利用神经网络预测域市震后火灾损失

城市遭受地震袭击后伴随大火而引起房屋烧毁与财产损失是巨大的．这与地震烈度、火源发生与蔓延、灭火能力有关．文中利用人工智能神经网络方法预测震后火灾损失；根据美国北加州湾区和南加州洛杉矶地区的有关历史资料，训练种经网络对某些地震烈度的火灾损失作出预测．该方法能迅速、准确地预测未来指定烈度与气候条件下的火灾损失．对其它自然灾害，在一定条件下也可应用．     

一种城市火灾损失预测评估方法

按照提出的基于宏观经济指标(国民生产总值GDP和人口资料)进行火灾损失预测评估的方法和根据河北省1980-1997年间发生火灾的资料分析而建立的GDP火灾损失率与火灾风险指数的统计关系,通过把研究对象以50 m×50 m为单位划分网格,并根据网格格点的人口和研究对象的人均GDP值计算得到单元格点的GDP值,进而根据GDP火灾损失率和火灾风险指数的关系与火灾发生概率得到研究对象预测的火灾损失估值。提出的方法采用易于更新和获取的社会经济数据作为火灾损失的分析基础,可方便地用于没有详细的各类设施分类数据的区域进行火灾损失预测;对于经济发展快速的城市,该方法容易通过社会经济数据的及时搜集和更新得到新的火灾损失预测结果。     

神经网络方法在城市需水量预测中的应用

本文详细阐述了采用BP神经网络和模糊神经网络进行城市需水预测的方法,并将这两种方法和灰色预测模型应用到石河子市需水预测的实证研究中.通过对这三种方法进行比较研究,发现在相关因素数据比较齐全时,两种神经网络的模拟结果精度较高,模糊神经网络方法的模拟精度最高.     

基于BP神经网络的城市供水系统管网预测

针对城市供水系统的复杂性、非线性、时变化性以及多因素影响的特点，探讨了建立基于BP神经网络城市供水管网预测的原理，阐述了建立基于BP网络的城市供水时序预测模型方法．根据管网的节点压力历史数据纪录，建立基于神经网络的管网压力时序预测模型，对未来某一时段的节点压力进行预测．从预测过程和结果分析，基于BP神经网络城市供水管网预测方法操作简单，运行速度快，误差修正方便，精度高．图2，表1，参12．     

城市供水管网水量预测的小波神经网络方法

为提高城市供水优化调度的可靠性和实用性，对城市管网水量预测的方法进行了研究．提出了利用小波分解与人工神经网络相结合的小波神经网络管网水量预测模型，该模型以非线性小波基为神经元变换函数，通过伸缩因子和平移因子计算小波基函数合成的小波网络，并从理论上给出了严密的算法；同时通过逐步检验算法，科学地确定了网络结构，克服了普通人工神经网络难以确定网络结构、存在局部极小点等缺点．仿真结果表明，该模型比普通人工神经网络预测模型的预测精度高，并具有很强的适应能力．     

灰色预测理论在火灾损失预测中的应用

简述了灰色理论中灾变预测的特点和其建模过程,并将其应用于湖南省火灾损失预测之中,并利用关联度分析检验了所建火灾损失预测模型的精度,经检验模型的分辨率比较高,同时预测值和原始值的曲线图也反映了这一点,因此模型的预测结果比较可靠,对于消防部门火灾预防有一定帮助.图1,表2,参8.     

神经网络预测城市用水量的等维新息模型

根据城市用水量的变化特点,选取能充分体现用水量变化规律的等维新息数据文件,并合理选取望输出,建立了城市用水量预测的神经网络等维新息模型。经实例验证,并与其他预测方法比较,该模型预测误差小,可满足水源规划等工作需要。     

城市火灾预测咨询系统

城市火灾预测咨询系统根据灰色系统理论,为城市火灾行为提供科学、可靠分析,进行火灾预测,是有效的城市火灾预防及减灾对策的科学依据．该系统基于地理信息系统（GIS）．做到了良好的动态图型界面和人机对话环境,为政府部门、消防、房管、保险公司提供了科学防火数据．     

基于混沌神经网络的交通事故损失预测

文章应用混沌方法对交通事故损失时间序列进行处理，计算出最大Lyapunov指数，得到最大可预报时间尺度，在此基础上，建立人工神经网络预测混沌时间序列的模型。最后运用该方法对我国交通事故损失进行了预测分析。     

基于BP神经网络模型的城市生活垃圾产生量预测研究

提出一种基于BP神经网络Levenberg—Marquardt算法建立城市生活垃圾产生量的网络预测模型。该方法优于传统的灰色理论预测模型和根据人口数预测垃圾产生量，预测结果客观、合理、精确，实用性强。该研究方法对我国城市生活垃圾管理和环境规划具有一定的指导意义。     

基于遗传神经网络的地震综合预测系统研究

提出利用遗传神经网络技术对地震预测建模,其基本思想是利用遗传算法具有全局搜索能力、不易陷入局部极小点的特点优化神经网络的权重和阈值,利用优化的神经网络挖掘地震前兆异常属性和震级之间的潜在的关系,从而实现地震预测.并选取了《中国震例》中的97个样本数据进行实验,震例验证的结果表明,遗传神经网络算法用于大地震综合预测效果较理想.     

利用神经网络外推预测油田综合含水率

逻辑斯特模型常被用来预测油田晚期勘探阶段的石油资源，还可用来预测一个油区的含水率变化过程。文中应用改进的神经网络算法和结构。预测油田的含水率变化趋势，并与Ｌｏｇｉｓｔｉｃ模型预测结果进行了比较。结果表明，神经网络是一种可行的石油资源外推预测方法。     

利用神经网络预测聚合物玻璃化温度

分析了影响聚合物玻璃化温度的各种因素，采用合成时进料组成中各组分的摩尔分数、组成成分的重量分数以及聚合度等共计６个变量来表达聚合物结构上的差别，通过神经网络的训练建立了描述硬脂酸乙烯酯＋乙酸乙烯酯＋氯乙烯三元共聚物链结构和组成等６变量空间到玻璃化温度空间的映射关系，进而对未知三元聚合物的玻璃化温度进行预测，预测结果与实验结果与比较吻合。     

基于BP神经网络的人口火灾发生率预测方法研究

在分析人口火灾发生率同气象资料之间关系的基础上，设计了BP神经网络模型。根据北京市2000年至2006年气象资料及人口火灾发生率的统计数据对该神经网络进行了训练，训练精度为0．00000001。使用训练好的BP神经网络模型对北京市2007年和2008年人15火灾发生率进行预测，预测结果与实际值误差分别为0．00001和0。     

地震属性参数神经网络油气预测应用研究

论述了油田区块开发前期和中期的油气预测的方法及实际应用问题。主要利用三维地震资料提取地震属性参数,并采用模糊神经网络技术,即将模糊概念和ＢＰ神经网络结合一体进行预测。     

利用BP神经网络预测原油粘度

神经网络是一种抽象的数学模型,研究BP神经网络的特性并利用该网络预测原油粘度,建立了一个BP神经网络模型,最后利用MATLAB环境下的神经网络工具箱开发相应的程序。并最终将其用于原油粘度的预测。     

基于模糊神经网络的城市排水预测

海绵城市的建设具有重要意义,如何更好地预测城市排水量成为一个关键点。针对城市排水的波动性和非线性特征,提出一种基于模糊神经网络预测的城市水量预测算法。首先,采用灰色模型构建城市排水预测模型,并基于海绵城市的概念建立客观预测回归函数。其次,通过设置断点来构建滑动窗口,并实时分割灰色模型的数据,以获得数据的实时统计特征,通过构造序列误差预测和压缩比之间的函数,并使用误差预测序列来确定分割点,以提高检测过程的鲁棒性。最后,通过城市排水预测模拟实验,表明所提出的算法能够有效提高城市排水的预测精度和预测效率,更好地反映了整体趋势。     

地震属性参数神经网络油气预测应用研究

论述了油田区块开发前期和中期的油气预测的方法及实际应用问题．主要利用三维地震资料提取地震属性参数,并采用模糊神经网络技术,即将模糊概念和ＢＰ神经网络结合一体进行预测．为使ＢＰ神经网络尽快收敛,减小振荡,增强网络的可靠性,还提出了两种主要修正ＢＰ网络的方法,其一为动态调节学习率;其二为动态调整权系数参数．通过实例分析认为：该方法的精度和可靠性较高,其预测结果为油田开发区块增产上储提供了较可靠的依据．     

一种基于前馈神经网络的火灾探测方法

讨论了基于模拟量探测器和前馈神经网络的火灾探测方法。以光学感烟、半导体感温、离子感烟和湿度模拟传感量为输入，以火灾概率和阴燃火灾概率为输出量对前馈神经网络进行训练，不仅可提取火灾环境的有效特征，而且可以提高检测算法的可靠性。     

利用子波基函数神经网络进行预测

提出了一种利用子波基函数神经网络对自动控制系统进行预测的新方法。子波基函数神经网络利用局部获得信息完成函数映射,从实验数据中提取时频特征,基于以前观察获得的数据来预测未来的输出结果。在这篇论文中,我们提出了一种实现子波基函数神经网络的结构和算法,并给出了一个时间序列预测的例子评价子波基函数神经网络预测的性能。