基于神经网络的工程造价估价模型

利用神经网络方法更能充分有效地利用已有的经验,提高工程投资估算的速度和精度。经系统开发和案例计算,证明该方法能改进模糊类比法的估算结果,更好地满足工程项目初期造价估算的要求。     

基于BP神经网络的马尾松树高曲线模型

基于福建省南平市2013年森林资源清查实测的121对马尾松平均木数据,应用BP神经网络建模技术建立树高预测模型。经反复训练和优选,得到最优模型结构为1∶5∶1,决定系数为0.855,均方误差为2.603 2。结合传统5个树高曲线方程,利用38对平均木检验数据分别对模型进行验证。结果表明:BP神经网络模型拟合和预测效果都优于传统方程,可以作为有效的树高预测技术。     

BP神经网络反演森林生物量模型研究

基于LandsatTM影像和DEM数据,尝试利用BP神经网络建立旺业甸林场森林生物量非线性遥感模型系统,通过实验筛选,最终利用增强型的BP网络进行训练仿真。模型仿真结果表明,增强型的BP神经网络具有自学习和自适应功能强、收敛速度快的特点,能够最大限度地利用先验样本。仿真检验结果的相对系数达0．8022,平均相对误差为15．7％,表明该模型预测的生物量与实际生物量一致性较好,能够达到较好的反演效果。     

预测植物瞬态液流的BP神经网络模型

对于植物体内水分传输机制正确的数学解释是多年来植物生理学、生态学、森林水文学等领域亟待解决的重大问题.Van den Honert(1948)最先提出了一个简单的用欧姆定律(Ohm's law)进行植物水分传输机制的模拟模型,建立起水流和电流的相似性,为分析土壤-植物-大气连续统一体(soilplant-atmosphere continuum,简称SPAC)提供了一个简明思路和有力工具.     

基于时延神经网络的木材干燥模型辨识的研究

木材干燥是一个复杂、多变的过程，传统的系统辨识方法很难建立一个理想的木材干燥模型。利用时延神经网络的特点，本文提出了基于时延神经网络的木材干燥模型辨识方法，并给出了辨识网络和结构。对辨识得到模型的仿真结果表明，利用时延神经网络所建立的模型是可靠且有效的。     

浅谈风险决策分析对企业领导决策的指导作用

当前，在日益激烈的市场竞争中，企业的生存与发展在很大程度上取决于领导的决策，特别是企业的一把手，由于在领导班子中居于“首席”的位置，具有拍板的权力。因此，如何集中班子中所有成员的集体智慧，运用科学的方法正确决策是一把手的第一要务，集中体现了一个领导者的领导艺术和领导水平。所以，笔者认为，企业除了需要一个过硬的领导班子和智囊团为一把手出谋划策外，最关键的是需要企业的当家人应具有一定的科学头脑和高水平的文化素养。只有这样，才能使企业在竞争中处于优势并保持旺盛的发展态势。本文通过对风险决策分析的实例，…     

利用灰色决策法对林业产业结构进行规划

本文应用灰色系统的关联分析、灰色系统数据列预测和建立灰色模型（ＧＭ）、以及灰色决策法对林业产业结构进行分析，为企事业的发展，应分清主次，以及林种合理布局、合理分配投资、原则方案编制、方案比选等在林业产业结构的规划中提供决策依据。     

基于遗传算法和RBF神经网络的铀尾矿库安全预警模型

指出了遗传算法具有诸多优点,具有很强的全局搜索能力,但是容易出现未成熟的收敛,而径向基函数RB F神经网络可以采用保证全局收敛的线性优化算法,并且还具有唯一最佳逼近点的优点,相互结合应用能弥补各自的缺陷,使彼此优势充分发挥。探讨了建立基于遗传算法和RB F神经网络的铀尾矿库安全预警模型,对铀尾矿库存在的风险进行预警,有助于尾矿库工作人员及时发现风险,采取应对措施,对于减少铀尾矿的事故发生,确保人民群众生命财产安全和社会环境安全都具有极其重要的现实意义。     

基于BP神经网络理论的物流金融风险评价模型

介绍物流企业在物流金融服务过程中可能遇到的内外部各类风险,分析风险产生的主要因素,并构建一套完善的物流金融风险评价指标体系。通过应用BP神经网络理论建立物流金融风险评价模型,利用BP神经网络的结构形式及训练原理,调查数据为样本,对该网络进行充分训练与检验,从而得到可对物流金融风险做出准确评价的BP神经网络评价模型,为物流企业发展提供借鉴。     

基于动态递归神经网络的木材干燥模型辨识

木材干燥是一个复杂的非线性系统 ,由于木材结构复杂且具有多样性和变异性 ,因此要建立一个理想的符合木材干燥过程的模型是很困难。本文利用动态递归神经网络的特点 ,提出了基于动态递归神经网络的木材干燥模型辨识方法 ,给出了动态递归状态 -输出神经网络的结构和学习算法。并通过对辨识得到的模型的仿真结果 ,表明了本文所建立的模型是有效的     

基于不同神经网络模型研究GPS高程转换

在GPS高程异常转换中,针对传统只从建模方法上优选模型的做法,将反向传播、径向基、广义回归等3种神经网络与值域为[0,1]、值域为[-1,1]的2种归一化函数进行组合,结合控制网测量实例,采用6种方式进行高程异常转换,对转换结果进行对比分析,探讨不同神经网络和归一化方式对GPS高程转换的影响,得出采用值域为[-1,1]的归一化函数和广义回归神经网络的高程异常转换结果最优。     

基于红边参数与PCA的GA-BP神经网络估算叶绿素含量模型

利用便携式ASD野外光谱辐射仪对杉木冠层叶片光谱进行测定,同时以分光光度法对叶片叶绿素含量进行提取。样本经均值处理、平滑处理和微分处理后,进行红边参数提取。对11个红边参数以PCA方法进行降维,将得到的前7个主成分得分作为网络输入参数,叶绿素含量作为网络输出参数,以遗传算法(GA)优化网络初始权值阈值,建立隐含层神经元数分别为4,6,8,10,12和14的6种单隐层BP神经网络模型。以R2,RMSE和相对误差作为模型精度检验标准,结果表明:6种模型预测精度均可达到92.0%以上,其中隐含层神经元数为10时,预测精度最高,可达97.372%。说明此种模型可对杉木冠层叶片叶绿素含量进行高精度估算。     

基于MATLAB实现模糊神经网络模型在企业水环境中的应用

指出了水质评价是进行水环境容量计算和实施水污染控制规划的重要基础。应用模糊神经网络原理,以某企业污水处理站的检验数据为依据,选择3个评价参数,使用MATLAB函数工具箱编程,建立了T—S模型,经过仿真得出评价结果,研究表明：该方法能正确评价水质的样本,具有较好地客观性和预测性。     

基于灰色RBF神经网络组合模型的交通量预测研究

根据新陈代谢灰色模型和RBF神经网络模型各自的特点,构造一种新陈代谢灰色模型与RBF神经网络模型组合的平面型模型,模型对无检测器公路的交通量具有较好的预测能力,并用实地调查的数据进行仿真和比较,验证此模型具有较高的精度,从而证明这一模型的可行性和有效性。     

基于神经网络和颜色特征对木材进行分级的分析

为了解决木材的分级问题，提出了利用神经网络和木材表面颜色特征对木材进行分级的方法。利用竞争神经网络对114种不同树种进行粗分，然后再用BP神经网络算法对此进行验证，又对四种木材进行分类验证。从计算机分类分级仿真效果上看，达到了预期的目的。     

基于径向基函数神经网络模型的桃江县森林碳储量估测

量化森林碳储量对森林经营者的正确决策至关重要。本文以湖南省桃江县为研究区,根据2013年森林资源一类调查数据和Landsat 8遥感影像,建立多元逐步回归、偏最小二乘回归和径向基函数神经网络模型,开展碳储量的估测方法比较。结果表明:三种方法中,径向基函数神经网络模型估测森林碳储量效果最好,决定系数达到0.645,相对均方根误差为15.582 t·hm^-2;其次为偏最小二乘回归模型,决定系数和相对均方根误差分别为0.511和17.135 t·hm^-2;多元逐步回归模型精度最低,决定系数和相对均方根误差分别为0.431和18.105 t·hm^-2。径向基函数神经网络模型反演的研究区森林碳储量分布图表明,海拔高的地方碳储量较大,城区碳储量较小,与实际植被分布情况一致。     

广东省GDP时间序列预测——基于神经网络与ARIMA模型

文章通过收集1978-2007年的广东省实际GDP,运用ARIMA对广东省GDP进行时间序列预测,为提高预测的精确度,同时采用BP神经网络对ARIMA模型下的误差进行预测,并结合BP神经网络的误差预测值对实际GDP预测值进行修正,从预测结果表明:BP神经网络与ARIMA的组合预测明显优于单一方法的预测。还在组合预测模型下给出了广东省2008-2012年的实际GDP预测值。并将其转化为名义GDP,其中2008年的名义GDP为35597.10亿元,2009年为40591.12亿元和2010年为46537.22亿元。     

神经网络技术在车内噪声预测上的应用

本文根据神经网络理论，建立了单一工况下由发动机悬置点振动信号预测车内特定点低频噪声的神经网络模型，并针对驾驶员耳边噪声进行了测试研究。结果表时：基于神经网络的单一工况车内噪声预测模型，可在频域内很好地预测出特定点的车内噪声。     

时滞recurrent神经网络模型的全局渐近稳定性

讨论了时滞recurrent神经网络模型的全局渐近稳定性,通过构造适当的Lyapuov函数,利用线性矩阵不等式,给出了一类常时滞recurrent神经网络的新的充分条件,所获的稳定性条件是时滞相关的,稳定性判别条件更宽松.最后通过一个实例说明方法的可行性.     

落叶松木材干燥的BP神经网络模型研究

以落叶松木材为研究对象,实验在东北林业大学干燥实验室进行,采用MATLAB中log-sigmoid型函数(logsig)和线性函数(purelin)为神经元的作用函数,用落叶松木材的干燥温度、湿度、循环风速及平衡含水率作为输入变量,以木材含水率作为输出变量,构建了4∶S∶1的木材干燥的BP人工神经网络模型。用120组数据对网络模型进行训练及检验,得最适宜的网络结构为4∶10∶1,均方误差函数mse=0.001 7,总体拟合精度为96.86%。该模型能够运用到相同条件下的其他树种的木材干燥。