基于人工神经网络的区域经济子系统可持续发展指标预测研究

可持续发展系统是“黑箱”,至少是“灰箱”,各因素是间否存在因果关系还十分清楚,人工神经网络可以较为逼真地模拟该系统,本文以人工神经网络BP模型为工具,借助Matlab语言对区域可持续发展经济子系统指标进行预测研究,通过数据采集、网络结构模型设计、程序设计、网络训练等给出指标预测图并进行分析,最后提出建议,结果表明,用人工神经网络来模拟持续发展经济子系统是可行的。     

径向基神经网络模型在滇东南金矿潜力预测中的应用

采用人工网络神经法（Artificial Neural Network,ANN）有助于理解成矿系统的非线性动力学行为和对矿产资源进行预测.其中的径向基神经网络（Radial Basis Function Neural Network,RBFNN）具有优秀的逼近特性,优化过程简单,训练速度快,适合于需要大量数据综合的矿产预测.采用RBFNN方法对成矿地质条件复杂的中国滇东南地区开展金矿成矿预测.研究结果表明,该模型能快速获取成矿潜力信息.通过采用受试者工作特征（Re-ceiver Operating Characteristic,ROC）曲线进行精度验证,表明该模型具有优越的预测能力.     

人工神经网络和多元回归法预测有机物的生物富集因子

计算了122种非离子性有机物的电性拓扑状态指数En．基于取代基及共轭母体的特征，定义一种新的分子参数——共轭参数B，它们对有机物呈现出良好的结构选择性．将它们与122种非离子性有机物的生物富集因子（IgBCF）拟合，建立令人满意的数学模型：lgBCF=-0．076＋1．006B＋0．077E38＋0．274E9＋0．111E39（n′-122，R-0．966，F-408．35，S-0．401）．通过Jackknife法检验该模型具有总体稳健性，并能较准确估算与预测有机物的生物富集因子．依此4个结构参数作为神经网络输入层结点，采用4：10：1的网络结构，利用BP算法得到一个良好模型，其相关系数R和标准偏差S分别为0．990和0．216，证明该电性拓扑状态指数与共轭参数对于有机物的生物富集因子的预测有效．     

软土地区盾构隧道掘进引起的地表沉降预测修订

在盾构隧道施工时, 地表沉降的Peck公式预测结果往往因地质条件的不同而与实测结果差异较大. 为此研究基于宁波轨道交通1号线地表沉降实测数据, 利用最小二乘和一元线性回归法, 确定了盾构隧道地表沉降槽宽度系数K和地层损失率Vl的取值范围, 并引入了地表最大沉降修订系数α和沉降槽宽度修订系数β对Peck公式进行修订. 结果表明: 宁波软土盾构隧道地表沉降槽宽度系数K范围为0.6~0.9, 建议取0.75, 地层损失率Vl范围为1%~3%, 建议取2%; 当修订系数α取1.2, β取0.8时, 能够获得比Peck公式更好的预测效果.     

基于Takagi-Sugeno型模糊系统软运算的优化

分析Takagi-Sugeno模糊系统建模方法的基础上,提出一种简单有效的软运算方法.该算法基于功能块构造法模糊建模思想,由隶属函数写出简单的文本文件来代替复杂的模糊规则,运用Simulink工具箱,以Floulib模糊库为依据利用模糊控制的Takagi-Sugeno方法来进行模糊运算和设计模糊控制器.实例证明,本文所提出的软运算方法简单,收敛速度快,适合任意位输入的模糊控制器模型,具有较好的实际应用价值.     

基于改进BP人工神经网络的纱线拉伸性能预测研究

本文研究了纱线拉伸性能预测问题.用HVI测试原棉指标,用USTER(R)TESTER5～S400测试成纱指标,采用改进BP算法建立断裂伸长预测的模型,进行纱线的拉伸性能预测,结果表明改进BP模型预测速度和精度较好.     

基于CEEMDAN-MFO-RBF的风电功率短期预测

文中提出一种基于自适应噪声完整集成经验模态分解与飞蛾扑火算法优化径向基神经网络的短期风电功率预测方法.首先,利用自适应噪声完整集成经验模态分解对风电功率信号进行分解,以获得不同时间尺度的固有模态函数分量和剩余分量,该方法相较于经验模态分解与集成经验模态分解具有更好的收敛性和完整性.其次,利用飞蛾扑火算法优化径向基神经网...     

基于灰色预测模型的参数寻优方法及能源预测应用

能源电力是中国实现双碳目标的关键领域,精确预测未来能源供需及碳排放量,有利于制定低碳转型的可行路径。灰色预测模型GM(1,1)是在能源预测领域应用最为广泛的一种动态预测模型,但其对原始数据要求较高,且GM(1,1)发展系数α较大时,模型可能失效,另一方面,GM(1,1)的另一关键参数灰作用量u直接决定模型预测精度,如果能够找到更优的u值代入模型进行预测,则模型的精度将会显著提高,考虑到这些问题,本文将一种在实际优化问题中表现优良的新颖群体智能算法帝王蝶优化算法(Monarch Butterfly Optimization, MBO)引入到灰色预测模型关键参数α和u的寻优过程,提出了一种全新的灰色-帝王蝶优化预测模型,实现对天津能源供需及碳排放的准确预测,并依据预测结果制定天津2030年碳达峰的低碳转型路径,通过与已有经典文献方法与预测数据的对比,证实了本文所提出的灰色-帝王蝶优化预测模型的有效性和优越性。     

基于Riesz基的再生核及支持向量机

在支持向量机(SVM)技术中,再生核的选择起着重要作用.利用L2(R)中的一组Riesz基构造再生核,并将其推广到应用广泛的正交小波.在基于正交小波的再生核Hilbert空间中考虑函数的正则化逼近,对基于正交小波再生核的SVM结合小波分析进行探讨,得到SVM的离散逼近,离散细节均只与支持向量有关.     

基于边际费希尔分析与径向基相结的甜瓜含糖量无损检测研究

为了解决甜瓜含糖量预测中输入特征的“维数灾难”问题,提出了一种基于边际费希尔分析（Marginal Fisher Model,MFA）和径向基神经网络（RBF）相结合的甜瓜含糖量无损检测方法。采用边际费希尔分析方法对高维的介电特性数据进行特征提取。该方法即能够保留高维空间中数椐的内蕴结构,又能同时进行降维,再应用RBF对低维特征数据进行训练和预测,结果表明该方法预测精度比其他算法有所提高。     

模糊神经网络在复合地基沉降量预测中的应用

复合地基后期沉降变形对于建筑物设计及安全具有重要意义,针对通过长期沉降观测以得到复合地基的最终沉降需要耗费较多资源的问题,提出了一种基于模糊神经网络的预测方法.该方法考虑沉降变化过程有较大的随机性和模糊性,直接将样本数据进行模糊化,所得的模糊数代表了样本点集与控制点集中各分量之间的相关度,并依此建立模糊BP神经网络进行学习和估算.实验结果表明了该方法对沉降进行预测是可行与有效的,且在相对误差的有效控制方面优于BP网络方法与灰色方法.     

BP人工神经网络用于除草剂活性预测

采用AMI方法研究了10种新型的磺酰脲类除草剂的电子结构，并以原子的Mulliken净电荷和除草剂在不同浓度(100，10mg／L)下对油菜、稗草两种作物的根、茎部位的抑制率为训练样本集。构造并训练得到具有活性预测能力的BP神经网络．结果表明，该BP网络不仅能对训练样本很好拟合。亦能对未知化合物的活性作出很好的预测．     

基于高频电阻抗信号与神经网络技术的结构损伤识别研究

为保证结构的安全性和耐久性,宜对结构早期的损伤情况进行健康监测.采用电阻抗方法和人工神经网络技术对钢制薄梁进行了损伤识别的实验研究,但将测得的电阻抗信号都作为神经网络的输入参数则显得不切实际,所以采用主成分分析的降维方法进行实验数据的预处理,降维后包含着最重要主成分的电阻抗信号代替原始数据将作为神经网络的输入参数.研究表明：采用该技术得到的仿真结果与实验观察非常吻合.     

具有动态阈值的人工神经网络

在研究神经元阈值作用的基础上,提出了神经网络中神经元的动态阈值选择作用和神经元之间抑制作用模型,研究表明,这种模型能降低应用对象模型的复杂性,简化网络运行的中间过程,修正二值输出函数的性能,使收敛速度和有效性得到改善.将这种人工神经网络用于求解TSP问题,显示系统还具有模拟退火作用的效果.     

用人工神经网络方法解析色谱重叠峰

色谱图中两个(或以上)峰相互重叠时直接影响色谱分析的结果.本文提出一种借助于人工神经网络的解析方法, 将色谱重叠峰切割成间隔为0 .02 分的“ 薄片” , 以“ 薄片” 面积为输入值, 以前向多层人工神经网络处理.可以准确测定峰形重叠的二乙胺和三乙胺的含量, 经标准物对比, 结果令人满意.     

人工神经网络模型及其在遥感中的应用

人工神经网络是通过模拟人脑神经元活动的过程来处理信息,现已在许多科学领域得以应用,并在分析人工神经网络模型基本原理和运行机制的基础上,探讨其在遥感应用中的优越之处及其与地学知识和专家系统的结合模式。     

带有时滞的神经网络的稳定性

在本文中，我们研究了带时滞的神经网络系统，分析了该系统的稳定状态，获得两个稳定性准则，为神经网络的硬件设计提供了理论依据.     

用BP神经网络模型评价养殖区水域的富营养化——以湖州地区为例

根据养殖区水域富营养化程度主要影响因素和评价标准,用足够多的BP神经网络训练样本、检验样本和测试样本进行模拟学习,给出了区分养殖区富营养化程度的分界值,能够直观地进行不同等级富营养化程度的划分.所得到的神经网络模型具有较好的泛化能力和预测能力,减少了人为主观因素的影响,该模型有一定的客观性、通用性和实用性.实例分析表明,湖州地区养殖区外荡水域富营养化程度比较严重,处于富营养化和重富营养化状态.     

基于泛函连接神经网络的FIR滤波器设计方法

基于4种FIR线性相位滤波器幅频响应函数的统一表示形式,提出了一种泛函连接神经网络模型,并应用于线性相位FIR滤波器的设计.该网络模型在实际应用中保持了余弦神经网络模型的一切优点,并且能够设计出余弦神经网络不能够设计出的单位冲激响应为奇对称的FIR线性相位滤波器,该神经网络模型具有较强的泛化能力.多通带滤波器和90°移相器两种FIR线性相位滤波器的设计实例,表明了该网络模型在高阶线性相位FIR滤波器设计中的有效性和优越性.     

基于人工神经网络的多媒体语音特征挖掘

提出了一种基于人工神经网络的聋儿语音训练识别的多媒体特征挖掘技术 .构造了邻域三层神经元合作竞争的动态行为神经元模型 ;实验选取了动态递减函数、动态最小覆盖矩阵和动态确定阈值形成的 SOL A挖掘算法 ;以及聚类分布的网络图技术 .解决了聋儿语音训练系统中基本语音识别的难题 .