人工神经网络在路堤沉降预测中的应用

以人工神经网络法为主，研究了多因素条件下的沉降预测问题，同时与浅岗法和S型曲线法这2种在近几年推广应用的预测方法进行了对比。结果表明，3种方法预测的最终沉降大体相近，它们之间的区别在于人工神经网络法预测的沉降较大（同时更接近实测值）；S型曲线法较小；浅岗法居中。由于神经网络是用实测数据直接建模，少了人为干扰因素，并且偏大的数值对工程来说是偏于安全的，所以选用人工神经网络预测沉降比较适宜。     

RBF神经网络理论在发动机特性计算中的应用

运用径向基函数 (RBF)神经网络理论 ,建立发动机万有特性和外特性模型 ,并与常用的一些建模方法所建模型进行了比较。结果表明 ,应用RBF神经网络建模方法简单可靠 ,精度较高。     

威海市公路网发展规模预测及适应性评价

通过对威海市现有公路网总体布局、公路等级结构分析，在充分考虑威海市制造业基地的发展基础上，对社会经济发展水平进行预测，同时分析了公路网规模与国民经济、人口的相互关系，采用国土系数法、人口密度法定量预测未来规划年的威海市公路网合理规模，结合专家意见等定性：方法，给出了满足威海市发展需求的路网规模，并从公路网技术指标，宏观经济和社会效益等方面：鞋行适应性分析评判。     

多跳水下传感器网络中的功率分配算法

水下无线传感器网络的研究越来越受到学术界的重视,其典型特点是能量和带宽有限.多数水下无线传感器网络的应用都可以归结为参数估计问题.本文针对多跳水下无线传感器网络,对递进式的分布式参数估计算法进行了性能分析.在此基础上,利用交替最小化方法得到功率分配方案,目标是在给定的均方误差性能要求下,使得网络消耗的总功率最小.     

基于粗集和神经网络耦合的短时交通流预测

比较分析神经网络和粗糙集在数据处理过程中的各自优缺点,提出一种基于二者强耦合集成方式的短时交通流预测模型。首先利用粗集对获取的交通流数据进行预处理,简化神经网络训练样本数据集并通过粗集属性约简提取决策规则;其次,利用所提取的规则直接确定神经网络的隐层数、隐层节点数及节点的相互关系;最后训练神经网络用于短时交通流预测。通过与单纯利用神经网络预测的结果进行比较,发现该模型降低了网络训练时间,提高了预测精度。     

基于约束卡尔曼滤波的短时交通流量组合预测模型

为了克服单一的交通流预测模型性能不稳定的问题, 提出了基于约束卡尔曼滤波的短时交通流量组合预测模型。约束卡尔曼滤波组合预测模型以各单一预测模型的权重为状态变量, 交通流量为观测变量, 预测结果是单一预测模型的加权和, 加权系数由约束卡尔曼滤波方程递推动态确定, 最后通过广深高速公路上采集的交通流量数据对算法进行了验证。结果表明, 在不同预测步长情况下, 约束卡尔曼滤波组合预测模型要优于最佳的单一预测模型或与其持平, 并且不受某一较差的预测模型影响, 具有较高的鲁棒性。     

一种基于社交网络的民航新旅客成长性预测方法

对于一个高效的客户关系管理系统而言,预测客户成长性是必不可少的环节．本文尝试根据新旅客的短期历史出行数据对其未来价值成长性进行预测．为了克服新旅客历史出行记录稀少而导致无法准确预测的缺陷,提出了一种基于旅客社交网络的预测方法．首先根据旅客历史出行记录构建旅客同行网络;然后分另lj从旅客个体和旅客关系的角度构建多种分类特征,用来进行旅客成长性预测;最后提出了一种结合个体预测与关系预测的组合预测模型,以达到准确预测的目的．在某航空公司的真实数据集上进行实验,证明了本文提出的方法对民航新旅客未来价值成长性的推断是有效的．     

基于神经网络的感应电动机特性辨识新方法

提出并论证了一种基于神经网络的感应电动机特性辨识新方法,只需测得电机两相电流数值便可以辨识出电动机转矩和转速,用改进的Levenberg-Marquardt算法对神经网络进行学习和训练,构建了适合电动机转矩转速观测的BP神经网络。由于RBF神经网络无论是在逼近能力、函数拟合和学习速度方面都优于BP网络,也利用RBF网络进行了辨识。该方法较已经提出的方法相比,需要的检测量少,辨识方法简单。仿真研究表明,RBF神经网络辨识效果优于BP神经网络。     

基于校园网的教学质量评估系统解决方案

分析了教学质量评估的特点 ,结合动态网页技术 ,给出了开发基于校园网的教学质量评估系统的具体解决方案     

基于广义回归神经网络的瓦斯涌出量预测

简要介绍了瓦斯涌出量预测问题和广义回归神经网络（GRNN）的特点,指出与常用的BP神经网络相比,使用广义回归神经网络（GRNN）具有收敛迅速、人为干扰小等优点,适宜用于瓦斯涌出量的预测。并对一个案例进行预测,证明了广义回归神经网络（GRNN）可以满足实际生产的精度要求,较好解决瓦斯涌出量预测的问题。