MATLAB在RBF神经网络模型中的应用

本文介绍了RBF神经网络的基本原理及主要特点,并举例说明了基于MATLAB神经网络工具箱建立RBF神经网络模型及实现仿真的方法.     

RBF神经网络在平顶山市地表水评价中的应用

为准确和客观地评价地表水环境质量状况,运用MATLAB软件中的神经网络工具箱,结合K均值聚类方法建立径向基函数网络,对平顶山市2004年市控5个地表水断面进行了环境质量评价。在评价前根据平顶山市的实际情况对训练样本范围进行更改,将训练和测试样本进行归一化处理,同时利用RAND函数对训练样本进行插值保证神经网络充分学习。结果发现,K均值聚类法能快速准确地确定网络中心,用建立的径向基函数网络进行地表水质量评价,其评价结果与单因子方法的评价结果一致,并且具有计算速度快、量化评价结果便于同类水质间互相比较的优点。     

RBF神经网络在药品销售预测中的应用

针对药品销售的高度随机性和非线性,应用RBF神经网络建立药品销售预测模型,并将其与多元线性回归、支持向量机和BP神经网络预测模型的预测效果进行比较。研究结果表明,利用RBF神经网络预测模型预测药品销售的误差小,可以更准确地对药品销售进行预测。     

基于BP神经网络顺序输送混油粘度预测

针对现有混油粘度难以计算的问题,在分析BP神经网络基本原理的基础上,分别对三种混油建立了人工神经网络混油粘度预测模型。运用实测数据对BP网络进行了训练和仿真,仿真结果表明,三种模型预测误差都在2.5%以内,计算精度高于苏联学者提出的克恩达尔-莫恩罗埃公式和兹达诺夫斯基公式,具有适用性强的特点,可以完全满足工程的实际需要。     

基于灰色关联下神经网络在南果梨始花期预报中的应用

为探寻更精确有效的南果梨始花期预报方法,采用灰色关联分析法确定与始花期关联较大的冬季气象因子,以此作为BP(Black Propagation)神经网络与RBF(Radial Basis Function)神经网络建模的输入因子并预测南果梨始花期,利用均方根误差(RMSE)和相对误差(RE)评价该模型的预测效果,同时对比与南果梨始花期显著相关的冬季气象因子建立逐步回归方程并进行回代后的预测结果。结果表明：（1）与南果梨始花期灰色关联较大的气象因子为冬季日均气温、日最高气温、日最低气温、日均相对湿度,关联度均在0.6以上,故将这4个因子作为BP和RBF神经网络模型的输入层来预测南果梨始花期;（2）与始花期显著相关的气象因子有日均气温、日均5 cm地温、日最低气温、日最高气温,相关系数分别为-0.646、-0.628、-0.638、-0.663,所建回归模型均通过了显著性检验且具有统计学意义;（3）BP和RBF方法建立的模型拟合精度总体上较接近;（4）基于灰色关联下BP神经网络和RBF神经网络预测结果误差分别为1 d和2.25 d,BP神经网络预测的开花日期更接近实际开花日期;（5）基于灰色关联下BP神经网络模型RMSE为1、RE为6.34%、R²为0.7,而RBF神经网络模型RMSE为2.25、RE为13.13%、R²为0.568。综上,灰色关联分析法建立的BP神经网络模型较RBF模型预测南果梨始花期更精确。     

RBF神经网络在线学习方式及其在大坝位移监测中的应用

针对目前RBF神经网络训练算法存在的问题,提出了一种模拟人类学习方式的自动调整隐层节点数的在线训练方法,对其理论依据进行了分析,并用实例对其进行了验证。结果表明,此种学习方法速度快、拟合精度高、新旧知识均可记忆,克服了以往算法的不足,具有很大的实用性。     

RBF神经网络在可溶性糖含量预测中的应用

在小麦(Triticum aestivum L.)幼苗生长过程中,将RBF神经网络应用到可溶性糖含量的预测和数据变化的分析中,试验数据经过RBF神经网络的训练和仿真后得到,网络输出结果的误差小,网络输出矢量与目标矢量相关性好.说明可以将RBF神经网络作为农作物幼苗生长中预测数据变化的有效方法.     

RBF网络在农业病虫害预测中的应用研究

针对复杂的农业病虫害预报过程,开发了基于RBF神经网络技术的病虫害预测模型。测试结果表明,该模型准确有效,适合具体应用。     

时间序列BP神经网络在福州市第三产业值预测中的应用

准确预测福州市第三产业的发展,对今后海峡西岸经济带建设具有举足重轻的意义。本文以福州市1994~2008年第三产业值为基础,采用MATLAB7.0建立非线性时间序列的神经网络预测模型,将1994~2003年的第三产业值作为训练样本,2004~2008年的第三产业值作为测试样本,并计算误差。结果表明:BP神经网络模型收敛速度较快,预测精度较高,对时间序列第三产业值的预测具有较高的应用价值。     

基于神经网络系统的附着系数计算模型

对几种附着系数计算模型进行了深入研究,在全面分析了主要影响附着系数因素的基础上,采用神经网络优化算法,分别建立了以路面状况、胎压及车速为输入,以附着系数为输出的3种轮胎花纹的神经网络附着系数计算模型,并验证了模型的有效性。该模型能够计算汽车在不同的行驶工况下的轮胎/路面间的附着系数,从而为附着系数实时监控提供理论依据,为行车安全提供保障。     

基于RBF神经网络的土壤含水量传感器标定方法(英文)

土壤含水量时空变异对作物生长、农田气候变化等领域的研究具有重大意义。为了克服TDR-3土壤水分传感器输出电压的非线性缺点,提高土壤含水量数据采集以及计算效率,该研究将TDR-3土壤水分传感器与无线传感器网络结合,提出了土壤水分含量的RBF神经网络标定方法。以20个带标号的水杯作为承载砖红壤土和水的载体,对其中的样本进行数据采集,经多次测量取平均值。为验证标定算法的准确性,同时列举出以土净重、加水质量、水分含量TDR-3测量值为属性,以测试水土比值为目标训练样本,以RBF神经网络为标定算法的拟合结果。为了更直观地展示试验结果,以散点图方式分别展示水分含量TDR-3测量值与实际水土比的TDR-3土壤水分含量曲线;水分含量TDR-3测量值与RBF神经网络拟合水土比的RBF神经网络拟合土壤水分含量曲线;以及实际水土比与RBF神经网络拟合水土比的散点图。为验证RBFNN拟合水土比值的相关性,引入皮尔逊相关系数。5次试验,得到5组皮尔逊相关系数,分别为0.9745,0.9832,0.9798,0.9804及0.9789,都接近于1,说明真实测试数据与拟合数据相关性很强,且为正相关关系。可见,该法能取得较好的标定效果,并且简单、实用、可行,为土壤含水量的实时监测提供了一种有效的方法。     

开关电流神经网络

本文提出了采用开关电流（ＳＩ）电路技术的神经网络实现．开关电流神经网络（ＳＩＮＮ）仅需要标准的数字ＣＭＯＳ工艺，且电源电压要求低     

BP和RBF神经网络短时交通流预测结果比较

对BP神经网络和RBF神经网络这2种模型的特征进行了分析,并将其应用于某高速公路的短时流量预测,比较了2种神经网络模型的预测结果。从量化的角度进一步证实了在交通流预测领域RBF神经网络比BP神经网络更快捷、更准确,从而更适合应用于对实时性和准确性要求比较高的交通系统。     

食品比热容的BP神经网络预测

引入BP人工神经网络计算模型,预测了食品比热容随各种物性参数变化的非线性规律。该模型以食品中的水、蛋白质、碳水化合物及脂肪含量为输入量,以其比热客为输出量,研究的食品包括淀粉、橙汁、牛肉等近20种,比热容变化范围覆盖较全面[1．5～4．0kJ/（kg·K）]。结果显示：该模型的最大相对误差为8．40％,最大绝对误差为0．2868 kJ／（kg·K）。因此,利用该模型能够较准确地预测出食品的比热容。     

基于BPNN的非线性电阻网络故障诊断方法研究

针对非线性电阻网络，提出了一种规范式分段线性化求多值解，并采用BPNN对非线性电阻网络硬故障进行诊断的方法，克服了一般方法对非线性电阻网络硬故障诊断时易存在的漏诊问题。     

基于神经网络的棉花质量检测系统的可行性分析

研究了气固两相流中固体质量的检测方法,针对棉花气力输送的非均匀性进行了分析,提出了应用神经网络进行棉花质量建模的分析方法,并分析了神经网络建模的过程,确定了系统的研究方案。     

具M-P型非线性双阈值二元神经网络的渐近行为

研究一类具双阈值常数时滞二元神经网络模型,系统分析了不同阈值情形解的渐近行为.特别对临界阈值情形,建立了一些新的充要条件.     

基于RBF神经网络的土壤含水量传感器标定方法

土壤含水量时空变异对作物生长、农田气候变化等领域的研究具有重大意义。为了克服TDR-3土壤水分传感器输出电压的非线性缺点,提高土壤含水量数据采集以及计算效率,将TDR-3土壤水分传感器与无线传感器网络结合,提出了土壤水分含量的RBF神经网络标定方法。结果表明,该法能取得较好的标定效果,且操作简单、实用、可行,为土壤含水量的实时监测提供了一种有效的方法。