基于模糊神经网络的周期性结垢预测方法研究

针对间歇换热设备的周期性结垢现象,以及由此引起的对象特性时变并造成常规控制器动态性能下降等问题,提出了一种基于模糊神经网络(FNN)的周期性结垢预测方法.把间歇换热设备的周期性结垢分解为可逆垢和不可逆垢,通过两个多入单出四层模糊神经网络分别学习结垢的短周期可逆垢增长趋势和长周期不可逆垢增长趋势,并由两者的组合得到更为精确的污垢热阻预测值.实验结果表明,使用该方法对于一类间歇式麦汁蒸发器污垢热阻的预测精度较经验估计式明显提高,利用该预测方法所构造的时变增益补偿因子在麦汁蒸发器蒸发强度控制系统中亦获得了成功应用.     

基于模糊神经网络的非线性预测算法

传统的宏观经济预测主要采用传统计量经济学方法，由于宏观经济系统的具有非线性特征和不确定性关系，计量经济学方法有一定局限性，不能完全适应宏观经济系统的动态性和复杂性。本文提出了将神经网络和模糊技术相结合，将专家经验引入到宏观经济的预测过程中，根据宏观经济系统模式特点建立非线性预测系统，从而为经济领域的这一难题的解决提供了有效的新方法和途径。     

一种基于补偿模糊神经网络的水质预测方法

在污水处理系统过程控制中,对水质变化规律进行预测是控制系统可靠、稳定运行的重要环节.介绍了基于模糊逻揖和神经网络的补偿神经网络(CFNN)及其学习算法,利用CFNN学习速度快、学习过程稳定、全局动态优化运算等特点,建立污水处理厂CFNN的水质预测模型.实例预测结果表明该模型对初始值的选择不敏感,具有很好的收敛性和预测精度,适合实际工程应用.     

面平均雨量的积分计算

利用二重积分表示流域降雨总量。目前计算面平均雨量的三种方法,均可视为对区域进行某种划分及观测点做为特殊点时用二重积分定义进行的近似计算。对区域降雨量函数进行了探讨。     

神经网络的CO2吞吐候选井模糊优选方法

CO2吞吐候选井的优选和综合评价是二氧化碳吞吐项目成功的基础.在综合评价权重的确定中不管是层次分析法还是模糊层次分析法都带很大的主观性,这里将模糊综合评判方法与神经网络技术相结合,通过神经网络的自学习方法来获得评价参数权重,使权重能反应客观事实.实践证明该方法在CO2吞吐候选井的优选和综合评价中切实可行.     

神经网络的CO_2吞吐候选井模糊优选方法

CO2吞吐候选井的优选和综合评价是二氧化碳吞吐项目成功的基础。在综合评价权重的确定中不管是层次分析法还是模糊层次分析法都带很大的主观性,这里将模糊综合评判方法与神经网络技术相结合,通过神经网络的自学习方法来获得评价参数权重,使权重能反应客观事实。实践证明该方法在CO2吞吐候选井的优选和综合评价中切实可行。     

基于模糊神经网络的水泥强度预测

利用软计算技术预测水泥强度不但是一项新的尝试，而且具有较高的理论和应用价值。本文利用模糊神经网络良好的非线性逼近能力建立了水泥强度的模糊神经网络预测模型。模糊神经网络的学习算法采用的是快速的粒子群优化算法。仿真结果表明，该模型在预测水泥28d强度方面达到了很高的精度，有较好的实用价值。     

故障预测中基于模糊神经网络的规则发现方法

为分析和发现故障预测中表征网络运行状态的多指标和故障间的关联关系,提出了一种基于模糊神经网络的规则发现方法. 该方法利用模糊神经网络具有的学习能力和模糊推理能力,分析和发现网管系统中多指标和故障的关联关系,实现基于多指标的在线故障预测. 仿真实验结果表明,有效的参数初始化确定了算法收敛方向,从而加速了收敛速度;新方法能够准确预测故障的发生,并且优化了预测准确度、真正率、误判率等性能指标.     

基于模糊神经网络的水泥强度预测

利用软计算技术预测水泥强度不但是一项新的尝试,而且具有较高的理论和应用价值.本文利用模糊神经网络良好的非线性逼近能力建立了水泥强度的模糊神经网络预测模型.模糊神经网络的学习算法采用的是快速的粒子群优化算法.仿真结果表明,该模型在预测水泥28d强度方面达到了很高的精度,有较好的实用价值.     

m层模糊优选BP神经网络模型及算法

通过把模糊优选原理与BP神经网络模型相结合,能得到可供优选的方案的相对优属度向量。本文作者把三层模糊优选BP神经网络模型推广到m层,从而得到适用性更强的一般模型,大大拓宽了模糊优选BP神经网络模型的应用范围。     

基于模糊神经网络的汽车安全控制系统

针对国内汽车安全控制系统水平相对落后的现状,提出了一种模糊神经网络的汽车安全控制系统,采用基于标准模型的模糊神经网络作为控制器,包括输入层,模糊化层,规则层,归范化处理和输出层,应用多层前馈网络的反向传播算法网络作为学习算法,运用动态BP网络作为神经网络预测器。MATLAB仿真结果表明：该控制系统具有较好的快速性、稳定性、稳态性能以及鲁棒性。     

基于模糊神经网络的腹痛疾病诊断系统的研究

医学专家系统是人工智能和专家系统理论技术在医学领域的重要应用,可以帮助医生解决复杂的医学问题,是医生诊断、治疗的辅助工具。针对腹痛的诊断建立了模糊神经网络模型,制定了系统的实现方法。通过大量病例的学习后,仿真结果表明该系统具有使用价值,并可推广到其他它疾病的诊断。     

基于动态模糊神经网络的非线性系统辨识

在分析模糊神经网络辨识特点及现状的基础上,设计了一种适用于非线性多输入系统的辨识模型。本模型将T-S模糊模型与5层动态模糊神经网络结构相结合,通过参数学习算法优化辨识结构,对辨识模型进行反馈调节,得到的辨识精度较高。另外,对输入数据采用归一化的方法进行预处理,加快了网络的辨识速率。最后,通过仿真实例证明了该设计的有效性,为模糊神经网络辨识结构的设计提供了一种新的思路和方法。     

基于小波神经网络的信息系统综合评价模型

针对信息系统的特点和小波基具有很强的自适应性和函数变化能力,提出了一种基于小波神经网络的信息系统综合评价模型,并在最小均方能量准则下,采用相应的共轭梯度学习算法求解小波函数的尺度和时延参数,以及小波网络的权值。仿真实验表明该算法用于信息系统综合评价的有效性与准确性,为信息系统的评价研究提供一条新的途径。     

基于神经网络模型的信息融合技术

介绍了信息融合概念以及在信息融合领域中常见的BP神经网络和在此基础上发展而来的模糊神经网络和混沌神经网络,指出利用神经网络技术与信息融合技术相结合进行分析研究具有较大的拓展空间,信息融合的神经网络适用于更广泛的领域.     

基于因素模糊处理的电力信息系统风险评估方法

当前电力信息系统风险评估中,专家主观因素所占比重较多,导致评估结果主观因素影响较大,结果与期望值偏差过大.针对以上问题,采用模糊系统处理资产、威胁、脆弱性3个因素的子因素,并将处理结果作为BP神经网络的输入,实验结果表明基于因素模糊处理的电力信息系统风险评估方法的输出结果更加接近期望值.     

基于模糊加权论证方法的模糊神经网络

在‘Mamdani'论证方法的基础上提出改进的模糊加权推理方法.模糊神经网络是以改进模糊加权论证方法为基础发展起来的.网络加权和成员函数最优化的相互匹配在应用发展规则系统的条件下进行.模糊规则可根据网络加权而获得,网络模型的有效性和最优化程度可以由仿真实验检验.     

信息优化的模糊神经网络在建模中的应用研究

提出采用信息聚类－扩散的模糊神经网络（ＩＣＥＦＮ）来对小样本建立模型的理论．利用信息扩散将分类小样本信息扩散至周围信息点，从而解决神经网络在小样本上无法建模的缺陷．同时，还采用了因素程度空间来扩展输入＼输出结点，减少隐结点数，使网络进一步符合实际系统．该方法用于降水量预测，取得了满意的仿真结果．     

变结构模糊神经网络在信息融合中的应用

针对多传感器信息融合方法的复杂性和多样性问题,依据智能融合理论,采用模糊逻辑和神经网络技术,提出了一种用于机器人多传感器信息融合的变结构模糊神经网络方法,并对其进行仿真．仿真结果表明,该融合算法的有效性是一种比较实用的融合方法．