基于引力搜索RBF神经网络的柴油机故障诊断

为了解决RBF神经网络的参数选择问题,以便提高柴油机故障诊断的精度,提出了一种基于引力搜索算法和RBF神经网络相结合的智能故障诊断方法.该方法首先采用减聚类算法确定网络隐层单元数,然后提出改进引力搜索算法优化RBF神经网络的参数.利用国际标准样本集对该方法进行分类测试,并将该方法应用于柴油机故障的诊断,仿真实验验证了该方法对柴油机故障的分类和诊断效果.     

基于PSO的神经网络优化证券投资组合方法研究

针对传统人工神经网络中的BP(back propagation)神经网络自身局限以及其迭代次数多、收敛精度不高和泛化性差等缺点,提出了一种基于粒子群(particle swarm optimizer,PSO)算法的BP神经网络优化证券投资组合方法.在BP神经网络优化方法中,采用PSO算法替代了BP神经网络的梯度下降法,得到最优解,从而对BP神经网络模型进行优化.将该方法应用于证券投资组合的优化中,实验结果证明:该优化方法优于传统的BP神经网络优化方法.     

基于层次结构模型的RBF神经网络货运量预测方法

为了有效地进行交通货运量预测,通过对货运量影响因素的分析,建立了关于货运量影响因素的层次结构模型,并根据该模型构建基于RBF神经网络的货运量预测方法。用我国1985~2004年的货运量对该神经网络进行训练和预测,同时与BP神经网络预测方法进行比较。结果表明,该方法具有更快的运算速度和更高的精度,具有很好的预测能力和应用价值。     

遗传算法优化的模糊神经网络在故障诊断中的应用

本文针对船舶柴油机故障诊断系统提出了一种基于遗传算法优化训练的模糊神经网络诊断方法,介绍了这种模糊神经网络故障诊断系统的结构及其参数形式,通过遗传优化算法对它的权值和阈值进行了学习优化训练。这种方法可以有效地避免通常所选BP算法训练易陷于局部极值的问题,最后将该遗传算法优化训练的模糊神经网络系统应用到船舶柴油机的故障诊断中,通过仿真研究,说明了该方法的有效性。     

模糊神经网络在工程项目评标中的应用

研究了模糊神经网络用于工程项目评标的原理与步骤,建立了评价指标体系,在此基础上构造了基于模糊神经网络的工程项目评标模型,并以收集到的样本为例,对该模型进行了实证研究,表明了该方法的有效性。     

基于混沌理论及神经网络的高速铁路安全风险预测

构建了混沌神经网络,并对高速铁路安全风险要素进行分析.利用历史数据对该方法进行了验证,结果证明混沌神经网络对高速铁路安全风险预测具有较好的适用性.     

基于减法聚类模糊神经网络高速公路混沌控制

研究了基于减法聚类的高速公路混沌系统模糊神经网络控制方法.提出通过数据挖掘技术建立交通流混沌控制器知识库的思想,设计了以密度、上游流量和最大李亚普诺夫指数作为输入,红灯时间作为输出的T-S模糊神经网络混沌控制器.采用减法聚类确定控制器结构提取模糊规则、控制器初始参数;应用模糊神经网络方法对控制器参数进行优化;结合遗传算法对聚类半径进行优化.仿真实验分析了该控制方法的控制效果,证明了该混沌控制方法的有效性.     

基于灰色聚类理论和人工神经网络技术的道路交通安全评价

在深入研究了道路交通安全的评价指标确定的基础上,提出了一种基于灰色聚类理论和神经网络技术的综合评价方法,并对神经网络输入、输出指标属性值的量化方法进行了讨论,建立了道路交通安全的BP神经网络评价模型.最后,介绍了该模型在各省道路交通安全评价中的应用实例.     

基于粗糙集和RBF神经网络的高速公路路面使用性能评价研究

利用可辨识矩阵对影响路面使用性能评价的宽泛指标集进行分类、约简,得出对路面使用性能评价最有影响的数据指标,建立RBF神经网络模型,并把处理后的数据指标作为RBF神经网络的输入进行训练、仿真.通过实例,给出了该方法的具体实现过程.与没有采用指标约简的RBF神经网络进行结果对比,该方法在路面使用性能评价上更具有实用性、有效性和可靠性.     

混合径向基神经网络对货运量的预测

为了定量预测多个外部因素影响下的货运量,建立了混合径向基神经网络模型.该模型以径向基神经网络为模型主体,并结合二阶振荡粒子群优化算法和灰色预测方法构成混合预测模型.该神经网络模型的参数设置更加简便,收敛速度更快.实例预测得到的结果相比较其他预测方法绝对误差值更小,误差变化范围更加稳定,证实了该神经网络模型的有效性,表明了其在多因素影响下的货运量预测中具有很好的适用性.     

基于混合自回归模型和神经网络的时间序列预测

在求出混合自回归时间序列模型的成分个数的基础上, 应用BP神经网络对时间序列进行了预测, 并对模型进行了数值模拟表明该预测模型的具有较高的精确度和广泛的应用前景.     

基于灰色神经网络的点速度预测模型

为了克服交通流时空不稳定性导致的检测数据误差,提高预测点速度的精度,在比较传统灰色预测模型和反向(BP)神经网络预测模型优缺点的基础上,建立了灰色神经网络点速度预测模型.该模型综合了灰色预测模型所需数据少及神经网络具有的自学习和自适应能力的特点.以实测值作为输出数据,构建不同的灰色预测模型,将各灰色预测模型的预测结果作为BP神经网络训练的输入数据,得到最佳的预测模型.实例分析表明:与传统灰色理论及BP神经网络预测模型相比较,在20、40和60s采样间隔条件下,本文模型预测结果与实测值的相对误差平均减少了32％,为交通运行状态评价和行程时间预测提供了依据.     

基于BP神经网络的运量预测模型优化研究

在传统多种单项预测模型与组合预测方法的基础上,利用BP神经网络技术的非线性映射能力,在多个预测模型与实际数列之间建立一种非线性关系,对运量预测结果进行优化,以达到提高预测精度的目的.通过实例分析,表明这种经过BP神经网络优化后的预测模型,可一定程度上克服传统单个预测模型的部分局限性,提高预测精度,用于运量预测是可行的.     

神经网络参数识别法在重庆石板坡大桥中的应用

BP神经网络法的自适应学习能力、非线性映射能力、鲁棒性和容错能力以及快速收敛能力可有效解决连续刚构桥施工控制中参数估计的核心问题,通过实例证明,其参数估计结果与实测数据吻合性较好,识别精度较高,有相当的实践意义.尤其是对于必须考虑非线性影响、不确定系统的控制等问题,如果经典算法识别精度低,可考虑采用非经典神经网络算法进行重要参数的识别.     

神经网络参数识别法在重庆石板坡大桥中的应用

BP神经网络法的自适应学习能力、非线性映射能力、鲁棒性和容错能力以及快速收敛能力可有效解决连续刚构桥施工控制中参数估计的核心问题,通过实例证明,其参数估计结果与实测数据吻合性较好,识别精度较高,有相当的实践意义.尤其是对于必须考虑非线性影响、不确定系统的控制等问题,如果经典算法识别精度低,可考虑采用非经典神经网络算法进行重要参数的识别.     

基于神经网络的公路工程承发包价格发展预测

公路工程承发包价格是公路工程造价研究的重要内容。合理确定影响公路工程承发包价格的多种因素,采用基于BP神经网络的公路工程价格预测方法,建立模拟承发包价格与其影响因素间的非线性关系预测模型,经过训练与检验、数据预测,结果表明,该方法实用性强,具有一定的理论与实际应用价值。     

基于BPNN的高速公路风雨天气限速系统的设计

为了实现高速公路能够在风雨条件下智能限速,作者采用反传播神经网络（BPNN）技术,设计了一个高速公路风雨天气限速系统。由经验丰富的驾驶员根据交通环境,参考实时天气指标,凭经验判断“安全限速”的值,并作为专家样本,供BPNN训练。通过分析“拟合误差”的方法,排除了少量异常的专家样本,从而提高了BPNN的预测精度。实践表明,采用BPNN对高速公路按天气指标智能限速,无需推理数学模型,操作效率高,成本低,便于推广。     

北京市共享单车出行的时空规律与需求预测研究

基于北京市摩拜单车的工作日骑行数据，利用非负矩阵分解算法(NMF)从时间和空间两 个维度深入探究共享单车的出行规律，并构建逆序群体稳定性指标(RPSI)改善 k 值选择过程。利用得到的出行规律，运用MATLAB构建基于非负矩阵分解算法的BP神经网络预测模型，对共享单车的出行需求进行预测，并分别与BP神经网络预测模型和长短期记忆(LSTM)神经网络预测模 型的结果进行对比。研究结果表明，共享单车可分为5种基本的出行模式，每个区域的出行都可以由这5种出行模式的线性组合来表达，其中的系数代表了每一种出行模式的强度和随时间变动情况。依据这5种出行模式的时间特征和空间特征，分别确定其出行含义：通勤出行中居住地到 地铁站的出行；通勤出行中地铁站到工作地点的最后一公里连接；居民其他的非通勤出行行为， 如休闲娱乐活动等；回程通勤出行中从工作地点到地铁站；回程通勤出行中从地铁站到居住区的最后一公里连接。最后，模型预测结果的对比分析显示，本文构建的基于非负矩阵分解算法的BP神经网络预测模型不管是在预测精度还是实际操作便捷性上都优于其他两种预测模型。     

基于先验知识和BP网络的隧道爆破参数计算

为克服当前隧道爆破参数选取受人为因素影响的不足,以围岩普氏系数、隧道断面积、实际进尺和炮孔直径等为网络输入参数,以设计进尺、炸药单耗、周边孔距和掘进孔孔距等为网络输出参数,建立了含输入层、输出层和隐含层的神经网络模型,并给出了模型学习算法,提出了基于爆破先验知识的可加快模型求解收敛速度的网络学习约束条件.隧道爆破参数的实例计算结果表明,给出的网络模型及其算法能在借鉴已有爆破资料的基础上准确、快速计算爆破参数,并且获得理想的爆破效果.     

基于神经网络的汽车发动机故障诊断研究

将BP神经网络应用于汽车发动机故障诊断.利用实际测试的怠速不稳故障样本训练网络并进行测试.结果证明,BP神经网络应用于汽车发动机故障诊断,效果良好,具有较高的诊断效率和准确度.