基于人工神经网络的地价评估系统

传统的地价评估方法,没有充分利用土地定级的资料,作为人工神经网络评估地产价格的方法则能解决这一问题.应用人工神经网络评估地价,不需要给出具体的数学模型,它根据已有的土地资料进行网络学习,自动映射出地价与各影响因素之间的非线性关系,因此,人工神经网络系统具有传统方法所不能比拟的优越性.     

农地价格评估影响因素研究

研究了农地价格评估影响因素及其因子。农地价格评估影响因素包括自然环境因素和经济因素两个层次，至于具体的因素因子的选择，应根据具体的地域和不同的作物而稳定，各因素因子间的相关性要小，性质稳定，变化范围较大且对农地生产力有较明显的影响。     

城镇地价评估体系创新研究

应用知识经济理论对城市地价的评估体系进行研究，通过对现有城镇地价评估体系进行研究并基于传统地价评估体系中存在的不足提出了一套符合知识经济时代特点的地价评估体系，该体系有助于解决传统地价评估体系中存在的不足，此研究成果可用于指导现代城市地价评估并预测未来城镇地价发展趋势。     

模糊数学在城市地价评估中的应用

本文探讨了模糊数学在城市地价评估中的应用，提出一种新的方法－模糊地价评估法，它通过建立模糊评判指标体系和交易案例调查表，选取与拟估土地相关程度较大的近期内已发生交易的参照案例，并对其进行交易情况和交易日期修正，再运用模糊数学求取拟估土地最可能实现的合理价格，为地量步促进城市地价评估的科学性和准确性提供了参考。     

基于空间信息格网与 BP神经网络的灾损快速评估系统

针对传统洪灾损失评估中存在的问题,建立了基于空间信息格网与BP神经网络的灾损快速评估系统.首先,利用Arc GIS空间分析技术提取洪灾区域,用信息格网技术将受灾区域格网化,分类提取不同受灾地类的受灾面积、淹没深度;其次,实地采集数据,构建受灾样本数据库;然后,建立基于空间信息格网与BP神经网络的灾损快速评估模型,并将评估模型使用程序编码的方式实现;最后,利用基于模型开发的评估系统针对某县受灾区域进行了洪灾经济损失的评估计算,结果表明,基于该模型方法计算结果与洪灾损失统计值相差不大,说明基于空间信息格网与BP神经网络的灾损快速评估系统具有一定的可靠性.     

基于人工神经网络的教学质量评估体系研究

把人工神经网络理论应用于教学质量评估,本文提出了三层神经网络的评价方法,通过对已知样本的学习以及对神经网络的构建,使网络更可以具有专家经验和知识,同时也减少在评价过程中人为因素的影响,弥补了教学质量评价过程中的不足,提高了模式分类的准确性和高效性,较好地保证评价结果的客观性,为教学质量评估体系的研究提供了较有效的方法。     

基于BP人工神经网络的上市公司财务评估分析

叙述了人工神经网络的基本，建立对上市公司财务评估的神经网络模型，并结合实例，通过对比因子分析法的结果，验证了模型的可行性和准确性。     

基准地价评估信息系统开发研究

利用计算机应用技术建立土地定级估价信息系统在目前大中城市土地定级估价中显得尤为重要,本文结合绵阳市城镇基准地价评估,介绍了基准地价评估信息系统的设计的实施。该系统在设计过程遵循规范化、完备性、括充性、实用性等原则,实现了城镇基准地价评估的自动化,具有数据维护、处理查询、显示和输出等功能。     

基于BP神经网络评估的集装箱泊位码头建设模型

通过对集装箱运输系统特性的分析，提出集装箱泊位码头建设纵向和横向相结合的评估方法，结合这种方法建立了基于ANN基础上相应的评估模型。     

城镇宗地地价的模糊数学综合评估

采用模糊数学理论对城镇宗地地价进行了评估．建立了城镇宗地地价评估的数学模型，对评估因素权重的确定提出了新的设想和方法．     

一种基于神经网络的干扰抑制系统

为抑制扩频系统中的干扰信号,提出变换域信息信号识别(TDISI)干扰抑制系统,其中采用了扩展BP神经网络(EBPNN).TDISI首先利用快速傅立叶变换(FFT)将输入信号映射到变换域,提高系统收敛速度;然后通过EBPNN对变换系数进行信息信号的自适应识别,其具有复杂度低、鲁棒性好的特点.理论分析得到采用TDISI后接收信号的干信比(ISR)抑制量、信噪比(SNR)损失量和误码率(BER)的数学表达式.仿真结果表明:在干扰信号相同的情况下,此系统的干信比抑制量较2种现有系统分别提高29.9%和8.9%,信噪比损失量分别降低了54.3%和21.2%.     

基于神经网络的室内热舒适评判模型

为更加科学地建立室内热舒适度评判体系，以某个体对不同热环境4个室内环境主要影响因素(环境温度、风速、相对湿度、平均辐射温度)的热舒适判断作为教师对神经网络的权值进行修正，以MatLab为开发工具，建立了室内热舒适的BP神经网络评判模型，给出了模型的算法．几种不同环境的验证结果表明，该模型的预测结果与此个体的实际判断高度吻合．     

应力状态下混凝土碳化深度的神经网络预测

为计算应力状态下预应力混凝土在一定条件下的碳化深度,将混凝土应力水平取为影响碳化速度的参数.在已有试验结果的基础上,分别建立了预应力混凝土碳化深度实用计算模型,以及BP网络、径向基函数(RBF)网络和广义回归(GRNN)网络的三个神经网络预测模型,并通过实例将碳化深度试验值、实用公式计算值及神经网络预测值进行了比较分析.结果表明:考虑混凝土应力水平对碳化深度的影响是合理的,试验回归得到的实用碳化模型计算误差在9%以内;同时,所建立的BP、RBF以及GRNN网络模型均具有较高的计算精度以及良好的泛化能力,仿真和预测误差基本上在5%和4%以内,均低于实用计算模型的误差值.由此可见,所建神经网络模型的仿真及预测结果是理想的,可同时考虑各种影响因素组合、行之有效的混凝土碳化深度预测方法.     

基于神经网络的PMLSM建模

永磁直线同步电动机 (PMLSM)是直线电机驱动的垂直运输系统的核心 ,它的模型的建立对于整个系统的控制与运行分析具有重要的意义 .利用BP算法 ,用C语言编制程序 ,实现了一个单输入层单输出层 4隐含层的神经网络 ,并用实验数据对网络学习训练 ,建立了PMLSM的模型 .通过实验验证 ,该模型的输出结果与实际结果十分接近 ,能够反映PMLSM的基本运动特性 ,因此这种模型可以作为PMLSM的仿真模型进行控制和运行特性的仿真研究 ,并且在进行控制时可以把这种模型作为系统的辩识模型进行预测控制 ,使控制效果更好 .这种模型的建立将为PMLSM的研究开辟出一条新路     

基于BP神经网络的工程项目风险评价

工程项目风险评价是工程项目管理的一个重要环节,将神经网络理论引入工程项目风险评价,建立了工程项目风险评价的BP神经网络模型,并通过实例对模型进行了验证。     

基于模糊集的电力系统神经网络负荷预报研究

提出了电力系统短期负荷预报基于模糊集的神经网络方法 .该方法计及了天气和日期特征量 ,具有训练时间短预测精度高的特点 .采用两种学习算法 ,依据模糊集概念用某地区电网实际数据建立样本集后 ,对ANN进行了训练 ,通过分析比较得出了优化模型 .计算事例表明用该方法是可行和有效的     

基于神经网络的高校财务评价

提出了一种基于离散型Hopfield神经网络的财务评价模型,该模型结合层次分析法,实现了对高校财务运行状况的多指标评价．根据评价指标的权重将所有的神经元分成若干个组,每组神经元对应一个评价指标,其所包含的神经元的数量正比于所对应评价指标的权重．分组方法使神经网络能包含评价指标的权重信息,确保评价模型的合理性．用实例对模型进行了验证,该模型为高校财务运行评价提供了新方法．     

基于神经网络的机械故障诊断系统

给出了自适应神经网络学习模型及自适应神经网络的诊断过程，探讨了动量系数和学习率自适应调整的神经网络算法，进一步给出了动量系数和学习率的调整方法，并将其作为机械故障的特征识别方法．由此建立了基于神经网络的旋转机械故障智能诊断系统，给出了诊断系统的训练学习方式和工作方式．两种学习系统的训练方式，可作为旋转机械在线或离线故障诊断分析的重要方法．     

基于改进BP神经网络算法的多指标综合评价方法的应用研究

研究利用误差反向传播人工神经网络(BP网络)的多指标综合评价问题，以建设工程项目招标评标为背景，建立了多指标综合评价的BP模型，引入附加动量法和变步长算法，对BP神经网络算法改造，大大提高了学习训练速度，运用这种神经网络来解决实际问题，并给出了结果．     

基于ANN的投标报价的风险预测研究

本文对建筑工程投标报价过程中存在的风险因素进行了系统分析,并利用人工神经网络作为数学工具建立一个数学模型。通过其模型产生的预测值,为承包商的最终决策起到支持作用。