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。     

改进BP网络在装备维修费用预测中的应用

提出了一种BP神经网络理论的改进算法,在此基础上建立了时间序列对象的预测模型,根据预测模型,对某型装备使用维修费用进行预测,并与实际使用维修费用进行了对比.结果表明此模型准确,并具有应用泛化能力,该算法为费用预测提供了一条新途径.     

混沌序列的模糊神经网络预测

提出了一种针对混沌序列预测的T-S模糊神经网络。这种T-S模糊神经网络与传统的T-S模糊神经网络相比在不影响预测精度的前提下极大的减少了神经网络的节点数。同时利用基于混沌动态量的BP算法对神经网络进行学习．提高了收敛速度和预测精度。应用此T-S模糊神经网络和相应的BP学习算法．对Mackey-Glass混沌时间序列进行了预测．与传统的T-S模糊神经网络相比得到了更好的结果，验证了该方法的有效性。     

时间序列预测的发展与应用

为了给运载火箭测试数据预测问题的研究打下基础,开辟研究思路,对时间序列预测方法进行研究。介绍了传统时间序列预测方法中的指数平滑法、季节模型和求和回归滑动平均模型的发展,重点阐述了时间序列预测的3类热门研究领域：多变量时间序列模型、模糊时间序列模型和组合预测模型,并通过文献介绍,分析了时间序列预测技术的应用与改进方向。     

数据挖掘技术在航空发动机PHM中的应用

总结了数据挖掘工具的方法和模式以及数据挖掘的流程,对其在航空发动机故障预测和健康管理（PHM）中的常用方法和模式,如神经网络、时间序列分析、模糊逻辑、遗传算法、证据理论、支持向量机等及其应用案例进行了阐述。     

基于RBF神经网络的导弹成本预测研究

分析了现代导弹成本估算中存在的问题.应用RBF神经网络建立了导弹成本预测模型,并采用该模型对某型导弹成本进行了预测.与多元线性回归和BP神经网络的预测结果对比,建立的新型导弹成本预测模型具有更高的预测精度.     

模糊时间序列的最优预测方法

以模糊时间序列的 Ｆ Ａ Ｒ（ｐ ）为基础,建立了模糊时间序列的最优预测原则、计算原理及计算方法,探讨了实时预测途径,并通过仿真验证了所建立的最优预测方法的有效性。     

数据挖掘在维修器材货位优化中的应用

针对部队维修器材货位优化问题,按照为取而存的基本原则,提出了维修器材的综合重要度概念。通过用数据挖掘中的时序预测得到维修器材的综合重要度值,用ABC分类法对货架进行分区,最后根据维修器材和货架区耦合分配得到货位优化分配方案。     

基于混沌理论和BP 神经网络的某基地电力短期负荷预测

为了合理安排并优先保证军事基地中的电力调度问题,提出一种基于混沌时间序列和BP神经网络相结合的电力短期负荷预测方法。根据混沌理论及神经网络方法,先基于延迟坐标相空间重构技术,再应用互信息法和饱和关联维数法,选择延迟时间石和嵌入维数m,然后用BP神经网络来实现预测,并通过对海军某基地的电网的时间负荷序列进行实测仿真。仿真结果表明：相对误差均在5％vX内,且有33．3％的误差在1％以内,证明该预测方法具有较高的预测精度和应用价值。     

基于自适应模糊H网的火箭炮故障预测

为提高火箭炮的可靠性,使管理人员能进行故障预测与事前维护,提出一种基于自适应模糊H网的火箭炮故障预测方法.该方法依据火箭炮各系统的工作原理建立各系统都通用的故障预测模型,利用火箭炮故障的历史数据,并通过能自动调整学习速率的BP算法进行自适应学习,对火箭炮中的电气系统故障预测进行仿真分析.实验结果表明:该方法能得到比较精确的故障预测结果,达到火箭炮故障预测的目的.     

数据挖掘技术在目标识别中的应用研究

提出了基于数据挖掘技术的水中目标识别方法。藉助提取目标噪声特征量及模式识别算法，研究了三类目标的特征量提取与选择，实现了相同工作情况下的目标聚类分析。最终取得识别效果是比较满意的。     

改进BP神经网络在冲压发动机性能预测中的应用

提出了一种应用改进BP人工神经网络进行冲压发动机性能预测的新方法.编制了仿真程序,并对几种算法的学习收敛速度进行了比较.仿真结果表明,模型预测的冲压发动机性能误差低于3%,较好地解决了工程实际问题.     

数据挖掘技术在靶场遥测数据处理中的应用研究

主要介绍了数据挖掘技术的基本概念，并结合靶场遥测数据的特点讨论了数据挖掘技术在工程实际中的应用方法。     

数据挖掘技术在信息化地面防空作战中的应用

为了适应新军事变革和信息化战争的需要,在分析信息作战特点的基础上,结合当前地空导弹武器系统作战面临的现状,提出了数据挖掘技术在地面防空作战军事决策、战场信息融合、网络信息战中的具体应用,揭示了数据挖掘技术在军事领域有着广泛的发展前景。     

粗集数据挖掘技术在市场营销中的应用

基于粗糙集理论的启发式数据挖掘算法,先量化数据属性的重要性,再对属性排序,并对选择的属性子集进行约简条件判定.在选择若干次后获得满足约简条件的属性子集.利用该算法,通过预处理、数据约减等步骤从商场营销数据库中收集顾客属性数据,消去多余数据属性.并由此预测需求趋势,评估需求倾向的改变,以便进行决策.     

数据挖掘在军交后付运费数据分析中的应用

介绍了数据挖掘的概念,针对军交后付运费数据分析处理的特点和需求,阐述了数据挖掘在军交领域中应用的必要性.提出了军交后付运费数据分析的过程模型,并基于该模型进一步详细探讨了实现数据挖掘的具体任务、技术和方法.     

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.     

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。     

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.     

人工神经网络在合金铸铁腐蚀深度预测中的应用研究

通过动态和静态质量损失法腐蚀试验获取BP神经网络的样本数据,利用MATLAB的工具箱函数建立用于预测动态和静态腐蚀深度的BP神经网络模型,并对两种腐蚀试验方法的预测误差进行比较研究。结果表明,5×8×10×1BP神经网络可用于合金铸铁在烧碱液中的动态和静态腐蚀深度的预测,且腐蚀试验的样本数据越精确,5×8×10×1BP网络对腐蚀深度的预测误差则越小。