人工神经网络非线性时序模型在水文预报中的应用

首先构造出人工神经网络非线性时序模型 ,然后用该模型进行单变量和多变量时间序列预报研究。为了与传统的随机水文模型对比 ,选择了自回归模型。以日流量序列为例 ,研究结果表明 ,人工神经网络非线性时序模型预报效果不错 。

平面交叉裂隙非线性渗流模型参数人工神经网络预测

岩体裂隙网络渗流广泛存在于地下工程中,对地下工程的建设和运行安全具有重要的影响。因此,研究裂隙网络渗流有着重要的理论和实际意义。本文根据立方定律和Forchheimer方程推导所得的交叉裂隙渗流模型,运用数值模拟和人工神经网络方法,对平面交叉裂隙渗流模型非线性参数与模型几何条件的关系进行探究。通过数值模拟,获得了平面交叉裂隙非线性渗流模型的参数;运用人工神经网络遗传算法,探究了交叉裂隙几何条件与交叉裂隙渗流模型中非线性系数之间的关系,证明了平面交叉裂隙非线性渗流模型适用于描述交叉裂隙渗流规律,验证了神经网络方法预测非线性系数的可行性和准确性。同时,还对比分析了运用拟合数值表达式和人工神经网络两种方法的特点。

基于非线性时序模型的神经网络图形识别方法

提出了复数域非线性指数自回归（ＣＮＥＡＲ）图形轮廓建模方法．构造了用于ＣＮＥＡＲ模型参数估计的神经网络模型，利用该网络可解决非线性参数的估计问题．ＣＮＥＡＲ模型参数具有平移、旋转和比例不变性并与计算起始点的选择无关．基于模型参数构造了特征向量，并设计了复数神经网络分类器，给出了复数神经网络学习算法．实验结果表明ＣＮＥＡＲ模型在较低阶次即能获得较高的识别率，ＣＮＥＡＲ模型对带噪声图形及形状差别较小图形的识别效果要好于复数域自回归模型方法．

人工神经网络模型及其在农业和生态学研究中的应用

对于一些复杂的农业生态系统,人们对其生态过程了解较少,且这些系统的不确定性和模糊性较大,用传统的方法难以模拟这些系统的行为,神经网络模型因为能较精确地模拟这些系统的行为,而引起生态学者们的广泛兴趣。该文着重介绍了误差逆传神经网络模型的结构、算法及其在农业和生态学中的应用研究。误差逆传神经网络模型一般采用三层神经网络模型结构,三层的神经网络模型能模拟任意复杂程度的连续函数,而且因为它的结构小而不容易产生与训练数据的过度吻合。误差逆传神经网络模型算法的主要特征是:利用当前的输入误差对权值进行调整。在生态学和农业研究中,误差逆传神经网络模型通常作为非线性函数模拟器用于预测作物产量、生物生产量、生物与环境之间的关系等。已有的研究表明:误差逆传神经网络模型的模拟精度要远远高于多元线性方程,类似于非线性方程,而在样本量足够的情况下,有一定的外推能力。但是误差逆传神经网络模型需要大量的样本量来保证所求取参数的可靠性,但这在实际研究中很难做到,因而限制了误差逆传神经网络模型的应用。近年来人们提出了强制训练停止、复合模型等多种技术来提高误差逆传神经网络模型的外推能力,也提出了Garson算法、敏感性分析以及随机化检验等技术对误差逆传神经网络模型的机理进行解释。误差逆传神经网络模型的真正优势在于模拟人们了解较少或不确定性和模糊性较大系统的行为,这些是传统模型所无法实现的,因而是对传统机理模型的重要补充。

不同热力背景对城市降雨(暴雨)的影响(Ⅲ)──基于人工神经网络的集成预报模型

在对降雨系统时序规律分析的基础上，提出了基于人工神经网络的集成降雨时序分析与预报模型。根据上海市降雨和实际测点布置的特点，提出了两套降雨预报策略。根据热力背景的不同，建立了城市降雨空间差异预报模型。经初步验证，该模型具有较高精度，可为城市规划、排水市政工程建设服务。

基于BP人工神经网络的成矿预测模型

在传统的成矿预测研究中,一般只能定性地研究矿床的形成与定位受哪些地质因素的控制,但这些因素对成矿的贡献程度则很难给出一个定量的值,而BP人工神经网络的高度非线性映射功能则能很好的拟合成矿作用过程这样的高度非线性耦合关系,因此,基于BP人工神经网络的成矿预测模型相对于传统模型具有更高的预测精度。

滑坡变形的人工神经网络预测模型及应用

根据人工神经网络对信息处理的能力,选用较成熟的反向传播网络模型,在详细的工程地质勘察和理论分析的基础上,利用某滑坡中部变形监测数据,通过多次试验的方法,建立了具有1个输入层、15个隐含层、1个输出层的反向传播网络模型。通过神经网络的学习与训练,建立了滑坡位移和时间之间的人工神经网络非线性关系模型,并应用非线性模型预测了滑坡在未来几个月的变形情况。

基于BP人工神经网络的橡胶老化预报模型

依据BP神经网络系统能够利用人工智能的方法,准确分析多变量非线性系统的特性,采用多层向前BP神经网络系统建立起了橡胶老化预报模型。并利用此模型计算分析了丁基硫化橡胶基于温度与时间老化预报。结果表明,模型计算与实验在结果上有较好的一致性。

非线性混沌时序的神经网络预测与控制算法研究

基于神经网络对时序问题的预测能力 ,本文提出了将混沌和神经网络相结合 ,应用神经网络来训练混沌序列的预测模型及方法 ,实现了将混沌系统快速地稳定到期望点上。理论分析和仿真结果均表明了该方法的有效性 ,且算法弹性大 ,可扩充性好 ,稍作修改后 。

三种常用人工神经网络模型在妇产科建模中的应用

当前妇产科研究的重点主要是疾病的诊断和预测。特别在临床工作中,建立高效的诊断和预测模型能为临床医生制定医疗策略提供有效的参考。人工神经网络（artificial neural network,ANN）是一个模拟生物神经网络结构和处理信息的功能的一种复杂的非线性模型。

非线性电路故障诊断模型的建立及神经网络求解的方法研究

分析并推导了含有非线性流控型电阻元件和非线性压控型电阻元件组成的非线性电阻网络的故障诊断方程,这是以支路故障标志量为未知的一组线性代数方程.在推导非线性元件的"故障标志量"时,消除由工作点变化引起的电参量的变化,保留由伏 安特性变化引起的电参量变化,它标志非线性元件本身发生了故障;文章还提出一种神经网络,可在线快速求解非线性电阻网络的故障方程的解,从而可在线对故障进行定位.

基于人工神经网络的国民收入评价模型

国民收入是标志一个国家经济状况的重要经济指标。本文建立了基于人工神经网络的国民收入评价模型。仿真实验结果表明 ,模型的精度很高。通过模式识别 ,实证考察了影响我国国民收入的主要因素。

人工神经网络在边坡滑移预测中的应用

利用一项实际边坡工程的多年实测滑移资料,基于人工神经网络方法,建立了非线性人工神经网络分析模型,从而能够较精确地对该边坡的滑移进行预测,通过本工程实际的应用实践,发现它可避开复杂的本构模型而成为解决岩土工程问题的新途径。

人工神经网络方法在水力压裂选井评层中的应用

文章全面分析了影响水力压裂选井评层的因素,结合选取因素的全面性、独立性和泛化性原则,确定了影响水力压裂选井评层的主要因素,明确提出以经济准则作为评判标准。运用人工神经网络方法预测压裂施工的投入产出比,克服了现在油田上常用方法的不足,建立了水力压裂选井评层的人工神经网络预测模型、评价方法。理论上明显优于模糊评判中的井层优劣排序。油田实例证明在多因素“数据有限”(小样本)且非线性影响时,人工神经网络方法适应性强、精度高,在水力压裂领域中具有广阔的应用前景。

用人工神经网络预测天然气管道内腐蚀速度

介绍了人工神经网络技术及其BP算法的网络模型。引入人工神经网络模型,对输气管道内腐蚀速度进行了预测,预测结果表明,人工神经网络预测的结果与管道内壁实际腐蚀速度接近,预测精度较高,尤其是在处理非线性数据方面,人工神经网络更优于目前普遍采用的逐步回归法。

基于神经网络的时序预测模型研究

将神经网络作为传统的时序线性模型的非线性推广进行了分析，论证了多层前向神经网络与非线性自回归模型及反馈神经网络与非线性自回归移动平均模型的等价意义，提出了一种可作为非线性时序模型的内反馈神经网络．

人工神经网络在泥石流风险评价中的应用

泥石流风险评价是对泥石流灾害的预评估,在泥石流防灾减灾实践中具有重要的意义,可直接服务于国民经济建设。人工神经网络具有良好的非线性信息处理能力,特别适宜于解决风险评价中多指标复杂性和不确定性的问题。实例证明,经过训练的网络模型对于泥石流风险评价具有较好的适用性,可以作为泥石流风险评价技术的补充。

人工神经网络在岩石力学中的应用

从岩石力学研究思维方式转变的观点出发,从岩石非线性系统辨识、工程时序预测、反分析及岩石工程系统等四个方面综述了人工神经网络在岩石力学中的应用进展情况,并对其应用情况进行了简要评述。