人工神经网络技术在机械故障诊断中的应用探讨

阐述了人工神经网络模型的一般结构和算法，并设计了机械故障诊断神经网络的模型和学习过程。通过对集材-50拖拉机变速箱的实验诊断和测试，结果表明人工神经网络技术可以快速、准确地诊断出机械故障类型。     

BP神经网络的研究与应用

人工神经网络作为一门高度综合的交叉学科,在实际应用中绝大部分的神经网络模型是采用BP网络和它的变化形式,它也是前向网络的核心部分,体现了人工神经网络最精华的部分。该文介绍了BP网络的学习过程以及从模式识别角度应用BP神经网络作为分类器进行机械故障诊断。     

人工神经网络在预测供体位点的运用研究

阐述人工神经网络(ANN)的基本原理,针对基因供体位点预测的问题,对样本数据进行整理,建立和优化人工神经网络模型.结果表明,采用人工神经网络对供体位点进行预测是切实可行的,并且有比较高的精确度.     

灰色人工神经网络人口总量预测模型及应用

针对单一指标进行人口总量预测精度不高的问题,基于灰色系统理论和人工神经网络理论,用1990年至2004年中国人口总量序列建立并训练一个多指标的灰色人工神经网络人口总量预测模型。对2005年至2007年的人口总量进行检验性预测,结果表明灰色人工神经网络模型大大提高了预测精度。     

基于改进型灰色预测的核电站汽轮机趋势预测

核电站的汽轮机机械故障大多数是由微小故障逐步发展造成的,所以有必要对核电站汽轮机设备状态的演变趋势进行预测。基于GM(1,1)模型,提出一种基于时间序列的滚动改进型灰色预测算法,并利用该算法对汽轮机振幅持伪征参数趋势进行预测研究。预测结果表明,所研究的预测方法能够对核电站汽轮机设备的运行状态进行较为准确的演变趋势预测,且预测结果可以为核电站汽轮机的故障预警以及设备失效预警提供可靠的依据。该研究不仅提高了核电站运行的安全性,而且可为汽轮机状态运维和状态检修提供参考依据,具有广阔的应用前景和较高的实用性。     

小波与神经网络相结合的网络流量预测模型

针对网络流量序列的非线性和多时间尺度特性,提出了一种将小波变换与人工神经网络相结合进行网络流量预测的新模型.该模型吸取了小波变换的多分辨功能和人工神经网络的非线性逼近能力,对流量时间序列进行小波分解,得到小波变换尺度系数序列和小波系数序列,分别使用RBF神经网络和Elman神经网络进行预测,把两种预测的结果通过BP神经网络合成为最终预测结果.用实际网络流量对该模型进行验证,结果表明,该模型具有较高的预测效果.     

基于人工神经网络的发射塔平台设备故障诊断

发射塔平台设备的稳定运行是航天发射任务成功的前提,因此需要对平台设备的状态进行监视,基于设备平台参数进行故障诊断和预测。本文给出了发射塔平台设备的数据采集方案,提出了基于BP人工神经网络的发射塔平台设备故障状态诊断方法,基于历史数据训练形成了双层神经网络模型。仿真结果表明,该方法能够提高故障诊断的效率,准确定位设备故障,消除发射塔平台设备事故隐患。     

BP神经网络在证券分析预测中应用

介绍了人工神经网络的基本概念和组成后,讨论了它与传统分析预测方法的区别和优势。对证券分析和预测提出了一种基于BP算法的人工神经网络模型,结合计算实例和结果的误差分析,给出了改进的方向。     

基于灰色理论和人工神经网络的瓦斯涌出量预测

在对监测数据分析的基础上,提出了将灰色理论引入人工神经网络的瓦斯涌出量预测新模型,并通过实验证明该模型在瓦斯预测中得到了比较理想的结果。     

SOM神经网络模型在商业银行信用风险评估中的应用研究

研究了神经网络技术在商业银行信用风险评估中的应用,结合主成分分析法和SOM人工神经网络,建立了商业银行信用风险评估的人工神经网络模型;实证结果表明,该模型具有较高的预测精度.     

深度森林与人工神经网络在光伏出力预测的比较

针对在光伏功率预测中传统人工神经网络预测模型需预先确定结构、对训练样本数量要求高、调参复杂等缺点,应用一种多粒度级联森林的预测模型,并分析了温度、气象因素对光伏功率的影响,以温度、湿度、风速等因素作为输入对光伏输出功率进行预测,对输入数据进行归一化处理,将预测的结果与传统人工神经网络对比,经过多种验证指标对结果评估,表明模型的预测效果和模型结构均有良好的表现。     

基于一种继承模型的多变量非线性预测控制

提出了一种由人工神经网络与线性ＡＲＸ模型相结合的集成模型,给出了其辨识训练方法。以此模型为基础,提出了一种多变量非线性预测控制算法。它利用线性预测控制的成果,得到一解析式的非线性优化控制输入,避免了通常非线性模型（包括普通人工神经网络模型）预测控制所需的在线数值寻优计算,节约了在线计算时间。提高了算法的可靠性和稳定性。进一步给出了在ＣＳＴＲ反应器上的仿真实验结果。     

一种网络流量预测的小波神经网络模型

结合小波变换和人工神经网络的优势,建立一种网络流量预测的小波神经网络模型。首先对流量时间序列进行小波分解,得到小波变换尺度系数序列和小波系数序列,以系数序列和原来的流量时间序列分别作为模型的输入和输出,构造人工神经网络并且加以训练。用实际网络流量对该模型进行验证,结果表明,该模型具有较高的预测效果。     

用人工神经网络预测城市地震火灾损失

利用人工神经网络对城市地震火灾损失进行预测,对指导抗震救灾有一定的帮助.具体做法是根据地震损失与其影响因素之间的非线性映射关系,建立人工神经网络模型,并将其应用于地震火灾损失预测.实例表明该方法有一定的推广价值.     

基于时间序列与BP-ANN的短时交通流速度预测模型研究

针对现有的交通流速度预测模型使用唯一数据集且模型单一的问题,提出一种时间序列与人工神经网络相结合的预测模型。该模型通过时间序列分别对实时数据和历史数据建模预测,并应用人工神经网络调整实时数据和历史数据的预测值。实验结果表明该预测模型能够将预测误差控制在7%以内,且能够对不同输入参数下的短时交通流速度进行有效预测。     

神经网络在经济预测中的应用研究

本文运用人工神经网络理论,构建了宏观经济预测模型体系,实现对国民生产总值的预测。模型提高了系统预测准确度,实现了宏观经济指标的预测,描述了宏观经济的发展趋势。并且基于预测结果的分析,对我国的经济发展做出合理的评价与建议。     

基于支持向量机的蒙脱土悬浮液电动电位预测

应用多元线性回归、人工神经网络、支持向量机3种方法,对加入聚乙二醇、十二烷基苯磺酸钠、石油磺酸盐和部分水解聚丙烯酰胺四种处理剂的蒙脱土悬浮液的电动电位进行预测。在模型训练中,分别采用了神经网络集成和非启发式参数优化来提高人工神经网络和支持向量机模型的泛化能力。检验结果表明,参数优化的支持向量机模型预测精度最高,其平均误差率为3.88%,最大误差率为7.55%。     

基于前馈人工神经网络的miRNA预测

microRNA(miRNA)是一类长度约为20~24个核苷酸保守的非编码小分子RNA,如何能准确预测miRNA一直是生物信息学的难点之一.文中提出一种新的预测方法—粒子群优化的前馈人工神经网络预测miRNA,从331(阴性数据168,阳性数据163)个样本组成的数据集中提取每个样本的36维特征向量训练人工神经网络模型,并用训练好的模型对不同的测试集进行测试,结果表明这种方法平均预测精度达到91.0%,高于传统的SVM预测方法,从而为miRNA预测提供了一个新的研究方向     

基于NW型小世界人工神经网络的污水出水水质预测

为了预测污水处理出水水质,针对污水处理过程具有多变量、非线性、时变性、严重滞后的特点,提出了基于NW型小世界人工神经网络的污水处理出水水质预测模型;首先根据污水处理系统确定模型输入输出变量个数,然后建立了多层前向小世界神经网络模型,并对网络模型的隐层结构进行了优化研究;借助污水处理过程的历史数据进行了仿真研究,结果表明:和同规模的多层前向人工神经网络相比,小世界神经网络对污水出水水质预测具有较高精度和收敛速度,为污水出水水质的实时预测提供了一种有效的新方法。     

人工神经网络在首次公开募股价格预测中的运用

伴随着市场经济在全球的繁荣与在中国的进一步成熟,当今,人们对运用人工神经网络优化金融分析决策产生了浓厚的兴趣。本文从个体投资者角度,运用含有一个隐含层的神经网络来预测新股发售的市场价格。经测试,该模型具有良好的预测性能。并与基于多重回归算法的预测结果进行比较,结果表明,基于人工神经网络的预测方法优于基于多重回归算法的预测方法。