基于模糊神经网络对经济的聚类分析

在现实生活中具有同等人力资本的劳动者在不同的生产力环境下的经济贡献率是不同的 ,有时甚至不可比较的。利用人工神经网络 (SOM网络 ) ,通过 Matlab语言编程 ,根据技术进步增长率对整个经济进行模式分类。分类的结果是大致把 2 9个省市分为 6个类 ,反映了各地区的经济与技术进步增长率情况     

规则库自提取和简化的模糊系统

介绍了一种新的规则自提取和简化的模糊模型算法，该算法由3个步骤组成：首先，通过构造一个模糊软划分判别准则对输入输出空间进行模糊划分，得到最佳分类数，从而得到了最佳的规则数；其次，根据最佳规则数和神经网络来构造初始的模糊模型；第三，通过运用模糊相似分析法，可以得到计算2个模糊集相似度的方程，从而根据事先确定的阈值来合并相似的模糊集。这样就得到了一个既满足对精度的要求又简单且具有可解释性的模糊系统。最后，用该算法对我国全要素生产力进行了模糊规则的提取。     

软计算与硬计算融合的含油气性识别

随着油气勘探领域的不断扩大,测井解释面临的研究对象也越来越复杂,传统的单一基于硬计算或软计算的方法在测井解释中面临严格挑战。提出软计算与硬计算融合的4种模式。运用软计算与硬计算融合的分离模式对某油田Oilsk81、Oilsk83、Oilsk85三口井进行含油气性模式识别,比较结果表明,在这个油区运用软计算方法对含油气性进行模式识别优于硬计算,并且可以识别出较好的测井数据集。     

一种用于储层含油性识别的蚁群聚类算法

针对储层含油性识别过程的复杂性和不确定性,提出一种改进的蚁群聚类算法.将储层类别作为变量,以Jaccard系数衡量聚类结果与已知类结构的一致性,以类内样本与类中心的方差衡量类内的紧密度,利用改进的蚁群算法实现样本的最优划分.实验结果显示,该算法得到的聚类结果与已知的测井解释结论一致度高,类内的紧密程度高,对储层含油性识...     

中国城镇居民生活完全能源消费的测算及趋势分析

本文以1996～2010年为样本期,运用CLA方法,对中国居民生活能源消费进行测算,分析居民生活能源消费的变化趋势及原因.研究结果表明,城镇居民生活直接和完全能源消费呈现上升趋势.间接能源消费呈现先期增长较快,2004年以后呈现波动略降的趋势.人们的消费行为倾向由生存型消费逐步向发展型和享受型消费转变.因此,提出结构节能效应,提倡适度合理的消费方式,促进生活节能等政策建议.     

基于BP神经网络对我国全要素生产力模糊规则的提取

1引言 规则数的确定是设计整个模糊系统的起点.模糊规则数过少时构成的模糊控制系统不能精确地控制和描述对象,但模糊规则数过多,也对模糊系统的性能有影响.根据对我国全要素生产力进行模糊软分类,其中分类结果为三类[1].按照分类数确定模糊规则数,我们就可以通过设计模糊规则前件和模糊规则后件来构造一个规则数为三条的模糊系统,对我国全要素生产力进行模糊规则的提取.     

基于本体和案例推理的深基坑施工安全风险评估

为了更好地实现深基坑施工安全风险评估,利用本体模型和案例推理技术研究深基坑施工安全风险知识的重用。通过对风险评估案例的分析,设计深基坑施工安全风险评估的本体模型,使案例表示更加规范化,同时为领域知识提供了良好的共享性和可扩展性。将历史案例数据进行整理并构建子案例库用于案例推理,运用案例推理技术匹配出相似案例,确定目标案例的风险等级和措施清单。运用本体和案例推理技术,结合工程实际开发了深基坑施工安全风险评估模型,实现了风险评估的知识重用,为专家和技术人员提供了高效的风险评估支持。     

改进型粒子群优化算法求解车辆径优化问题

为了避免粒子群算法求解车辆路径问题容易陷入局部最优,提出了扫描-粒子群算法。运用扫描算法对矿点进行扫描,生成初始可行解链,将其作为粒子的初始位置代入到粒子群中搜索,得到粒子种群历史最优位置,将种群粒子最优位置逆转录生成对应的可行解链。将改进型粒子群算法用于求解郑州煤电物资供销有限公司的车辆调度问题同时将该算法与经典的粒子群算法和遗传算法做了对比实验,仿真实验结果表明,改进型粒子群算法可以更快速、更有效求得车辆路径问题的最优解。     

VRP求解中保证满载率的扫描-遗传算法

为保证配送车辆的满载率,提出一种扫描-遗传算法,以任意一个需求不为0的需求点为子路径的起点开始扫描,结合节约法的思想,制定相应插入准则,并依照该准则向路径中插入需求点直至所有需求点都被插入。基于扫描起点的任意性形成多个可行解,将其作为种群并运用遗传算法,使解在整体上向最优解逼近。运用该扫描-遗传算法对郑州煤电物资供销公司的物资配送进行优化求解,并与随机扫描-遗传算法进行比较,结果表明该扫描-遗传算法满载率较高且费用较低。     

一种模糊神经网络的结构和参数的确定方法*

结合FGP(Fuzzy Grid Partition,模糊网格划分)和FNN(Fuzzy Neural Network,神经网络)提出一种有效确定模糊神经网络模型中结构及参数的方法.该方法首先从样本数据中采用模糊网格划分确定出最佳规则数,从而可确定神经网络的结构;然后采用BP算法对神经网络进行调节,从而确定出模糊神经网络的参数.采用这种方法构建我国经济增长的模糊模型.研究表明这种方法构建的模糊神经网络具有更高的精度.