神经网络在机场物流预测中的应用研究

考虑到神经网络在机场物流预测应用的必要性及其优点，依据已有的内、外回归神经网络预测模型及其算法，利用它们的良好特性，提出了对角回归神经网络滚动预测模型及其机场流预测系统，突破了传统意义上进行机场流预测的局限性，经过实际运行检验，证明在机场物流中应用人工神经网络预测方法不仅可行，可且有更好的预测精度。     

遗传算法在路面结构模量反算中的应用

利用遗传算法反算路面结构层弹性模量可以避免一般反算方法受初值影响的缺陷，探讨了遗传算法在路面结构模反算中的应用，并开发了反分析程序BACKGA，计算结果表明，该方法计算精度很好，但计算时间较长，为提高程序计算效率，利用神经网络计算路面结构弯沉值，并将其用于反分析程序BACKGA中，取得了良好的效果。     

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。     

短期交通量预测新探：贝叶斯组合模型

本提出一种新的贝叶斯组合模型并将其应用于短期交通流量的预测。笔介绍了该模型的基本原理及在示范路网中的实际应用，计算结果表明，此模型的预测性能整体上要优于单一的神经网络模型，而且确保了模型精度的稳定性。     

基于神经网络的内燃机油清净剂复配性研究

清净剂间的交互作用是很复杂的,两种或多种清净剂间复配性难以用数学模型进行描述,应用神经网络处理非线性问题的强大功能,对清净剂复配性试验的结果进行了处理,并在神经网络的强大推广能力的基础上,计算出内燃机油清净剂复配的最佳比.该值与以前的结论极吻合.     

堡镇隧道围岩变形的神经网络预测

隧道新奥法施工中，常以围岩变形量作为评判围岩稳定性和支护结构经济合理性的重要指标。隧道围岩变形量是随时间而变化的数据序列，因而可以建立一些实时跟踪预测模型和方法。针对宜万铁路堡镇隧道软弱围岩区段施工大变形特点，采用神经网络技术对其变形量进行了预测分析，预测结果经过工程实践检验，具有相对较高的准确性和可靠性，为隧道施工决策提供了有效依据。     

基于Hopfield神经网络的遥感图像超分辨率识别算法

提出基于Hopfield神经网络的遥感图像超分辨率目标识别算法，它是利用模糊分类技术进行模糊分类，然后用分类结果约束Hopfield神经网络的方法．通过实验，可知Hopfield神经网络在学习样本少时．也能够输出分辨率相对较高的地物目标信息．因此．基于Hopfield神经网络的遥感图像处理方法，能够提高遥感图像的目标分辨率．使其目标特征信息更清晰．     

基于神经网络理论的沥青混合料疲劳性能的预测模型

荷载条件、环境条件以及沥青混合料性质都会影响沥青混合料的疲劳性能。而疲劳试验所得出的疲劳方程不能反映众多因素对沥青混合料疲劳性能的影响。本文将荷载间歇时间、加载频率、试验温度、沥青混合料空隙率、沥青软化点、沥青用量等6个影响因素适当组合,在MTS材料试验系统上进行了不同条件下的应力控制的疲劳试验;然后,运用遗传算法和神经网络理论来考虑各因素对沥青混合料疲劳性能的影响,得出一种较为完善的沥青混合料疲劳性能的预测模型。研究表明,这种方法是科学和可行的,所得出的预测模型的精度较高。     

基于改进遗传算法的递归神经网络非线性系统辨识

将递归内时延神经网络应用于非线性动力学系统辨识中，描述了其动力学方程，并引入改进遗传算法作为其学习算法，通过非线性动力学SISO和MIMO系统的辨识仿真研究，验证了内时延递归网络结构和改进遗传算法的有效性。     

神经网络内燃机排放模型学习样本的选定

研究神经网络理论用于内燃机排放预测模型时学习样本的选取方法，针对内燃机工况变化的特点，对传统的正交设计法进行了改进，提出并验证了用考虑因素边界变化的正交设计法选取样本的可行性。研究结果表明，模型的预测精度随着正交表位级的增加而提高，即使只有3位级的正交表设计样本，也能建立预测误差低于5．7％的内燃机稳态排放特性预测模型，具有试验工作量小、简便易行的特点。