基于混沌径向基神经网络模型的洪水预测研究

【目的】建立更为理想的洪峰大流量预测模型。【方法】针对目前大部分预测模型对洪峰大流量数值预测结果不太理想的问题,根据自然界中普遍存在的混沌现象,在对洪水系统进行混沌识别的基础上,建立了基于混沌理论和径向基神经网络(RBF)的预测模型,将实测洪水序列进行相空间重构得到训练样本,利用MATLAB 7.0工具箱确定网络结构。【结果】将所建立的RBF模型用于汾河石滩水文站2004年最大洪水的预测,结果表明,该模型预测结果的合格率、平均相对误差、相关系数(R)、均方根误差(RMSE)和Nash-Sutcliffe系数(NSC)分别为100%,4.69%,0.9793,4.2260和0.9552,而传统Volterra级数自适应预测模型的分别为93.75%,8.97%,0.9540,10.2632和0.7358,可见RBF模型的预测结果较好,并且对预测洪峰大流量数值取得了较理想的预测效果。【结论】将混沌理论和径向基神经网络结合建立预测模型,作为提高洪水预报精度的一种新尝试,对以后进行洪水预测研究具有一定的参考价值。     

基于 RBF 神经网络的钢构件质量追溯系统研究

提出一种基于RBF神经网络的数据挖掘方法，将RBF神经网络应用于数据挖掘的分类和预测中，解决钢构件过程中的性能预测问题。其中用黄金分割法确定基于RBF神经网络的隐层节点数，减少该算法的计算复杂度，最终将其应用于某钢铁企业质量控制系统。构建对钢构件质量检测的数据挖掘及质量追溯平台,该平台是基于RBF神经网络的数据挖掘技术的。实际应用证明，产品的质量合格率可达到96.27%,符合国家相关的标准和技术指标。     

预测水稻螟虫发生趋势的径向基函数人工神经网络模型及其与BP网络的比较

文章采用径向基函数人工神经网络的方法,利用MATLAB工具箱并结合气象资料中的平均气温、最低气温、日照时间和降雨量．建立了预测虫害发生程度的RBF神经网络预测系统。系统通过实例证实了预测的准确性,并且与常用的BP网络进行了比较。RBF网络和BP网络通过对训练样本的仿真,可明显看出RBF网络比BP网络更为精确。通过程序记时显示RBF网络用时1．2030s．比BP网络训练所需的时间要短的多．因此RBF神经网络具有很好的实用价值。     

基于混沌理论的城市用水量预测研究

我国城市日用水量数据较多并与诸多因素息息相关,是一个典型的混沌系统.结合BP神经网络和混沌理论,利用重构相空间的嵌入维数,来确定BP网络的结构,建立基于混沌理论的城市用水量神经网络模型.利用该模型对H市用水量进行预测研究,给出较为详细的计算结果,实例证明该方法的正确性和科学性并有一定的理论价值.     

混凝土强度预测的混沌优化神经网络模型

BP神经网络方法由于综合考虑了高强度、高性能混凝土强度的各种影响因素，能够实现非线性关系，可以用于混凝土强度预测上。为克服传统BP网络收敛速度慢、易出现麻痹现象等不足，本文采用自适应变步长(ABPM)算法来改进的BP神经网络，提出了基于混沌优化的自适应变步长(ABPM)神经网络模型，并将其预测结果和训练效率进行了分析。该方法主要利用混沌运动的遍历性为梯度算法创造一个良好的搜索界面。仿真结果表明，混沌优化的ABPM神经网络用于混凝土强度的预测，方法简单可行，搜索速度快，预测结果可靠、精度高。     

基于RBF神经网络的池州市降水序列预测

时间序列预测分析方法是进行预测预报的有效工具,有着广泛的应用。针对时间序列的非线性、动态变化等特征,基于RBF神经网络对时间序列预测方法进行改进,并以安徽省池州市1959～2009年来的月降水量为时间序列数据样本,用MATLAB软件编程,采用基于随机选取中心的RBF神经网络预测方法,对池州市的月降水量进行预测,并选择不同的扩展速度参数,用均方误差进行检验。通过与BP网络模型的预测结果比较分析,表明RBF模型的预测效果较好。建立的基于随机选取中心的RBF神经网络模型,不需要计算原始时间序列数据的复杂函数关系,具有操作简单、学习速度快、短期预测精度高等优点,用于时间序列预测方面能够获得十分满意的结果,具有很高的应用价值。     

基于RBF神经网络的城市需水量预测研究

鉴于RBF神经网络强大的非线性逼近能力及能够避免陷入局部最优的特点,建立了基于RBF神经网络的城市需水量预测模型,为提高神经网络的收敛速度及精度,利用退火遗传算法对网络进行了优化,并以天津市的城市需水量预测为例,进行了实例研究。     

应用RBF网络预测粉煤灰混凝土强度

介绍了神经网络应用中使用广泛的RBF神经网络的模型及其学习算法，将其用于粉煤灰混凝土强度预测，结果表明，RBF网络方法是一种可以定量分析、简便易行、具有较高精度的预测方法，在混凝土性能预测中具有广阔的应用前景。     

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.     

基于进化神经网络的火灾后混凝土强度评估

高温后混凝土强度的评估是判断受火建筑的结构损伤程度、剩余承载力的重要依据，设计了一个进化神经网络模型。用遗传算法优化RBF网络的连接权和网络结构，并将其应用于火灾后混凝土强度的评估，介绍了混凝土立方试块经受不同火温后进行回弹测试混凝土强度的方法．经实验测试和仿真分析证明．所提出的进化算法用于RBF神经网络优化比基于聚类法的RBF网络具有更高的识别精度．     

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。     

基于RBFNN的农业环境无线传感器网络节点故障诊断方法

农业环境下无线传感器网络节点的故障率比其他民用领域的故障率要高。通过采集农业环境下无线传感器网络节点所采集的数据,并建立RBF神经网络故障诊断模型,结果表明,该模型能够比较好地基于数据对故障无线传感器网络节点进行识别。     

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。     

运用混沌理论制作长期灾害预报模型初探

为了提供准确的农业灾害预报，本研究运用混沌理论，以北京历年重大旱灾预报为例，构建了长期灾害混沌预报模型。该模型采用便于描绘混沌事件的三阶差分方程与多因子状态方程联立，模拟出北京市1955－2001年的历次旱灾事件发生过程。按照该模型规定的法则做重大旱灾预测比用单纯统计预测的准确率有显著提高。灾害混沌预报模型可作为长期灾害预测的新途径。     

基于灰色神经网络和证据理论预测地下水位的研究

用灰色GM(1,1)模型、BP神经网络模型和证据理论相结合而成的灰色证据神经网络模型,对山东枣庄区域地下水位进行预测。基本思路是运用灰色GM(1,1)模型所得到的预测值按前两年来预测下一年的组合规律分别作为BP神经网络的输入输出;再用BP神经网络输出作为证据理论基本可信度分配函数,使用D-S理论将信息进行二次融合;并用地下水位实测数据对模型进行验证。结果表明,预测模型具有可行性和实用性,为生态农业规划发展提供了科学依据。     

径向基函数人工神经网络在棉花耗水量预测中的应用

采用径向基函数人工神经网络的方法,利用MATLAB工具箱,以气象资料中的平均气温、日照时数、平均风速作为输入变量,建立了预测新疆石河子地区棉花耗水量的RBF神经网络预测系统,并通过实测数据的检验得出此预测系统网络模型的绝对误差最大为0．0962mm／d,最小为0．0008mm／d,平均为0．0519mm／d;相对误差最大为1．7995％,最小为0．0165％,平均为0．9664％,可见网络模型预测的准确度较高,较以往的线性模型更合理,并且此网络训练花费的时间短,仅需0．0780s。