基于MRA和AMFNN的交通流量预测

为了研究城市道路动态变化的交通流量,本文提出了在多分辨率分析(MRA)的基础上利用加乘模糊神经网络(AMFNN)进行预测的方法,并给出了交通流量的预测模型,同时,用实测的流量数据测试了模型的性能．仿真实验表明,采用基于多分辨率分析的加乘模糊神经网络非线性方法能够获得较满意的预测结果。     

用于振动噪声分析的模糊神经网络故障诊断测试仪的研制

以８０Ｃ１９６ＫＢ为核心，基于模糊神经网络的多功能便携式振动噪声分析仪对振动和噪声信号检测，在复数范围内进行１０２４点浮点快速付立叶变换，从而得到被测信号频谱图，通过对传统谱图分析，提出一种简单，有效的分析方法，并与神经网络和模糊理论相结合，用已建立的模糊神经网络对谱图进行模式识别或故障诊断。     

基于T-S模糊模型的非线性系统辨识

研究了非线性多变量系统的T-S模糊辨识问题．提出一种利用测得的输入输出数据来计算非线性动态模糊模型的方法．使用模糊聚类简化了T-S模糊规则及前提参数的生成，采用加权最小二乘算法得出结论参数．将该辨识器用于一类非线性系统的模糊辨识，并与模糊神经网络的辨识结果进行了比较，验证了所提方法的有效性．     

高速铁路桥梁噪声预测方法的探讨

基于统计能量分析（SEA）的基本原理,将SEA法应用于高速铁路桥梁噪声预测之中,分析了SEA的基本原理与高速铁路桥梁噪声产生的关系,认为SEA方法是预测铁路桥梁噪声辐射可行的方法。并用SEA建立了铁路桥梁子结构的能量交换数学模型。     

道路交通噪声对城市居民影响的模糊评价

利用模糊数学理论建立了道路交通噪声对城市居民影响的评价模型，从道路交通噪声的客观实测量和噪声引起的居民主观反应两个方面进行评价．将道路交通噪声级、主观烦恼度和噪声对居民睡眠、思考、语言的干扰程度作为评价因素，从而全面反映道路交通噪声对居民的实际影响程度，并通过实例对评价模型的运用进行了说明．     

TZ系列子系加速式轴流通风机的器材怕控制及气动噪声特性

通过优化的 声降噪结构设计和气动设计，有铲地控制了ＴＺ系列子午加速轴流通的噪声水平，通过风机的气动噪声频谱特性试验和分析，提出进一步改善噪声特性的研究方法。     

基于非线性最化的模糊神经网络控制新算法

根据人类专家处理问题的一般思路,提出一种仿人非线性最化函数并把它有效地应用于模糊神经网络控制器中,仿真研究表明,它能有效地克服原有算法的缺陷,具有良好的动,静态,性能。     

基于BP神经网络公路交通噪声的预测

由有限的公路交通噪声实测数据类比估算其它环境敏感点噪声值是公路建设项目环保验收和环境后评价的重要基础工作之一,为探讨科学有效的类比方法,根据人工神经网络理论,针对高速公路交通噪声预测的特点,提出了基于大、中、小车交通量、预测点距离及道路结构5个参数的高速公路交通噪声预测BP神经网络模型。通过对BP模型预测结果与实测值和FHWA模型预测值的比较表明:在某一特定公路环境下,由有限噪声实测数据预测其它环境敏感点的噪声值,BP神经网络不失为一种简便而有效的方法,且可得到比用FHWA模型预测更为精确的结果。     

基于模糊识别的道路交通噪声时空综合评价

鉴于目前道路交通噪声评价中存在的同题,提出了一种结合级别特征值法的道路交通噪声综合评价模糊识别模型.运用该模型对吉林省的实证研究表明;吉林省道路交通噪声污染在时间维上呈明显的下降趋势,综合污染级别特征值由1991年的3.83下降到2006年的2.03,但部分地区下降不明显甚至有所上升;在空间维上各地噪声污染的区域差异较大,其中地区问差异是区域问总体差异的主体.而在地区内部差异中,噪声污染严重地区是造成地区内部差异的主体.     

Additive—Multiplicative Fuzzy Neural Network and Its Performance

Introduction　　Kosko[1] hasprovedthatanadditivefuzzysystemcanapproximateanycontinuousfunctiononacompactdomaintoarbitraryaccuracy .AspointedbyWang[2 ] ,amultiplicativefuzzysystem ,whichisconstructedbyusingGaussianmembershipfunctionandcentroiddefuzzificati…     

基于递归神经网络的预测模糊控制

为提高控制信息与实时状态的适应性，改善模糊控制品质，用传统模糊控制策略，根据当前时刻误差和预测误差变化值，预测下一时刻的控制输出和系统在未来时刻的误差,用递归神经网络预报系统未来输出值的功能，采用双系统交替控制模式．系统中包含1个模糊控制器和1个递归神经网络，一个工作，另一个学习，使控制系统具有自适应性．仿真结果表明，与常规模糊控制相比，预测模糊控制使超调减小，调节时间缩短．     

模糊神经网络在专家系统中的应用研究

为了解决传统故障诊断专家系统知识获取和经验性知识的不确定性的"瓶颈"问题,将模糊神经网络技术引入到专家系统中,介绍了基于模糊神经网络的诊断专家系统的原理、方法、结构及其实现技术.文中将基于模糊多层感知器构成的专家系统应用于柴油机燃油系统故障的分类诊断中,收到了良好的效果.     

基于神经网络的多变量模糊自整定PID控制器

针对脉冲ＴＩＧ焊动态过程控制提出了一种基于ＢＰ神经网络的多变量模糊自整定ＰＩＤ控制器。该控制器利用神经网络在线学习具有多变量耦合，非线性及不确定性的复杂的焊接动态过程的控制规则，实现ＰＩＤ参数的自动整定。仿真实验结果表明该控制器不仅具有模糊控制的简单，有效的非线性控制作用。还具备了神经网络的学习与适应能力，以及ＰＩＤ控制的普遍适用性。     

多目标模糊优化问题的神经网络解法

基于函数联接神经网络，提出了一种解决工程结构多目标模糊优化问题的新算法。该算法以设计人员对目标函数值的满意程度作学习样本，采用神经网络取代传统的隶属度函数，从而较好地解决了隶属函数的描述问题。在解决多目标模糊优化问题中，该算法较传统算法具有更大的灵活性。     

基于模糊神经网络的交通事故微观预测方法研究

道路交通事故微观预测包括对路段和交叉口事故指标的预测．本文总结现有预测方法的优劣性,探讨现有预测方法的改善方向,提出了基于模糊神经网络的交通事故微观预测方法,分析了网络结构和学习算法。以石河子市交通事故调查数据进行实例分析,选择路段事故影响因素作为输入变量,通过Matlab编程实现模糊神经网络的算法,并与负二项回归模型...     

基于模糊神经网络的信息系统安全风险评估研究

采用改进的模糊AHP构建模糊综合评判中的权重集,克服了传统AHP的不足;将模糊综合评判的数据作为样本,利用人工神经网络强大的自适应能力与非线性映射能力,获得专家知识、主观判断以及风险因素对系统的影响程度,从而对信息系统进行安全风险评估,降低了评判过程中的随机性和专家主观上的不确定性.通过实例说明了方法的应用,并借助误差分析和相关性分析检测了模型的有效性.     

基于模糊神经网络的拉索耐久性评价模型

将模糊理论与神经网络技术相结合,建立了基于模糊神经网络的拉索耐久性评价模型;网络训练采用改进的梯度下降动量BP算法,经过265次学习,确定了网络各层参数值,得到了网络的收敛解;最后通过5个校验样本验证了拉索耐久性模型的正确性。研究结果表明:拉索构件的耐久性评价指标分为拉索索力、锚固系统、拉索保护层、减震装置4种;采用动态BP算法对网络进行计算时,网络的收敛速度优于常用的BP算法;训练好的模糊神经网络很好地获得并储存了评价专家的知识、经验和判断,可将网络应用于拉索构件的耐久性评价。     

基于模糊神经网络的员工晋升辅助决策系统

为定量地分析企业员工晋升决策过程的影响因素，用基于实例的模糊神经网络方法，通过划分非模糊化和模糊化输入变量。改进了Takagi-Sugeno模糊模型．用包含求和、求积和求极小运算节点的扩展的pi-sigma神经网络学习算法确定结论参数和前提参数。自适应地从员工数据库中归纳出模糊逻辑关系，建立企业晋升决策的辅助系统．经算例验证准确率达75％以上．     

基于FNN的环境库兹尼茨曲线预测分析

运用模糊神经网络(FNN)理论，通过建立环境和经济发展协调度预测模型，对库兹尼茨曲线进行了定量研究，从而为区域经济决策提供依据，以成都市为例，对其环境与经济发展的协调度进行了预测．根据预测结果对成都市经济发展与环境的关系进行的分析表明，其环境库兹尼茨曲线的峰值特征不明显，表明它的环境质量和经济发展的关系趋于协调。