广义回归神经网络在煤灰熔点预测中的应用

为了提高估算煤灰熔点的精度,采用广义回归神经网络(GRNN)对求解煤灰熔点问题进行了建模.将煤灰组分作为网络输入,煤灰软化温度作为网络输出,采用实验数据训练网络,训练完成的网络作为模型预测煤灰熔点.仿真结果表明,GRNN的预测值与实验值的最大相对误差为2.81%,而反向传播神经网络(BPNN)预测煤灰熔点的相对误差为3.62%.由于GRNN可应用于小样本问题的学习,GRNN比BPNN对煤灰熔点具有更好的预测和泛化能力.GRNN具有设计简单与收敛快的优点,并提高了实时处理与反映最新运行工况参数的预测能力.     

神经网络在股票价格预测中的应用

如何对股票价格进行预测是投资者所关注的话题，采用BP神经网络对股票价格进行预测，提出了将股票市场上所采用的技术指标作为神经网络输入变量，利用逐步回归方法筛选出影响股票价格涨跌的变量，从而建立起神经网络模型，研究结果表明，该方法具有一定的预测能力。     

灰色神经网络最优权组合模型预测城市需水量

需水量预测是一个大量数据指标和影响因素共同作用的复杂系统。目前以单一的模型预测为主,而这种预测方法仅能体现该系统的局部。针对这一情况,利用灰色模型和改进BP神经网络,建立最优权组合模型预测城市需水量,使用Matlab进行实例计算,并与其他预测方法比较。结果表明,该模型有较高的预测精度,优于单个模型,预测效果更优于其他方法。     

神经网络在预测中的应用

本文介绍了多层前向神经网络及其学习算法。并利用多层前向神经网络对复杂非线性系统进行预测研究。实验结果证明该方法是有效的。     

基于灰色理论和神经网络的短期电力负荷预测

利用灰色理论中累加生成方法能够削弱负荷中随机成分的特点,以及人工神经网络可以逼近任意函数的能力,对具有任意变化规律的数据序列进行拟合和预测．实验结果表明,基于灰色理论和神经网络的最优组合模型的平均相对误差为1．307％,比BP神经网络预测和灰色理论模型预测的精度更高,具有明显优势．     

灰色神经网络耦合模型在城市需水量预测中的应用

目的为了更准确预测城市用水量,弥补灰色和神经网络预测模型在中长期需水量预测中的不足.方法采用最小方差法建立了灰色新息递补模型和新息递补BP神经网络的耦合模型即灰神经模型,并对城市需水量进行预测.结果预测沈阳市生活需水量,灰神经网络耦合模型的平均相对误差为0.144%;预测沈阳市工业需水量,灰神经网络耦合模型的平均相对误差为0.19%.在模拟精度方面远远高于其他模型的模拟值,提高了预测的准确性.结论提出了用灰色神经模型来预测城市需水量的方法,能更好地预测城市未来需水量,把影响预测的不定因素降到最低限度,具有广泛的实用性.     

BP神经网络在回归分析中的应用研究

通过实例比较，分析了神经网络在回归分析和预测中的应用。与传统的回归方法相比在某些方面有一定的优势。     

基于果蝇优化广义回归神经网络的径流预测

针对水文径流的不确定性特点,提出一种新的径流预测模型。该模型在广义回归神经网络的基础上,采用了果蝇优化算法。通过该模型对四川省万源市后河径流进行了预测,结果显示改进后的模型预测精度明显提高。     

基于神经网络的石油价格预测

当前石油价格研究在石油价格数据选择、数据预处理和预测方法选择上存在数据时段选择不当、直接套用原始数据代入模型以及价格预测模型和训练数据类型不相匹配等问题,需要予以解决。在采用同期通货膨胀率指数调整、滑动平均周期项以及随机项滤波等方法对石油价格时间序列数据进行预处理的基础上,利用神经网络方法,以纽约商品交易所(NYMEX)为例对轻质原油期货即期价格时间序列数据建立预测模型。最后用油价波动趋势进行拟合分析,将预处理后的石油价格时间序列数据输入到神经网络预测模型,模型的预测结果和直接套用原始数据得到的预测结果相比较,其平均偏差率显著降低。     

敏感性稠油油藏水平井含水率预测模型研究

敏感性稠油油藏的水平井含水率变化比较复杂,其规律不易准确预测,数值模拟的历史拟合精度偏低.针对这一现象,建立敏感性稠油油藏水平井含水率数值模型,模拟预测含水率变化规律.首先,将不断降低的渗透率等价为不断增大的表皮因子,分别考虑速敏性、水敏性对近井地带和远井地带的影响,修正水平井流动的渗流阻力计算方程;其次,以分流量方程...     

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.     

Flagship在中高含水期水平井中的应用研究

斯伦贝谢公司的Flagship生产测井旗舰是在深入研究水平多相流流态的基础上开发的,适用于大斜度井和水平井的测井仪器组合,能为水平井提供高精度的生产测井数据.并以新颖的MaxTRAC往复式爬行器为传输工具保证测井顺利进行,另外形成了一套成熟的综合解释模型,保证生产测井结果真实客观地反映井下产出状况.以塔河油田一口中高含水、超深砂岩油藏水平井为例,总结了Flagship的测井设计原理、施工步骤、技术关键及测井评价效果分析,并提出了水平井生产测井尚待解决的问题,为油田使用这项技术提供参考.     

稳油控水技术在底水油藏水平井开发前期设计中的应用

针对番禺某油田前期设计中底水迅速突进的问题,阐述ICD、中心管等控水措施延缓底水锥进的原理,对油田前期开发设计中ICD、中心管等控水效果进行分析对比,并对设计方案进行优化.     

超高含水期稠油油藏CO2驱提高采收率实验研究

针对超高含水期稠油油藏注水开发效果不明显的问题,进行CO_2驱室内实验研究,分析注气速度、气体组分、压力衰竭速度和生产方式等因素对CO_2驱提高稠油采收率的影响。研究结果表明,在超高含水期稠油油藏开发中,低注气速度、高CO_2纯度以及压力衰竭生产方式均有助于提高稠油采收率。     

基于人工神经网络与回归分析的水质预测

针对人工神经网络在预测中出现的异常值现象,采用了回归分析模型得到的预测区间来控制异常值现象的方法．并且应用在黄河三门峡河段的水质预测中,氨氮通量预测的网络模型控制前平均精度仅有50．05％,这是因为2006年6月份预测值偏离真实值太大,预测相对误差达到214．88％,超出了回归预测区间,从而影响了整体精度．控制后该月的相对精度为90.08％,平均精度达到80.79％,整体预测精度明显提高．实践表明,该方法对于消除网络模型预测中出现的异常值现象是较为有效的．     

神经元网络用于拼音－汉字的转换

尝试了用神经网络方法实现拼音到汉字的自动转换,并讨论了这种方法进一步用于汉语自然语言处理的可能性．     

一种新型分类器在用测井资料预测油气中的应用

提出了一种在碳酸岩地层中划分油气层的新方法。此方法利用广义线性分类器和最近邻分类法则相结合的模型,叙述了分类器设计原理和特征选择的方法。该方法灵活并有对不同地质条件的自适应能力。试验证明这种分类方法效果显著,分类错误率低于10％,并给出了上扬子地区实际测井资料处理的结果。     

应用递归人工神经网络预测电力短期负荷

介绍了神经网络的基本原理,使用递归人工神经网络模型对电力短期负荷进行预测,采用了梯度下降法,来提高训练的收敛速度,预测仿真结果表明,使用递归神经网络预测比传统的预测方法更准确.