非线性时序信号神经网络预测模型讨论

本文从神经网络理论及实践两个方面进行研究，探讨了目前非线性时序信号预测神经网络模型存在的几个问题。     

基于径向基函数网络的经济时序预测模型

介绍了径向基函数(RBF)神经网络的结构和特点。给出了其在经济时间序列预测中的应用，较为系统地阐述了RBF神经网络在经济预测中应用的步骤和过程。与BP模型相比该模型在预测精度和收敛速度方面具有显著的优点。     

基于支持向量机-小波神经网络的边坡位移时序预测模型

针对岩体边坡位移预测难度大的问题,结合支持向量机-小波神经网络,提出了一种新的岩体边坡位移时序预测模型——支持向量机-小波神经网络预测模型.通过对实测位移值的学习,并借助遗传算法参数寻优的支持向量机对位移时间序列的宏观发展趋势进行滚动预测;在此基础上利用小波基函数变换分析序列的局部特征,通过2维情况下的序列局部走势方向的选择、实测值与支持向量机拟合值的相对误差与绝对误差等指标的分析,达到对预测值优化改进的目的.将该模型应用到某工程面板堆石坝坝肩强卸荷岩体边坡位移的时序预测中,结果表明,该模型具有可靠度和精度高的优点,可应用于岩体边坡位移预测分析.     

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。     

非线性智能组合预测模型及其应用

在现有智能预测理论的基础上，将模糊集理论、神经网络理论和遗传算法相结合，建立了非线性智能组合预测模型，并应用于黄河凌汛预测中．结果表明：非线性智能组合预测模型的预测精度高于单一预测模型和线性组合预测模型．     

基于RBF神经网络的非线性模型预测控制

提出了一种基于径向基函数(RBF)神经网络的非线性模型预测控制系统,利用RBF神经网络的非线性拟合性,构建一个神经网络预测器(NNP)来预测模型未来时刻的输出值.然后利用神经网络控制器(NNC)实现基于模型的预测控制.仿真结果表明此方法具有较好的控制效果,并且在有扰动和模型失配的情况下,表现了良好的鲁棒性.     

基于广义预测的非线性神经网络控制器

广义预测控制(GPC)是针对线性系统提出的一种控制方法,而神经网络具有对一般非线性函数的逼近能力。首先介绍基于GPC的神经网络控制系统的组成,进而提出采用两层线性神经网络构造预测器,采用E lamn型动态递归网络构造控制器,从而实现对非线性对象的快速控制,仿真结果说明了该算法的有效性。     

基于BP神经网络的非线性预测控制

将BP神经网络技术应用于预测控制,并对其控制算法进行研究。采用一个BP神经网络来实现对系统的辨识和多步预测,并将一种新型的非线性混沌映射引入到神经网络的参数学习算法中实现其权值调节,以逐步建立被控对象合理的多步预测模型,并用网络的多步预测输出序列与设定值序列的偏差修改控制律。仿真结果表明了该算法的有效性。     

基于神经网络的时序约束分解

时序约束分解是求解时序约束服务组合问题的有效方法,通过在时序约束分解模型中引入松弛因子,可以增强对用户约束强度的适应能力。针对现有的松弛因子自适应调节方法采用模糊推理规则,依赖人工经验,考虑的影响因素也较少的情况,提出一种使用神经网络自适应调节松弛因子的方法,考虑了活动个数、候选服务个数、约束强度和约束个数等因素对松弛因子的影响。仿真实验分析表明,将所提出方法确定的松弛因子用于时序约束分解时,可以较用模糊推理方法确定的松弛因子获得更好的综合性能。     

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。     

前向人工神经网络模型用于时间序列分析

介绍前向人工神经网络模型，并与传统的统计学线性模型进行比较。为了适应时间序列变量的特点，对逆传播模型进行了改进，并对太阳黑子活动的观察值这一典型的时间序列进行了分析，并检验了模型的预测能力，取得了较好的结果     

基于神经网络聚类的研究

提出了一种基于Kohonen网络的改进聚类算法,并给出了基于数据仓库平台的具体实现方案。通过对实例的聚类测试,对算法本身的若干指标进行了研究分析。     

发酵过程混合神经网络建模方法比较

对发酵过程中串联结构、并联结构、串并联结构混合神经网络模型的结构和训练方法进行了分析、对比研究,并提出了一种训练方式更简单的混合神经网络模型.仿真结果表明,混合神经网络模型比标准的神经网络模型建模精度高、泛化能力强.     

基于 Windows 下的网络实时通信技术

介绍了Ｗｉｎｄｏｗｓ系列操作系统（Ｗｉｎｄｏｗｓ３．１、ＷｉｎｄｏｗｓＮＴ及Ｗｉｎｄｏｗｓ９５中ＮｅｔＢＩＯＳ的体系结构，并分析了Ｗｉｎｄｏｗｓ操作系统中ＮｅｔＢＩＯＳ的实现方法，最后给出了Ｗｉｎｄｏｗｓ９５中的应用实例。     

基于RBF神经网络的超市客户保持预测模型研究

利用RBF神经网络数据挖掘算法建立了超市客户保持预测模型,在MATLAB开发环境下进行程序设计和仿真分析,并与BP算法进行对比,完成了超市客户保持预测的任务,分析了该算法的优越性.     

一种基于径向基函数神经网络的语音降噪方法

采用径向基函数神经网络在时域上对含噪语音信号进行降噪处理．针对语音信号的短时平稳性以及噪声的随机性,对语音信号进行分帧预处理;用分帧后的纯净语音信号作为径向基函数网络的教师信号,并利用Matlab神经网络工具箱设计和训练网络．实验结果表明,径向基函数网络作为语音信号滤波器,可有效地抑制语音信号中的白噪声,具有良好的降噪性能．     

神经网络在汽车故障诊断中的应用

将神经网络应用于汽车故障诊断，给出了一种基于单层神经网络的汽车故障诊断方法，讨论了神经网络结构，相应的网络学习过程和应用实例。     

基于人工神经网络的岩土工程位移预测研究

从神经网络理论及应用实践等几个方面分析研究了目前岩土工程位移预测神经网络模型存在的几个问题,并提出了几个可供借鉴的其它模型.最后,提出了一种进行位移预测的进化神经网络模型,并采用一个工程实例进行了研究,其结果验证了前述分析研究的结论,说明了本文分析的合理性.     

汽轮发电机汽门快关时序对系统暂态稳定及轴系扭振的影响

汽轮发电机汽门快关是提高电力系统稳定的有效措施之一．快关效益主要取决于快关时序的合理选择．选择快关时序，除了满足系统稳定要求外，还应考虑对轴系的冲击问题．本文结合单机无穷大系统，通过仿真计算，研究了快关时序对系统暂态稳定和轴系扭振的影响，提出了如何合理选择快关时序．