人工神经网络法预测有机物物性的研究──Ⅰ分子描述码与烯烃沸点的预测

讨论了用人工神经网络法预测物性的几类输入参数．用分子描述码作为输入参数预测了烯烃的沸点，烯烃（链）的相关系数ｒ＝０．９９７５，标准差Ｓ＝１．６８７．环烯烃：相关系数ｒ＝０．９９７０，标准差Ｓ＝２．５４８．优于三维连接性指数的计算值．     

基于人工神经网络的有机物闪点预测

设计了一个基于BP（Back—Propagation）算法的多层前馈网络模型,用于预测有机物闪点．以有机物沸点作为网络的输人参数,闪点作为输出．取24类共210种有机物作为实验样本,并随机取其中150种作为训练集,另外30种作为预测集．结果表明：闪点的预测值与实验值符合良好,绝对平均相对误差为3．39％．     

有机化合物热力学性质的预测(Ⅱ)——人工神经网络法预测烷烃的吉布斯自由能

采用分子子图编码法将烷烃的分子子图码作为人工神经网络的输入参数 ,对烷烃的吉布斯自由能进行预测 .将预测值与文献值进行线性拟和 ,其回归系数达到 0 9812 .     

有机化合物热力学性质的预测（Ⅱ）——人工神经网络法预测烷烃的吉布斯自由能

采用分子子图编码法将烷烃的分子子图码作为人工神经网络的输入参数,对烷烃的吉布斯自由能进行预测.将预测值与文献值进行线性拟和,其回归系数达到0.9812.     

有机化合物热力学性质的预测(Ⅱ)--人工神经网络法预测烷烃的吉布斯自由能

采用分子子图编码法将烷烃的分子子图码作为人工神经网络的输入参数,对烷烃的吉布斯自由能进行预测.将预测值与文献值进行线性拟和,其回归系数达到0.9812.     

有机化合物热力学性质的预测（Ⅱ）—人工神经网络法预测烷烃的吉布期自由能

采用分子子图编码法将烷烃的分子子图码作为人工神经网络的输入参数,对烷烃的吉布斯自由能进行预测。将预测值和献值进行线性拟和,其回归系数达到0．9812。     

基于人工神经网络的中期电力负荷预测研究

采用人工神经网络(ANN)进行电力负荷中期预测．阐述了人工神经网络的基本原理和反向传播算法(Back Propagation)．根据实际情况建立了人工神经网络的模型并利用Visual Basic编制了相应的计算程序．进行了实例计算，并验证了ANN适用于中期电力负荷预测．     

城市用水量预测的人工神经网络模型

为预测城市用水量，提出了人工神经网络模型，用此模型对某沿海城市用水量进行拟合、预测。通过数据文件的建立及期望输出的选取，能充分体现数据系列的变化规律。实例结果表明，该模型拟合精度高，用于城市用水量预测可行、有效。     

预测城市用水量的人工神经网络模型研究

为了提高多层前馈神经网络权的学习效率,引入变尺度方法来训练神经网络的权值,并根据训练误差自适应调整学习系数和动量因子.将该方法应用于城市用水量预测中,建立了非线性人工神经网络预测模型.该模型考虑了城市工业用水重复利用率、用水人口、经济发展等众多因素对用水量需求的影响,具备系统决策功能.杭州市预测实例表明,建立的模型及其相应计算方法具有较高的预测精度和准确度.     

结构动力特性的人工神经网络预测

在Ｋｏｌｍｏｇｏｒｏｖ多层神经网络映射存在定理基础上，证明了一个三层 神经网络可以描述机械结构设计变量与其动力特性参数之间的映射关系，给出了预测机械结构动力特性的人工网络实现方法，并通过仿真算例验证了该方法的有效性。     

基于人工神经网络的非线性组合预测方法研究

在现有组合预测模型中以线性或非线性规划方法求解优化问题遇到了较多的困难,而递归组合预测方法的过程又较为烦琐。针对这一问题,本文基于人工神经网络技术建立了一种新的非线性组合预测模型;并从避免不规则权重入手,提出了通过主分量分析提高参与组合预测信息有效性的方法,提高了预测精度。实践表明,效果是令人满意的。     

基于人工神经网络的商品销售额预测

介绍了BP神经网络的结构，算法和基于人工神经网络的商品销售额的预测，与传统方法相比较给出了ANN的优点及改进的方法。     

结构动力特性的人工神经网络预测

在 Kolmogorov多层神经网络映射存在定理基础上 ,证明了一个三层神经网络可以描述机械结构设计变量与其动力特性参数之间的映射关系 ,给出了预测机械结构动力特性的人工神经网络实现方法 ,并通过仿真算例验证了该方法的有效性     

高强混凝土强度的人工神经网络预测

为了在多因素作用下更为准确地预测高强混凝土的抗压强度,采用了人工神经网络中的BP网络模型及其学习算法,基于MATLAB神经网络工具箱对文献中高强混凝土的实测数据进行分析预测,并与回归分析方法计算的结果进行了对比,结果表明,人工神经网络在高强混凝土抗压强度的预测方面具有较高的精度,且明显优于回归模型.因此,神经网络方法是一种可以定量分析、简便易行、计算精度高、预测能力强的分析方法,用于高强混凝土抗压强度的预测是可行的.     

基于人工神经网络的自适应电力系统短期负荷预测

基于人工神经网络的自适应电力系统短期负荷预测梁志珊，陈建华，刘哲（电力科学研究所）１引言电力系统短期负荷预测是调度部门每日必须进行的重要工作之一。日负荷预测的精度越高，越可以降低系统备用容量，减少或避免计划外开停机组。因此，负荷预测的精度将直接影响电...     

基于人工神经网络的脂肪醇闪点预测

建立了一个基于人工神经网络方法的定量结构-性质相关性(QSPR)研究模型,用于预测脂肪醇闪点。根据脂肪醇的分子结构特征,提出一组拓扑指数作为表征脂肪醇分子结构的分子描述符。同时引入具有高度非线性预测能力的误差反向传播人工神经网络方法,以分子结构描述符作为神经网络的输入参数,闪点作为输出,研究脂肪醇的闪点与分子结构之间的相关性。模拟结果表明,闪点预测值与实验值符合良好,优于传统基团贡献法所得结果。该方法不仅能够预测脂肪醇闪点与分子结构之间的定量关系,而且为工程上提供了一种预测有机物闪点的新的有效方法。     

采用人工神经网络技术对高压线缆绝缘破坏预测的研究

采用神经网络技术,进行了预湍高压输电线缆接头处绝缘破坏的试验研究,实验中神经网络的学习方式采用了随机逼近方法,这种方法很容易用结构简单且造价便宜的模拟电路实现,本试验结果还证实了利用神经网络技术对预测高压输电线缆接头处绝缘破坏是可行的。     

生物膜法去除水中微量有机物的动力学研究

采用生物膜反应器，对水中４种代表性的微量有机物：苯酚，苯，甲苯，二甲苯进行了辅助代谢研究，建立了一级反应数学模型，通过实验确定了相应的一级反应动力学常数，并讨论了辅助代谢过程的主要影响因素。     

基于人工神经网络的信号预测在Matlab中的研究与实现

阐述了人工神经网络在Matlab软件中实现的基本方法和步骤,并给出了神经网络在信号预测过程中的应用实例.