用模糊综合评判确定矿井生产能力

本文应用模糊数学理论和方法，建立了矿井井型的隶属函数，多层次影响因素树状模型及多层次模糊综合评判模型，提出了新的确定矿进生产能力的方法，对模糊数学应用于矿井系统参数设计作一探讨。     

模糊综合评判法在学生考试成绩评价中的应用

运用模糊综合评判法对学生考试成绩进行了评价,通过实例分析表明,这只是一种客观、有效、计算方便,易于操作的评价方法。     

地质条件定量分类系统在东滩煤矿中的应用

确定了定量评价矿井地质条件的指数,并利用模糊综合评判理论,综合各项指数对矿井地质条件进行了定量发类,该系统应用于东滩煤矿,提取了该矿的各项指数,综合得出了东滩煤矿的矿井地质条件分析结果,认为该矿地质构造中等、煤层稳定。     

多级模糊层次综合评价方法在企业评价中的应用

本文将模糊综合评判与层次分析法相结合，建立了企业管理水平的多级模糊层次综合评价模型，并以中国第一拖拉机工程机械公司等企业为例进行了试评，取得了满意的效果。     

模糊综合评判法在教育评价中的应用

由于现代教育具有多元化、人文化、现代化特点,教育现象多为不确定变量,教育评价客观上存在模糊性,评价中的人文因素不可避免。根据教育评价的模糊性,探讨模糊综合评判法在教育评价中的应用,试图寻找一个既能充分发挥评价者的主观创造性,又能尊重教育现象多元化发展的本质规律的教育评价模型。     

人工神经网络在堤坝安全评价中的应用

为了综合考虑安全评价中各因素的影响,采用人工神经网络BP网络模型,建立基于人工神经网络的堤坝安全评价方法.以黄河下游堤防工程为例,依据堤坝的设计和检测规范,建立了相应的安全评价指标,利用地质资料和观测资料对堤坝安全进行了分析与评价,验证了模型的可靠性.     

模糊综合评判方法在大气环境质量评价中的应用探讨

首先对模糊综合评判方法应用于大气环境质量评价中所存在的几个问题进行了讨论,在此基础上, 选择适当的复合运算、权重计算和评价方法对焦作城区大气环境质量状况进行了评价, 并通过对照和比较, 证明了评价结果的正确性．     

模糊综合评价法及应用

本文在模糊数学基础上，建立可用于科研基金资助立项的评审与决策的多综合评价模型，为公开、公平和公正评审科研立项提供了一种有效的方法。     

模糊评价在企业资本投资战略方向中的应用

正确的资本投资战略方向是实现企业战略的前提，现行资本投资理论在确定资本投资战略方向方面还存在一定的局限性。在对资本投资战略方向进行决策时，利用多层次模糊数学综合评价法可以氢诸多包括非财务性信息在内的定性评价指标优化为一种定量指标，从而有利于进行比较和决策。     

应用层次结构神经网络评价露天矿区资源条件

运用分层次结构的人工神经网络系统对露天矿区资源条件进行了综合评价,为露天矿区的合理开发提供了一种新的决策方法．     

利用BP人工神经网络实现对轧机轧制力的预测

将人工神网络与轧制力预测相结合,利用BP人工神经网络对4004铝合金轧机的轧制力进行预测,设计该预测模型并采用MATLAB神经网络工具箱加以实现,获得了较高的预测精度.     

基于模糊神经网络系统的结构主动控制

目的 应用自适应模糊神经网络对多维地震动下结构的振动进行主动控制．方法 用这种自适应模糊神经网络作为主动控制器，以结构的位移和加速度作为输入，计算出主动控制力．结果 将计算的主动控制力输入到结构的动力方程中，结构的位移响应有了较大幅度地减少．同被动控制相比有较大提高．结论 自适应模糊神经网络是一种适用于对结构进行主动控制的智能算法。该控制系统无需引入结构的运动模型和精确参数；对复杂的结构易于建模；同被动控制相比其适应力强，消振迅速而且效果良好．     

基于BP神经网络的动态交通流量预测

本文通过对BP神经网络和影响交通流量因素的分析,采用Windrow-Hoff学习算法、Kolmogorov定理和trainlm训练方法,实现对长春市开运街和湖西路路段动态交通流量的预测.     

基于模糊神经网络理论混凝土结构梁的健康状态综合评判方法的研究

利用模糊神经网络理论，通过对混凝土结构梁的健康状态所获得的征兆信息进行综合评判和故障诊断，以确定故障模式的特性，并获得了满意的效果。     

基于BP神经网络模型的温度预测方法

车间里特定高温环境下对多点的温度监测数据是风机是否工作的重要参数。为了能更好地保护风机,提出一种基于BP神经网络来分析预测温度变化趋势的方法,达到了减少风机工作时间,延长风机寿命的效果。     

运用人工神经网络进行混合气体定量分析的研究

优选了分析CO、H2和CH4混保气体的传感器阵列,构造了传感器信号预处理和神经网络训练算法,从而建立了用于混合气体定量分析的人工嗅觉系统。实验结果证明,系统能够以较高的精度分辨出3种气体的浓度。     

一种基于神经网络识别差动态特性的自适应模糊控制器

在神经网络与模糊控制相结合的基础上,设计了一种基于神经网络识别误差动态特性的自适应模糊控制器,该控制器基于误差知识的控制,从系统误差的动态过程观点描述了误差特性,采用了神经网络实现误差知识的自适应获取。仿真结果表明,其控制性能明显优于普通的模糊控制器。     

遗传算法优化神经网络的拓扑结构与权值

遗传算法(GA)和人工神经网络(ANN)的相互结合有辅助式和合作式两种方式.本文在此基础上提出了融合、BP_GA和GA_BP三种算法,并采用GA_BP算法同时优化BP神经网络的结构、权值和阈值,研究和实现了一套先进的编码技术和进化策略,克服了传统BP神经网络经验尝试方法的盲目性.实例优化与检验结果表明:遗传算法优化获得的神经网络比由经验尝试法得到的BP网络性能更优异,方法更合理.