基于神经网络和遗传算法的智能控制方法

根据油品调合的特点,应用人工神经网络(Neural Network,NN)对油品在线优化调合系统进行建模,并采用量化正交遗传算法(Orthogonal Genetic Algorithm with Quantization,OGA/Q)对神经网络模型进行学习。提出了用于油品在线优化调合系统的人工神经网络适宜的拓扑结构,给出了量化正交遗传算法优化的具体执行过程,实现了系统的主要功能,该系统已经广泛地应用于生产实践中。

基于ISNN和HGA的沪深300指数预测方法

提出了一种改进的结构化神经网络(ISNN),并基于ISNN构建了沪深300指数预测模型。设计了一种优化性能更好的混合遗传算法(HGA),并采用HGA对ISNN预测模型进行训练。应用训练好的预测模型对2007年上半年的沪深300指数日收盘价进行了预测分析。实验结果表明,该方法收敛速度快、学习能力强、预测精度较高、误差率较小。