基于组合神经网络的装备研制费用预测研究

利用组合神经网络预测法.对装备研制费用进行预测研究.采用了两层预测系统第一层用灰色模型和神经网络分别对装备研制费用进行预测,第二层用BP网络对第一层的输出进行组合预测.通过对某型装备研制费用的预测分析,证实了本模型的科学性与正确性.     

混沌序列的模糊神经网络预测

提出了一种针对混沌序列预测的T-S模糊神经网络。这种T-S模糊神经网络与传统的T-S模糊神经网络相比在不影响预测精度的前提下极大的减少了神经网络的节点数。同时利用基于混沌动态量的BP算法对神经网络进行学习．提高了收敛速度和预测精度。应用此T-S模糊神经网络和相应的BP学习算法．对Mackey-Glass混沌时间序列进行了预测．与传统的T-S模糊神经网络相比得到了更好的结果，验证了该方法的有效性。     

BP神经网络在导弹武器系统使用可用度预测中的应用

提出了基于导弹武器系统影响因素的使用可用度数学模型.而后针对数学模型复杂,模型函数难以确定的问题,采用BP神经网络实现对模型函数的逼近,从而实现对导弹武器系统使用可用度的预测.     

应用改进的BP神经网络预测导弹的研制费用

结合导弹武器系统研制的特点，分析并确定了影响导弹武器系统研制费用的主要因素，并在前人研究的基础上，提出了基于改进的BP神经网络的费用预测模型。该模型不仅克服了以往由于专家主观因素而造成的负面影响，而且提高了算法的运行效率和模型的预测精度。通过具体的实例分析比较，充分证明了利用该方法的科学合理性。最后探讨了利用BP神经网络进行数值预测的方法和应该注意的问题，并给出了一些有益的建议。     

基于神经网络对航材备件需求率的预测分析

鉴于航材备件在飞机维修保障中的重要地位,利用神经网络能以任意精度接近非线性函数的特点,采用神经网络的有监督式学习,并将预测误差作为反馈来调整航材备件需求率预测网络中的权值分布。其预测网络中只取了3个输入,增加输入个数还可使神经网络的学习效果更佳,从而使预测精度更高。通过对实际数据的预测结果表明,该算法具有较好的实用性。     

改进BP神经网络在冲压发动机性能预测中的应用

提出了一种应用改进BP人工神经网络进行冲压发动机性能预测的新方法.编制了仿真程序,并对几种算法的学习收敛速度进行了比较.仿真结果表明,模型预测的冲压发动机性能误差低于3%,较好地解决了工程实际问题.     

基于粗糙集和BP 神经网络的导弹备件消耗预测

针对神经网络预测导弹备件消耗时参数过多会导致事件过长并易陷入局部最优的问题,建立一种基于粗糙集和BP神经网络的导弹备件消耗预测模型。在对采集到的导弹备件消耗信息进行特征提取、形成决策表的基础上,用粗糙集理论对原始信息表进行约简,去除冗余的属性和属性值,并将约简的影响因素值输入到BP神经网络中进行训练预测。实例结果表明：该预测方法大大减少了网络的收敛时间,提高了模型的预测精度,为导弹备件消耗预测提供了一个新的思路。     

基于BP神经网络的坦克炮身管剩余寿命的预测分析

提出对坦克炮身管剩余寿命的预测分析的新思路。通过对坦克炮发射弹数与直径变化关系的统计数据,利用BP神经网络模型对坦克炮身管寿命进行预测,为确定坦克炮处于良好技术状态或身管是否需要报废提供依据。     

基于BP 神经网络的转筒式称量系统的称量效率预测

摘要：为解决普通数理方法难以进行转筒式称量效率预测的问题,基于BP 神经网络,建立人工神经网络算法 模型。对模型输入项进行分析,找出影响称重效率的重点关联因素,研究在5 种输入层因素下,模型称量效率的预 测精度,并进行仿真分析。结果表明：该模型能有效预测转筒式称量方式的称量效率,且预测精度较高。     

基于混沌理论和BP 神经网络的某基地电力短期负荷预测

为了合理安排并优先保证军事基地中的电力调度问题,提出一种基于混沌时间序列和BP神经网络相结合的电力短期负荷预测方法。根据混沌理论及神经网络方法,先基于延迟坐标相空间重构技术,再应用互信息法和饱和关联维数法,选择延迟时间石和嵌入维数m,然后用BP神经网络来实现预测,并通过对海军某基地的电网的时间负荷序列进行实测仿真。仿真结果表明：相对误差均在5％vX内,且有33．3％的误差在1％以内,证明该预测方法具有较高的预测精度和应用价值。     

一种改进的灰色BP 神经网络预测模型

为提高灰色GM(1,1)模型的预测精度和BP 神经网络的映射能力,提出一种改进的灰色BP 神经网络预测 模型。通过分别对灰色系统理论和BP 神经网络2 种模型进行改进,再串联组合成新的预测模型,并结合实测数据 进行仿真试验。结果表明：改进后的模型能兼具二者优点,预测精度有较大提高,相对误差减小,运算速率更快。     

应用BP神经网络的武器装备维修性预测模型研究

利用人工神经网络及BP网络理论,在对武器装备维修性预测评估指标体系分析的基础上,应用神经网络的BP算法建立了武器装备系统的维修性预测模型,并结合小口径高炮的实例验证了模型,效果较好.     

基于BP神经网络和实验数据的火力打击效能预测

针对火力打击效能预测问题,构建基于作战实验数据和BP 神经网络的预测方法。设计火力打击效能实 验和数据采集处理,构建6-18-1 型BP 神经网络预测模型,并通过作战实验数据样本进行验证。结果表明,火力打 击效能预测仿真值与实验值相近。     

小波神经网络在陀螺漂移预测中的应用

针对传统预测方法存在的不足,建立一种基于小波神经网络的陀螺漂移预测模型。重点研究利用小波分析理论对陀螺输出信号的漂移趋势识别提取方法,结合小波神经网络建立漂移信号的非线性预测模型,并以某陀螺实测信号为例预测其漂移趋势。结果表明:该模型能降低人为因素影响,提高漂移预报效果和导航系统精度。     

人工神经网络在维修性预计中的应用

维修性预计运用BP神经网络,并以Matlab BP工具箱函数建立产品的维修性预计模型.其建模步骤包括:确定训练样本、建立网络并对其进行初始化、对网络进行训练及对产品维修性参数预计.并对某火炮中主要机构进行维修性分析和仿真,通过对训练样本规范化处理,再应用相应数据预计网络模型,最后检验网络训练效果.     

基于RBF 神经网络的导弹备件需求量预测仿真

针对导弹部署后期与备件有关的各项保障数据相对较多的情况,提出采用径向基函数（Radial Basis Function,RBF）网络方法。以某型导弹的某备件为预测对象,对导弹维修备件需求影响因素进行分析,介绍RBF网络的结构、工作原理及预测步骤和流程图,并进行仿真结果分析。分析结果表明,该方法比普通前向网络训练省时,能解决备件需求量的预测问题。     

灰色神经网络在空舰导弹寿命预测中的应用研究

结合灰色理论与BP神经网络建立了灰色神经网络组合预测模型.该模型有效地将灰色理论弱化数据序列波动性的优点和神经网络特有的非线性适应性信息处理能力相融合.利用三种灰色模型及灰色神经网络模型对某型空舰导弹某电子设备的失效时间进行预测,研究结果表明灰色神经网络预测效果明显优于灰色模型,是一种实用的且精度较高的预测方法.     

基于BP神经网络的空空导弹贮存可靠性预测模型研究

针对空空导弹在长期的贮存过程中环境因素对其可靠性的影响,提出了一种基于BP神经网络的建模方法。该方法首先对空空导弹进行分析,确定神经网络的结构;然后对环境信息进行加权融合,形成输入样本,再将检测时刻可靠度的点估计作为输出样本,训练神经网络;当误差达到要求后,根据在导弹贮存期间所采集的环境信息预测导弹当前的可靠度。     

求解超高压筒形容器爆破压力的神经网络方法

将BP和RBF神经网络的理论和算法应用于预测超高压容器爆破压力的研究中。选用MATLAB神经网络工具箱建立预测爆破压力的神经网络模型,研究模型中影响爆破压力的主要参数,内外径比值和材料的强度极限,屈服极限,屈服强度与强度极限的比值;选用Faupel、Crossland和Bones等文献中的爆破实验数据对神经网络模型进行训练,用训练好的神经网络模型对爆破压力进行预测。预测结果表明,用BP和RBF神经网络方法建立的模型能够对超高压筒形容器的爆破压力进行较为准确的预测。