基于改进的小波神经网络的深基坑围护桩水平位移预测研究

结合某深基坑工程,以现场实测数据为依据建立了改进的小波神经网络预测模型,并用其预测围护桩水平位移.结果表明,改进的小波神经网络模型预测值与实测值相差在4%以内,而BP神经网络和小波神经网络模型的预测值与实测值相差最高分别达到了21.92%和18.58%.可以看出,改进的小波神经网络模型预测结果更接近于实际监测值,从而验证了改进的小波神经网络用于围护桩水平位移预测的可行性.

基于改进的小波神经网络入侵预测算法研究

随着信息技术的不断发展,网络服务逐渐成为人们生活的重要组成部分。与此同时,日益严重的网络安全问题,也给人们的信息和财产安全带来了巨大的安全隐患。入侵检测系统(Intrusion detection system,IDS)作为信息安全领域的研究热点之一,可以根据预定的规则扫描网络活动,监控网络流量,提供实时告警。然而IDS也存在着突出的问题,例如缺乏主动防御能力、检测落后于入侵等。因此,基于改进的小波神经网络提出一种入侵预测算法,并将其应用于入侵防御系统(Intrusion prevention system,IPS)中,提高对于网络入侵的预测精度。仿真结果表明,较之传统的小波神经网络,所提预测模型拥有更高的检测率和更低的误报率,可以更好地保障计算机系统的安全。

改进结构的小波神经网络在油田开发指标预测中的应用

由于油藏储层的非均质性和决定油田开发指标因素的不确定性,往往很难对油田开发指标进行准确的预测。针对小波神经网络模型及算法预测油田开发指标存在的不足,提出了改进结构的小波神经网络模型。改进结构的小波神经网络模型使输入指标同时在不同时间因子和尺度因子的小波基上展开。实例分析结果表明,改进结构的小波神经网络模型不仅继承了小波神经网络的优点,且具有比小波神经网络预测油田开发指标精度更高、训练速度更快的优势,其预测的平均精度达到97.02%,是预测油田开发指标的一种较实用的方法。