基于RBF神经网络的沙土液化预测研究

简要分析RBF网络的结构特点及最近邻聚类学习算法,以大量粉土地基实测数据为学习训练样本及预测样本,建立了预测模型。讨论了基于RBF神经网络技术的沙土液化预测分析方法及其有效性。研究表明,用RBF神经网络方法进行沙土地震液化预测是可行的。     

基于人工神经网络的森林资源预测研究

应用人工神经网络方法分别建立土地资源预测、森林蓄积量预测、各龄组蓄积量预测三层前馈反向传播神经网络模型对森林资源进行预测模拟.预测结果表明在小样本条件下,森林资源预测神经网络模型预测精度较高,开辟了森林资源预测新途径.     

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。     

日本主要木材供需的短期预测

日本林野厅最近编制了2012年第4季度（10-12月）和2013年第1季度（1—3月）的主要木材供应和需求的短期预测。作为预测基础的2012财年（2012年4月至2013年3月）,房屋开工量估计为88.3万套,同比增长约5%。第4季度主要锯材的需求量,预计同上一年度同期对日本国产锯材和进口锯材的需求量是相同的。国内锯材的需求旺季即将到来,然而,     

主要木材供需短期预测

日本林野厅近日召开第一届2011年木材供需会议(Timber Supply andDemand Meeting),并起草了主要木材供需短期预测(2011年第3季度和第4季度)(Short term forecastof supply and demand for majortimber(the 3rd and 4th quartersof 2011))。简要来说,预测需求在第3季度(7月至9月)比去年同期减少,第4季度(10月至12月)略有增加。2011年的重点是,预计2011年的房屋开工率约为84.7万套。预测的先     

主要木材供需的短期预测

2011年12月15日,日本林野厅(Forestry Agency)举行了有关日本木材供需的会议并对2012财年第1季度和第2季度主要锯材的供求做出了短期预测。随着东部地区的重建需求活跃,另外各种政府措施刺激住宅收购产生效     

2008年第一、二季度主要锯材的供需情况短期预测

去年年底，林野厅就锯材供需措施召开中心会议，会议上对2008年第1、2季度主要锯材的供需情况进行了短期预测。据预测2008年第1、2季度所有锯材的需求将会呈现下降趋势，特别是俄罗斯原木需求尤其如此，第1季度将会出现剧烈下跌，约为80万m^3（与去年同期相比下降33．5％），第2季度将会出现约为100万m^3（与去年同期相比下降16．5％）。同时预测还表明用于制造胶合板的南洋材原木需求第1季度同样会出现剧烈下跌，     

基于机器学习算法进行电气设备故障的预测与诊断

城市照明系统是重要的公共基础设施,作为一种电气设备,其在运行过程中有可能出现各种故障,具体可分为配电系统故障和路灯节点故障。为了建立智能化的故障诊断和预测方法,以极限学习机(extreme learning machine, ELM)为基础,利用蒙特卡洛方法和自回归模型对其进行优化,并分别构建了AG-ELM和AR-ELM算法。基于AG-ELM算法诊断路灯节点故障,通过AR-ELM算法预测路灯电气配电系统故障。在性能检测阶段,收集某城市的路灯系统运行数据,检验故障诊断模型的准确率,结果为89.3%,故障预测模型的均方误差仅为0.055 2,说明2种模型都达到了较高的实用性。     

基于遗传神经网络的煤层气含量预测

指出了煤层气含量预测是煤层气勘探开发的一个关键问题,传统的线性回归预测方法已不能反映各影响因子和煤层气含量之间的内在关系,据此提出了基于遗传-BP神经网络的非线性新型智能算法。其中,神经网络用来学习,遗传算法用来优化神经网络的连接权值及阈值,该方法能有效避免陷入局部极小值,具有全局寻优的特点。研究表明:构建的新型智能算法相对标准的BP网络预测精度要高,该方法为今后煤层气含量的预测提供了可靠依据。     

基于IGWO-CNN的风场发电功率预测研究

针对传统方法下风场发电功率预测精度不高的特点，提出了一种基于改进灰狼算法(IGWO)的优化卷积神经网络(CNN),传统灰狼算法搜索范围呈现线性变化，因此采用动态收敛对灰狼算法进行改进，通过非线性收敛因子降低全局搜索速度，可以有效避免传统灰狼算法陷入局部最优解的问题，随后利用改进的灰狼算法对CNN的最佳网络进行寻优，成功避免CNN网络结构的不确定性。对内蒙古某风力发电厂的实测功率进行预测，研究表明：基于IGWO-CNN的风力发电功率预测方法相较传统的GWO-CNN及CNN具有更高的预测精度。     

基于BP神经网络的道路交通事故损失预测

分析道路交通事故损失与交通事故次数、死亡人数和受伤人数之间的关系，提出基于BP神经网络的道路交通事故损失预测，为交通事故预测开辟新的途径。     

基于主成分分析的BP神经网络在电力系统负荷预测中的应用

电力系统负荷预测是电力生产部门的一项重要工作,通过引入BP神经网络算法建立相应的模型,可以提高电力系统负荷预测的精度。BP网络是一种按误差逆传播算法训练的多层前馈网络,是目前应用最广泛的神经网络模型之一,文章利用主成分分析方法对原有的输入空间进行重构来改进模型的预测精度。     

森林资源蓄积量预测技术初探

以福建省三明市森林资源二类调查资料为基础数据,采用VB编程语言,自主开发了森林资源蓄积量预测系统,用GM(1,1)模型、复利公式和BP人工神经网络模型分别对森林资源蓄积量进行宏观预测.3种方法的预测结果显示:BP人工神经网络模型拟合效果较好,其次是灰色系统模型,平均相对误差最大的是复利公式.最后分析了3种方法的优劣,探讨进一步优化的方法.     

基于BP神经网络的太白山生态旅游量预测研究

生态旅游需求预测受到许多不可预知因素的干扰,而且不稳定因素也很多,传统方法难以得到有效的预测结果。文章把BP神经网络应用在旅游需求预测中,通过介绍BP神经网络的原理和计算步骤,结合实例确定神经网络的结构,从而建立BP神经网络,最后预测了太白山自然保护区2011—2020年旅游人数,将利用该模型得到预测数据与实际数据做对比,表明该模型预测效果良好,并能保证网络良好的泛化能力。     

基于BP神经网络的臭氧需求量预测方法的设计

指出了煤燃烧产生废气中含有大量的污染物,利用臭氧进行尾气处理是优势比较明显的技术,但臭氧的需求量现阶段采用公式计算,定量供给,会导致反应不完全或者臭氧的浪费。设计了一种方法,利用相关影响因素,采用BP神经网络预测的优势,进行臭氧需求量的控制,可提高臭氧的利用率,降低企业成本。     

基于RBF神经网络方法的铀尾矿坝稳定性分析

为研究分析我国某铀尾矿坝的稳定性,以影响尾矿坝稳定性的14个指标为参数,运用MATLAB实现RBF神经网络的方法,采用实际数据对网络进行训练,结果得出了该铀尾矿坝的稳定性参数为3,属于一般安全铀尾矿坝,这对研究尾矿坝稳定性提供了重要的参考作用。     

基于RBF神经网络的高速公路防追尾模型研究

为提高高速公路车辆跟车安全,在常用安全距离算法基础上,结合汽车制动过程分析,提出安全度判别准则的安全控制方法,建立RBF神经网络防追尾模型,讨论RBF网络设计过程中的参数设置,并运用m atlab编程进行训练和仿真,仿真结果表明RBF模型是有效的;同时,模型为高速公路汽车追尾建模提供一种新思路,为汽车预警设计提供理论基础。     

基于多算法耦合的水电站自主智能优化调度应用

中、大型水电站的水位预测以及优化调度是水库防洪和发电能力的重要问题,目前对水库水位预测以及水库调度主要采用算法预测水位与人工设置调度模式相结合的方式,使得水库智能调度模式在实际的调度过程中实用性不强。为满足水电站能自主智能优化调度,脱离人工设置,利用大渡河流域某电站水库水位数据建立了基于BP(back propagation)神经网络水库水位预测模型。采用C4.5算法模拟调度人员对水电站调度模式选取规则,再利用POA(逐步优化)算法模型通过耦合BP神经网络水位预测模型,对电站水库预测的水位以及C4.5机器算法选取调度模式的规则,以达到对水电站自主智能优化调度。解决了POA算法须人工设值调度期末控制水位与调度过程优化模式的缺陷,使得多算法耦合模型可以脱离人工设值自行执行符合电站运行策略的优化操作,同时验证了多算法耦合的可行性和有效性。     

基于BP神经网络的中国进口俄罗斯木材贸易额预测

采用灰色关联度分析法筛选对中国进口俄罗斯木材贸易额影响较大的5个因子,运用影响因子及木材贸易进口额构建BP神经网络模型,利用GM(1,1)模型预测影响因子值,将其代入训练好的BP网络模型中对中国进口俄罗斯木材贸易额进行预测。预测结果表明,中俄木材贸易仍具有良好的发展前景。     

杨小舟蛾短期预测预报研究

杨小舟蛾（ＭｉｃｒｏｍｅｌｏｐｈａｔｒｏｇｌｏｄｙｔａＧｒａｅｓｅｒ）是吉林省西部杨树（Ｐｏｐｕｌｕｓｓｐｐ．）主要食叶害虫,曾于１９８７～１９８８年和１９９７年在长岭、乾安、双辽、扶余等县（市）大面积发生,危害猖獗,在短期内将树叶全部吃光,造成了很大的经济损失。该虫种群增殖很快,极易在短期内暴发成灾,因此对杨小舟蛾预测预报的研究,不论在理论上还是在生产应用上都具有十分重要的意义。１　研究方法１．１　生物学特性的研究于１９８９年和１９９８年春在杨小舟蛾的发生区——吉林省长岭县太平川林场和前郭县王…