基于蚁群改进BP算法的组合预测模型

针对非线性预测工作中难以保证精度的问题,提出了基于蚁群改进BP算法的组合预测模型。先利用灰色预测方法和自回归滑动平均模型(ARMA)时序预测利用历史数据进行初步预测,将初步预测结果作为蚁群改进BP网络的输入。通过仿真比较其与单一预测算法以及传统线性组合预测方法之间的优劣。仿真结果表明,基于蚁群改进BP算法的组合预测模型能够明显地提高预测精度。     

基于BP 神经网络的转筒式称量系统的称量效率预测

摘要：为解决普通数理方法难以进行转筒式称量效率预测的问题,基于BP 神经网络,建立人工神经网络算法 模型。对模型输入项进行分析,找出影响称重效率的重点关联因素,研究在5 种输入层因素下,模型称量效率的预 测精度,并进行仿真分析。结果表明：该模型能有效预测转筒式称量方式的称量效率,且预测精度较高。     

基于神经网络的武器装备维修费用灰色预测

针对武器装备维修费用影响因素多,各因素之间关系复杂,难以把握的特点,文章将该预测视为灰色系统并建立GM（1,1）预测模型,通过BP神经网络挖掘预测值同预测残差之间的关系,进一步提高灰色预测模型的精确度．     

基于遗传算法优化BP神经网络的供暖系统热负荷预测模型

针对供暖系统热负荷短期预测问题,利用改进的遗传算法(genetic algorithm,GA)对BP神经网络(back propagation neural network)的初始权值和网络结构进行优化,并在遗传进化过程中采取保留最佳个体的方法。该方法克服了一般BP网络初始权值的随机性和网络结构训练过程中的所带来的网络震荡,以及一般BP网络容易陷入局部极小等问题。同时结合一般BP神经网络方法进行仿真实验和分析比较,结果表明:该方法具有全局寻优能力,预测精度高,绝对和相对误差较小,收敛速度快,能够有效针对供暖系统热负荷进行短期预测。     

一种改进的BP算法在导弹成本预测中的应用

文中提出了一种更有效的前向BP神经网络．考虑了导弹成本中的一些非确定性的影响因素，建立了导弹成本的估算模型。经过算例结果表明，该方法所得的导弹成本预测精度取得了较满意的结果。具有实际应用价值。     

基于BP神经网络的飞行体姿态预测模型

针对建立精确的加速度传感器输出与飞行体姿态获取比较困难的问题,在研究了加速度传感器输出信号对飞行体姿态影响的基础上,建立了相应的BP神经网络模型。结合加速度传感器输出的具体数据,应用Matlab语言编写相关的计算程序,验证了模型的可行性。     

应用BP神经网络的武器装备维修性预测模型研究

利用人工神经网络及BP网络理论,在对武器装备维修性预测评估指标体系分析的基础上,应用神经网络的BP算法建立了武器装备系统的维修性预测模型,并结合小口径高炮的实例验证了模型,效果较好.     

应用改进的BP神经网络预测导弹的研制费用

结合导弹武器系统研制的特点，分析并确定了影响导弹武器系统研制费用的主要因素，并在前人研究的基础上，提出了基于改进的BP神经网络的费用预测模型。该模型不仅克服了以往由于专家主观因素而造成的负面影响，而且提高了算法的运行效率和模型的预测精度。通过具体的实例分析比较，充分证明了利用该方法的科学合理性。最后探讨了利用BP神经网络进行数值预测的方法和应该注意的问题，并给出了一些有益的建议。     

基于BP神经网络的空空导弹贮存可靠性预测模型研究

针对空空导弹在长期的贮存过程中环境因素对其可靠性的影响,提出了一种基于BP神经网络的建模方法。该方法首先对空空导弹进行分析,确定神经网络的结构;然后对环境信息进行加权融合,形成输入样本,再将检测时刻可靠度的点估计作为输出样本,训练神经网络;当误差达到要求后,根据在导弹贮存期间所采集的环境信息预测导弹当前的可靠度。     

灰色预测模型在军机飞控系统故障预测中的应用

介绍了灰色预测建模基本原理,研究了灰色预测基本模型优化方法,以军机飞行控制系统高度差传感器故障预测为应用实例,对比分析了灰色预测基本模型和优化模型的预测效果。分析表明,灰色预测优化模型是可为军机飞控系统故障预测提供有效的技术支持。     

基于优化的非等间隔灰色理论和BP神经网络的身管磨损量预测

针对火炮身管烧蚀磨损量预测中存在的数据采样时间间隔不均匀、采样难度大、成本高、数据量小,常规数据拟合和预测方法难以处理等问题,提出一种基于改进的非等间隔灰色理论和BP神经网络的组合预测方法。通过组合预测模型对某型火炮身管的烧蚀磨损量进行预测,实例分析表明该组合预测模型具有较高的预测精度,为身管内膛磨损量的预测提供了一种新的技术途径。     

灰色神经网络在空舰导弹寿命预测中的应用研究

结合灰色理论与BP神经网络建立了灰色神经网络组合预测模型.该模型有效地将灰色理论弱化数据序列波动性的优点和神经网络特有的非线性适应性信息处理能力相融合.利用三种灰色模型及灰色神经网络模型对某型空舰导弹某电子设备的失效时间进行预测,研究结果表明灰色神经网络预测效果明显优于灰色模型,是一种实用的且精度较高的预测方法.     

改进BP神经网络在航空弹药预测中的应用

对航空弹药消耗的准确预测是未来战争取胜的一个重要因素,然而战场复杂多变,传统的方法难以进行及时准确地预测.采用了BP神经网络对单个目标航空弹药进行预测,针对常规BP神经网络收敛速度慢、存在所谓"局部最小值"等缺陷,提出了具有全局收敛性的Fletcher-Reeves共轭梯度算法对常规BP网络进行改进,并将改进后的BP网络应用于单个目标航空弹药预测仿真试验中.结果表明,改进BP网络能克服局部极值、快速提高网络收敛速度,并能较为准确地预测航空弹药的需求量.     

基于BP神经网络和实验数据的火力打击效能预测

针对火力打击效能预测问题,构建基于作战实验数据和BP 神经网络的预测方法。设计火力打击效能实 验和数据采集处理,构建6-18-1 型BP 神经网络预测模型,并通过作战实验数据样本进行验证。结果表明,火力打 击效能预测仿真值与实验值相近。     

改进型BP神经网络在织物悬垂性能中的预测应用

基于改进型BP神经网络,建立反映织物结构参数与织物悬垂性能之间关系的三层网络模型,对织物的悬垂性能进行预测.其步骤包括通过优选样本、优选参数及网络学习前后的数据变换处理确定训练样本,以及神经网络的结构设计.实验结果表明,改进型BP神经网络能较准确预测织物的悬垂性能指标.     

基于BP神经网络的装备失效率预测研究

装备伴随使用时间的增长,失效率会不断升高;因此准确预测装备失效率,对于及时准确评估装备性能,开展视情维修具有重要的指导意义;鉴于BP神经网络的高度非线性映射能力,利用此模型对装备失效率进行预测;分析得到了BP模型的输入层和中间层的最优神经元数;此时实际值与预测值的方差为0.038 7,达到要求。     

基于遗传BP神经网络的隐身涂层老化性能评价模型

为了计算涂层在自然环境中老化物理量值与环境因子的关系,设计出一种实数编码、算术交叉、高斯变异、爬山操作的遗传BP神经网络。根据环境因子计算涂层物理量值,采用Visual studio 2008进行编程,开发出程序进行神经网络训练和预测程序。用一个涂层野外老化数据的实例来进行网络训练和预测,结果表明,模型计算出涂层最终的寿命,与实际测量值相近,表明遗传神经网络模型可以很好地用于涂层寿命预测。为了计算涂层在自然环境中老化物理量值与环境因子的关系,设计出一种实数编码、算术交叉、高斯变异、爬山操作的遗传BP神经网络。根据环境因子计算涂层物理量值,采用Visual studio 2008进行编程,开发出程序进行神经网络训练和预测程序。用一个涂层野外老化数据的实例来进行网络训练和预测,结果表明,模型计算出涂层最终的寿命,与实际测量值相近,表明遗传神经网络模型可以很好地用于涂层寿命预测。