基于人工神经网络的碳钢、低合金钢腐蚀预测

材料在海水中发生腐蚀现象,其与腐蚀有关的环境因素非常多,如何分析和预测材料在海水中的腐蚀速率一直是腐蚀研究领域的重点和难点.人工神经网络的输入是碳钢、低合金钢的合金元素和海水的环境因素,输出是海水腐蚀速率.采用人工神经网络技术建立了碳钢、低合金钢在海水潮差区腐蚀预测模型,预测了腐蚀发展的趋势.运用经过训练的神经网络拓扑结构对"新钢材"进行腐蚀速率预测,预测结果和实验数据紧密相符.应用人工神经网络技术预测的腐蚀速率数据,可以为腐蚀专业和非腐蚀专业的工程技术人员提供腐蚀分析的依据.     

结构动力特性的人工神经网络预测

在Ｋｏｌｍｏｇｏｒｏｖ多层神经网络映射存在定理基础上，证明了一个三层 神经网络可以描述机械结构设计变量与其动力特性参数之间的映射关系，给出了预测机械结构动力特性的人工网络实现方法，并通过仿真算例验证了该方法的有效性。     

结构动力特性的人工神经网络预测

在 Kolmogorov多层神经网络映射存在定理基础上 ,证明了一个三层神经网络可以描述机械结构设计变量与其动力特性参数之间的映射关系 ,给出了预测机械结构动力特性的人工神经网络实现方法 ,并通过仿真算例验证了该方法的有效性     

基于人工神经网络的机械结构固有频率修改

证明了一个三层神经网络可以描述机械结构设计变量与固有频率之间的映射关系,给出了机械结构固有频率修改的人工神经网络实现方法,并通过应用实例进行了验证。     

城市用水量预测的人工神经网络模型

为预测城市用水量，提出了人工神经网络模型，用此模型对某沿海城市用水量进行拟合、预测。通过数据文件的建立及期望输出的选取，能充分体现数据系列的变化规律。实例结果表明，该模型拟合精度高，用于城市用水量预测可行、有效。     

人工神经网络在结构建模上的应用

对于结构控制，首先必须建立系统模型，而结构系统是非线性的、时变的，很难用常规方法来建模，运用学习速率自调整BP误差逆传播网络对两种结构进行了建模，其一是预测结构地震响应， 其二是建立MR阻尼器的理论模型。预测与仿真结果表明BP误差逆传播网络对建立非线性结构的模型十分有效。     

基于人工神经网络的商品销售额预测

介绍了BP神经网络的结构，算法和基于人工神经网络的商品销售额的预测，与传统方法相比较给出了ANN的优点及改进的方法。     

基于BP网络的结构损伤识别

结构的动力特性和结构参数直接相关，结构的损伤将引起相应动力特性的改变，因此，如果能建立结构动力特性变化与结构损伤之间的映射关系．则可以利用结构振动测试信息实现结构损伤诊断。神经网络方法因其具有非线性映射能力强、计算速度快、容错性好等优点，正越来越多的用于基于振动的结构损伤识别。但是对于大型复杂结构，普遍存在网络结构复杂。识别效率低下的问题。以框架结构为例．应用BP网络分阶段的进行损伤位置、损伤程度的识别，这有效降低了网络的复杂性，减少了学习样本。提高了学习效率。     

基于人工神经网络的自适应电力系统短期负荷预测

基于人工神经网络的自适应电力系统短期负荷预测梁志珊，陈建华，刘哲（电力科学研究所）１引言电力系统短期负荷预测是调度部门每日必须进行的重要工作之一。日负荷预测的精度越高，越可以降低系统备用容量，减少或避免计划外开停机组。因此，负荷预测的精度将直接影响电...     

基于"数列灰预测"的输气管道腐蚀预测

输气管道腐蚀涉及因素较多,关系错综复杂,且随着条件的不同而变化较大,对于这些因素的确定也存在不确定性和模糊性.利用"数列灰预测"建立了管道腐蚀预测的新模型,介绍了三种常用的数据处理方式.将预测模型应用于四川气田某输气管道的腐蚀速度和腐蚀深度的预测结果表明:所建模型预测的误差小,可以用于现场实际工作中,为管道的腐蚀预测提供了一种新的方法.     

基于GA-BP神经网络的输油管道内腐蚀速率预测

针对BP（Back Propagation）算法的神经网络易陷入局部极小的缺点,尝试引入遗传算法（Genetic Algorithm）处理了BP神经网络的权值与阈值,并分别建立了BP和GA-BP两种不同算法的神经网络模型对输油管道腐蚀速率进行预测。对结果进行对比分析发现,GA-BP算法的神经网络预测精度要高于BP网络;GA-BP算法具有高的预测精度,其预测值与实验值相关系数为0.9863,表明该算法模型是合理可靠的。     

基于神经网络的客服中心话务量预测模型

针对现有预测模型在话务量发展趋势变化、新技术新业务引入后模型失效、预测精度下降等问题,提出一种基于神经网络和事件样本库的智能预测方法。该方法具有自学习功能,可根据预测误差自动调整预测参数并更新事件样本,对话务量趋势变化、事件影响程度变化及新事件的发生具有持续自适应能力。仿真结果表明,该预测方法能有效降低预测误差,与现有方法相比,话务量的预测精度提高了6．57％。     

基于RBF神经网络的裂缝开度预测模型

大坝裂缝开度是大坝安全的重要特征之一。针对传统裂缝开度预测模型的不足,提出了基于RBF神经网络的裂缝开度预测模型,该模型克服了传统模型容易陷入局部极小和运算迭代量大的缺点,有效地提高学习速度,加快了收敛速度,缩短了训练时间,使得预测精度提高,因此能较好地预测裂缝开度值。利用Matlab的RBF神经网络工具箱建立了裂缝开度预测模型,并应用于实际工程中,取得了较高的拟合预报精度,说明该方法具有较强的实用性。     

基于ARMA-BP神经网络模型的风电功率预测研究

结合ARMA时间序列预测模型和BP神经网络预测模型的优点,构建ARMA-BP神经网络混合模型,对风电功率预测问题进行研究。采用构造性神经网络模型得出的类别值对统计时间序列模型的预测值进行修正,提高了风电预测的精度和效率。     

基于神经网络的大气污染预报方法的研究

大气污染物浓度的变化具有较强的非线性特性，基于人工神经网络捕捉非线性变化独特的优越性，将RBF网络应用于实测大气污染物浓度的预报。     

基于BP网络的企业风险预警实证研究

风险管理是企业管理的重要内容。通过建立企业风险预警指标体系，利用神经网络方法对企业风险状况进行综合评估，并引用实例说明该方法的实现过程。预测结果表明，神经网络方法建模简单，精度高，对于企业风险等复杂的非线性问题有着很强的逼近与预测能力。     

基于神经网络的股票交易数据的预测研究

运用前馈神经网络预测时间序列的分析方法对股票数据进行了预测.通过对前馈神经网络时间序列数据预测网络模型的建立方法及预测方法讨论,基于BP网络对股票数据进行实际预测.预测精度明显高于传统方法,说明此种方法是可行的.BP网络可用于股票数据预测,其预测精度较高,但实际预测时,如何选择和确定一个合适的神经网络结构需进行反复实验.     

BP和RBF网络的结构动力响应预测对比

主动控制中存在时滞效应,在线实时预测结构响应,可以解决这个问题。不同的神经网络对结构响应的预测效果是不同的,针对BP网络和RBF网络的不同特点,对它们的预测效果做了对比研究。仿真结果表明,RBF神经网络训练速度快、精度高,可及时为主动控制建筑结构响应提供较为准确的优化性能指标,从而为实现在线实时控制结构响应提供优良的保证。     

基于小波神经网络预测的退火炉温控制

目的 通过对退火炉炉温控制系统的设计,使得控制系统的控制性能和控制精度提高、抗干扰性增强.方法 针对被控对象一退火炉本身的非线性、大滞后性、时变性等特点,采用把小波函数引入神经网络预测模型对退火炉温进行预测,再把此预测模型与BP神经网络控制器相结合对退火炉的脉冲燃烧器进行控制,进而控制炉温.结果 由小波神经网络预测模型组成的控制系统,综合了小波分析和传统神经网络的优点,且具有不断吸收环境新信息的函数学习能力和推广能力.从仿真曲线上看,此控制方法 相比较传统控制的方法 具有收敛速度快,预测精度高的特点.结论 实现了对具有大干扰、大滞后性和不确定随机干扰因素的炉温控制系统进行精确控制,具有良好的动态和稳态性能.     

基于灰色神经网络模型预测变压器油中溶解气体的含量

建立了变压器油中溶解气体的灰色神经网络预测模型,用MATLAB仿真计算,结果表明该模型优于单独GM（1,1）模型。