,并与传统方法进行对比。结果显示该模型预测效果较传统方法更好,能有效地揭示序列的时频结构和变化特性,对于生产应用具有较强的实际意义。     

基于小波神经网络预测的退火炉温控制

目的 通过对退火炉炉温控制系统的设计,使得控制系统的控制性能和控制精度提高、抗干扰性增强.方法 针对被控对象一退火炉本身的非线性、大滞后性、时变性等特点,采用把小波函数引入神经网络预测模型对退火炉温进行预测,再把此预测模型与BP神经网络控制器相结合对退火炉的脉冲燃烧器进行控制,进而控制炉温.结果 由小波神经网络预测模型组成的控制系统,综合了小波分析和传统神经网络的优点,且具有不断吸收环境新信息的函数学习能力和推广能力.从仿真曲线上看,此控制方法 相比较传统控制的方法 具有收敛速度快,预测精度高的特点.结论 实现了对具有大干扰、大滞后性和不确定随机干扰因素的炉温控制系统进行精确控制,具有良好的动态和稳态性能.     

人工神经网络专家系统应用研究

叙述了人工神经网络的特征及其在专家系统中的应用 ,讨论了人工神经网络专家系统的优缺点 ,并进一步描述了其前景和意义 .