基于组合赋权的难采储量模糊分类

选取两个效果指标,结合模糊C均值算法和组合赋权法实现难采储量的分类.首先基于效果指标运用模糊C均值算法自动搜索储量的最佳类别,再利用主客观赋权偏差最小的思想,构建组合赋权模型,确定属性指标的权重,并计算储量效益指标值,结合模糊C均值结果判别难采储量类别.最后以大庆某油田为实例,对其难采储量进行了分类,有效指导难采储量滚动开发决策.     

基于FCM-组合赋权的难采储量分类

目前储量的分类标准是通过划分指标值的范围来确定的,这就要求所有指标值恰好符合既定的指标范围,否则难以划分储量类别。为克服这一问题,本文结合模糊c-均值算法和组合赋权法实现难采储量的分类。首先基于效益指标运用模糊c-均值算法自动搜索储量的最佳类别,再利用主客观赋权偏差最小的思想,构建组合赋权模型,确定属性指标的权重,并计算储量效益指标值,结合模糊c-均值结果判别难采储量类别。最后以大庆某油田为实例,对其难采储量进行了分类,有效指导难采储量滚动开发决策。     

基于高斯混合和BP神经网络的卵巢癌质谱数据三分类模型

癌症的早期诊断可以显著提高癌症患者的存活率,三分类问题就是将未知样本与已知样本进行匹配度检测,预测样本是健康状态,良性发展状态,还是癌症状态.针对复杂难分的卵巢癌蛋白质质谱数据,提出了一种基于高斯混合模型和BP神经网络的三分类预测模型.首先,去除原数据中的冗余,对其进行方差排序及交集筛选提取特征集合一,再利用高斯混合模型处理求得参数作为特征集合二,最后使用BP神经网络进行样本三分类,准确率达到72.9%.结果表明:模型可以作为卵巢癌质谱数据三分类的可选择工具.     

基于模糊聚类分析的小波神经网络模型在径流预测中的应用

提出了一种在对预报因子集进行模糊聚类分析基础上构建径流预测模型的新方法:先通过模糊C-均值聚类将历史径流数据进行分类,然后利用小波神经网络分别建立预报因子集类别变量特征值与观测值之间的局部预测模型,并设计了特征值分类识别器,自动搜寻相适应的局部网络模型进行预测.通过西南某水库2011年日平均入库来流的计算实例对简单小波神经网络预测模型和所建的基于FCM与小波神经网络的预测模型进行了比较,结果较为满意.     

基于SVM分类模型的垃圾文本识别研究

主要研究垃圾文本识别问题,利用苹果手机评论文本特征向量建立了SVM分类模型对垃圾文本进行识别,并与BP神经网络判别模型结果进行对比,得出苹果手机前400组训练样本的判别正确率为71%,后196组测试样本的判别正确率为70.12%.故得到,影响垃圾观点文本识别效果的主要原因为:1)评论文本的特征项的提取和文本特征空间向量求解.2)判别分类方法的选择,其中SVM文本识别效果最优.     

基于特征提取与神经网络的音乐分类方法

首先用离散傅立叶变换对音乐进行预处理,然后根据不同类型音乐的统计规律提取了特征向量.最后利用BP神经网络对特征向量进行训练,建立了一种基于神经网络的音乐分类方法.仿真实验结果表明,方法是一种有效的分类方法.     

基于模糊神经网络的动车组转向架健康评估

动车组转向架的健康状态直接关系到到动车组的行车安全,基于健康评估方法获取其健康状态及时制定维护计划可以有效降低其维护费用.动车组转向架健康状态评估时应用了模糊层次分析法以及BP神经网络,其模糊矩阵的特征向量用遗传算法进行求解,获取动车组转向架系统关键部件健康状态的权重,以及基于转向架系统评价指标的健康状态样本数据.构建BP神经网络,用转向架健康状态样本数据作为神经网络训练集,优化神经网络结构参数.通过实际测试数据对神经网络评估效果进行检验,完成了动车组转向架健康评估方法的智能化,支持了动车组转向架的维护决策.     

基于万有引力定律的数据分类效果评价

针对模糊C-均值聚类算法对初始化分类参数的选择比较敏感而导致分类结果差异性较大的不足，提出基于万有引力定律的分类效果好坏的评价准则。实验结果表明。本文定义的分类效果评价准则是可行的。     

基于GA-BP的模糊神经网络控制器与Elman辨识器的系统设计

提出了一种基于神经网络的模糊控制系统 ,该系统由模糊神经网络控制器和模型辨识网络组成 .文中介绍了模糊神经网络控制器采用遗传算法离线优化与 BP算法在线调整 ,给出了具体控制算法 ,推导了变形 Elmam网络的系统辨识算法 .仿真结果表明了此法的可行性和有效性 .     

基于神经网络的模糊推理

为了使模糊推理符合推理原则，目前已定义了１０多种模糊关系，但各种模糊关系定义都存在一定的缺陷。本文提出的基于神经网络的模糊推理，能很好地符合模糊推理原则。     

基于BP神经网络的时间序列预测问题研究

分析指出了基于标准BP神经网络的时间序列预测问题存在的不足.根据基于BP神经网络的时间序列预测问题的特点,研究给出了一种以y=x作为传递函数的时间序列预测方法,经实例验证表明,给出的以y=x作为传递函数的时间序列预测方法较基于标准BP神经网络的时间序列预测方法具有较好的结果.     

基于改进BP神经网络的组合预测模型设计

为提高预测精度,解决非线性组合预测中的困难,利用改进BP神经网络对非线性组合预测模型进行了设计.讨论了模型设立的原则和一般程序,比较其与传统的组合预测方法之间的优劣,并给出实例加以验证.结果显示,基于改进BP神经网络的非线性组合预测模型能够准确描述系统中的非线性,提高预测精度.     

基于EEMD的LS-SVM和BP神经网络混合短期负荷预测

提出了基于总体平均经验模态分解(EEMD)、最小二乘支持向量机(LSSVM)和BP神经网络的实用综合短期负荷预测方法,进行电力系统短期负荷预测.首先运用EEMD方法将非平稳的负荷序列分解,然后根据分解后各分量的特点选用最佳的核函数,利用最小二乘支持向量机分别对各分量进行预测,最后对各分量预测结果采用BP神经网络重构得到最终的预测结果.对实测数据的分析表明基于该综合方法的电力系统短期负荷预测具有较高的精度.     

基于改进BP神经网络的电力负荷预测

在现有文献研究的基础上,对BP神经网络进行了深入研究,提出了一种新的LAFBP模型,给出了模型的标准BP算法、改进BP算法、权值和阈值的初始化方法.在此基础上,用新的LAFBP模型与传统的标准BP模型对黑龙江省巴彦县的电力负荷进行了预测.预测结果表明,新的LAFBP模型不仅克服了传统的BP模型外推效果不好的缺点,而且在模型的拟合精度、学习时间和学习次数方面明显优于传统的BP模型.     

基于BP.网络的工程投资估算模型

选择δ学习规则、有监督学习方式的BP神经网络模型作为本次应用的模型.对30个案例进行分析研究,挖掘有用的数据,找出影响工程造价的主要特征,并对这些特征按其对应分类定性处理,模拟从定性分类处理后的工程特征到工程造价的非线性映射关系.模型估算误差率在±10%以内,满足投资估算阶段的精度要求.     

基于LM算法的BP神经网络的电力负荷短期预测

通过对BP神经网络输入负荷值的归一化处理,同时采用Levenberg-Marquardt(LM)算法,建立了一个改进了的BP神经网络,同时用它来对电力系统进行短期负荷预测.LM算法有效地提高了BP神经网络的收敛速度和负荷的预测精度.仿真结果表明,改进了的BP神经网络具有很高的预测精度和较强的适用能力.     

基于加强型BP算法的神经网络故障诊断研究

文章给出了利用神经网络进行故障诊断的可行性、基本原理、诊断过程分析、和参数优化过程 ,并得出较为理想的诊断结果 .     

基于BP神经网络的航空公司机队可靠性评价模型

机队作为航空公司运输能力的关键,其安全性与可靠性直接影响到航空公司的经济效益.根据航空公司机队可靠性统计和数据采集方式以及实际应用情况,建立了航空公司机队可靠性评价指标体系.鉴于机队可靠性受多种复杂因素影响及各指标体系非线性等特点,结合人工神经网络基本原理和特性,提出了BP神经网络机队可靠性评价模型.最后应用该模型对航空公司机队可靠性进行了实例分析,得出了评价等级.结果表明,基于BP神经网络机队可靠性评价模型是可行的,该方法能够实现动态的评价,对提高航空公司机队可靠性评价技术水平具有现实的意义.