人工神经网络在企业预警管理系统中的应用

企业预警管理系统是现代管理的一种新的模式,面对预警指标的处理技术,本文探讨利用人工神经网络模型来进行对预警的指标的评判与处理,并举例说明。     

基于人工神经网络的交通量预测

现行的交通量预测方法大都存在数据拟合度不高,外推性不强等问题,介绍了人工神经网络的ＢＰ网络模型,结合实例探讨了人工神经网络方法在远期交通量预测上的应用,证实了该方法的可行性和可靠性。     

基于案例推理和神经网络的车辆故障诊断研究

将人工神经网络和基于案例的推理技术相结合,应用于车辆故障诊断系统中,建立了应急故障诊断模型;基于此模型,研究了车辆维修案例的表示方法并设计了CB神经网络的学习规则,通过系统的仿真训练和仿真诊断,该模型有效地提高了故障诊断的效能,满足车辆应急故障诊断的需求。     

基于BP人工神经网络的公路软土地基沉降预测

采用BP人工神经网络,利用杭瑞高速公路软土地基实测沉降数据直接建模,进行了软土地基最终沉降量的预测,将预测结果与曲线拟合法中的双曲线法、指数曲线法、三点法的预测结果进行了对比分析。证明神经网络法能避免传统方法计算过程中各种人为因素的干扰,计算精度高,泛化性强,简便易行。     

基于EKF的神经网络在网络流量预测中的应用

在网络资源有限的情况下,建立合理的网络流量预测模型,并根据其预测结果及时做出控制决策或调整措施,对网络性能和服务质量的提高均有重要意义.根据网络流量的时变、非线性特点建立一个时间相关的流量预测模型,预测和分析网络流量状况,并利用人工神经网络在非线性建模方面的优势,给出了基于EKF算法的前馈神经网络的结构设计及学习算法.最后在Matlab环境下使用该预测模型对网络流量进行了仿真,结果表明该模型具有较好的自适应性和较高的预测精度.     

多源数据融合的区问车辆速度预测算法研霸

不同的交通信息采集方式由于其硬件和采集条件的不同,数据的适用范围和准确性也不同。在短时交通预测中,对于来自于不同检测器的交通流数据进行融合,并在数据融合的基础上进行区间速度的预测,可以有效地改善预测结果的准确性和可靠性。文中提出一种基于卡尔曼滤波的数据融合和区间速度预测方法。在对数据进行预处理和交通状态划分的基础上,根据不同的交通状态,进行多源交通数据融合和区间速度的预测。研究确定了卡尔曼滤波方法中的各个参数,并使用人工神经网络的方法求解状态转移矩阵。算法验证结果表明,速度预测的精度在90％以上。     

中国港口功能的聚类和判别

根据中国港口的样本特征, 选取了11个主要功能指标, 建立了因子分析模型, 并进行了适用性检验。根据主成分分析法, 提取了3个待定因子, 经过因子旋转和归一化处理, 采用系统凝聚法对中国沿海24个港口的主要功能进行聚类分析。以MATLAB为技术基础, 对烟台港功能类型进行判别。分析结果表明: 根据经济功能因子、城市功能因子和物流功能因子的分类, 中国沿海24个港口可以聚成7类, 第1类为上海港, 第2类为深圳港, 第3类为广州港, 第4类为宁波舟山港, 第5类为青岛港、天津港、大连港, 第6类为厦门港、丹东港、威海港、汕头港、北海港、防城港、海口港、连云港港、营口港、秦皇岛港、日照港, 第7类为唐山港、温州港、台州港、福州港、泉州港、湛江港; 运用人工神经网络方法, 烟台港被判别为第7类。可见, 方法有效。     

基于实测数据软土地基沉降预测方法的比较

考虑到软土的复杂性和各种沉降理论计算方法的局限性,利用有限的沉降实测数据,选取合理的模型及方法来预测软基的沉降。以深圳盐田港西港区纳泥塘地区软基沉降预测为例,采用了BP向前型网络模型和Elman反馈型网络模型两种不同的神经网络建模法,通过高度非线性的曲线拟合,推求工程后期沉降(包括最终沉降),并与曲线拟合法中的双曲线法、指数曲线法、泊松曲线法及 Asaoka 法对比,对拟合预测结果进行检验,使其具有统一的量化标准。对比结果表明：BP神经网络模型和双曲线法的预测效果最好,适用于本工程的沉降预测。     

ELMAN神经网络在软土地基沉降预测中的应用

根据软土地基沉降的基本特征，提出了一种基于人工神经网络(ANN)技术的软土地基沉降预测新方法。通过对由实测资料形成的数据样本的训练学习，建立了可用于预测软土地基沉降量的Elman模型。实例检验证明。该网络的学习是成功的。具有一定的可靠性和实用性。     

自由流车速影响因素定量分析神经网络法

详细地探讨路段自由流车速定量分析的一种新的算法－BP（Back Propagation）神经网络法，并与多元线性回归法相比较，认为BP神经网络法优于多元线性回归法。为了解决数据不足问题，还用多元线性回归法为神经网络法提供了典型学习模式对。