A neural network bid/no bid model: the case for contractors in Syria

Despite the crucial importance of the ‘bid/no bid’ decision in the construction industry, it has been given little attention by researchers. This paper describes the development and testing of a novel bid/no bid model using the artificial neural network (ANN) technique. A back‐propagation network consisting of an input buffer with 18 input nodes, two hidden layers and one output node was developed. This model is based on the findings of a formal questionnaire through which key factors that affect the ‘bid/no bid’ decision were identified and ranked according to their importance to contractors operating in Syria. Data on 157 real‐life bidding situations in Syria were used in training. The model was tested on another 20 new projects. The model wrongly predicted the actual bid/no bid decision only in two projects (10%) of the test sample. This demonstrates a high accuracy of the proposed model and the viability of neural network as a powerful tool for modelling the bid/no bid decision‐making process. The model offers a simple and easy‐to‐use tool to help contractors consider the most influential bidding variables and to improve the consistency of the bid/no bid decision‐making process. Although the model is based on data from the Syrian construction industry, the methodology would suggest a much broader geographical applicability of the ANN technique on bid/no bid decisions.     

组合式非周期缺陷接地结构的RBF神经网络模型

组合式非周期缺陷接地结构(CNPDGS)是由光子带隙结构(PBG)发展而来的,它具有结构简单、电路尺寸小、插入损耗小、设计参数少等优点。本文采用RBF神经网络建立了CNPDGS的神经网络模型。神经网络训练成功后,在其学习范围内,该模型能立刻给出任意尺寸结构的准确可靠的传输系数(S21)。结果证明神经网络建模的方法具有快速、准确、可靠等优点,具有很高的实用价值。     

基于RBF人工神经网络的水质评价

以RBF网络建立水质评价模型,网络的输入为某水样中参与评价的n种水质指标实测值的集合,输出为该水样的水质级别。问题关键集中在网络结构的选择、可调参数的优化方法,以及学习样本的代表性上。将n个样本划分成c个类的划分序列。只要在一定水平时样本被归入同一类后,在进行更高水平的划分时,确定类数即确定分类结果。     

用人工神经网络构建碳钢、低合金钢大气腐蚀模型

采用人工神经网络技术建立了碳钢、低合金钢大气腐蚀预测模型,神经网络拓朴结构为13-19-1,神经网络模型预测结果和实验数据紧密相符,而且通过单一因素敏感性分析方法,研究了合金元素和环境因素对于大气腐蚀速率的影响,表明该方法的有效性.     

基于多维特征向量及ANN技术的色彩传递算法

灰度图像色彩传递可以实现对灰度图像的自动上色处理。分析了目前色彩传递的经典算法——Welsh算法,指出了该算法存在的两大不足之处,提出了一种包含高频纹理信息的向量式像素点描述方式,并结合最近邻域搜索算法（ANN）,提出了一种新的色彩传递算法,弥补了传统算法的不足,使灰度图像的彩色化效果有了较大改进。     

基于人工神经网络的IT项目风险评价模型

[摘要]：首先本文在构建IT项目风险评价体系的基础上,提出一种基于人工神经网络的多指标综合风险评价模型。其次,利用神经网络的自学习和自适应能力,经过训练的神经网络系统能够将专家评价思想以连接权的方式赋予风险评价模型。最后,通过实际IT项目评价数据的验证,该风险评价模型能够准确地按照专家评价法进行工作。     

考虑PCA-RBF的变压器标底预测模型研究

针对变压器制造企业投标报价缺乏科学理论指导,准确性低的问题,以准确预估下一批招标的标底价为目标,提出了结合主成分分析(PCA)与人工神经网络(ANN)的变压器标底预测模型-PCA-RBF标底预测模型。模型采用PCA对高维原始变量进行降维处理,提取主成分(PC)作为径向基函数神经网络(RBF)的输入。PCA算法降低了原始变量的维数,去除了各变量间的相关性,在简化ANN结构的同时,提高了预测模型的精度。仿真结果表明,PCA-RBF变压器标底预测模型具有较高的预测精度。     

工业生产中软测量建模方法及其应用研究

软测量技术是基于推断控制理论的一门新兴工业技术.本文在介绍软测量技术的基本原理及其构成要素的基础上,详细介绍了工业生产中用于过程控制的常用的一些建模方法及其优缺点,同时也指出了其在工业生产控制中的实际应用.最后对其发展和应用状况进行了展望.     

机械密封环端面热变形的分析与BP网络预测

分析了影响机械密封环端面变形的主要因素,说明了密封环对介质的传热系数及端面热通量的计算方法.对于高速重载机械密封,因密封环端面热通量大,其热变形显著高于力变形.当密封环模型一定时,按正交设计法给出若干端面热通量值作为输入样本,并将有限元法计算得出的端面内径和外径处的相对轴向变形Δz作为输出样本,训练3层BP人工神经网络,对该密封环端面的轴向热变形进行精确预测.正交设计法和人工神经网络方法相结合是密封环端面热通量与热变形之间高度非线性关系分析的有效方法.