基于RBF神经网络的船舶辐射噪声预测

本文根据船舶辐射噪声信号的混沌特性,基于重构相空间的轨迹演化规律,构建一种快速的RBF神经网络对船舶辐射噪声进行预测。实验证明,运用这种RBF神经网络对船舶辐射噪声的预测精度高于Volterra自适应滤波预测滤波器,而且更快的收敛速度。     

基于RBF神经网络的中国黄金市场价格预测

本文以上海黄金市场的现货交易为研究对象,鉴于传统的线性分析方法的局限性,构建了RBF神经网络非线性模型,对上海黄金市场的Au99.99开盘价进行了预测。结果证明,RBF神经网络模型为黄金价格预测提供了一种有效的高精度的预测工具。     

基于PCA的CS-RBF网络的股票预测研究

针对传统的RBF神经网络在选取中心矢量参数时的不足,提出用具有较强跳出局部最优的布谷鸟算法(CS)优化RBF神经网络的中心矢量的改进算法,并将该算法应用于股票价格的预测,仿真结果表明:该算法的预测精度比传统的RBF算法的预测精度高,是一种有效的股票预测方法。     

基于神经网络的药品需求组合预测研究与应用

药品的市场需求预测是制药企业生产控制中的重要组成部分,具有复杂的非线性特点。本文以制药企业的药品需求预测为研究对象,通过分析药品需求的特征,建立了基于神经网络的组合预测模型。本文选择3种具有互补特征的神经网络预测方法（BP神经网络的预测方法、RBF神经网络的预测方法和GRNN广义回归神经网络）分别对药品需求进行预测,然后在此基础上使用平均绝对相对误差（MAPE）为最优准则,通过求解二次规划问题得到权重并按照一定的规则进行变权,从而建立了基于神经网络的药品需求组合预测模型,最后对该模型实际应用的精度和稳定性进行评价。实验表明,本方法能够提高预测精度、稳定性,并扩大了模型的适用范围。     

基于主成分分析-RBF神经网络模型的备件预测研究

备件预测在产品物流保障中占有极其重要的地位,针对现有各种航空备件预测方法精度较低,无法满足实际需求的现状,文章提出了基于主成分分析-RBF神经网络模型的备件预测方法：首先利用主成分分析方法去除原始输入层数据的相关性,以解决RBF神经网络模拟预测备件需求时输入变量过多,网络规模过大导致效率下降的问题．最后选择合适的径向基函数密度训练神经网络。通过结合实例进行分析,取得了较好的效果。     

基于RBF神经网络的政府投资项目投资估算

<正>一、基于RBF神经网络估算模型的建立过程RBF(径向基Radial Basic Function Neural Network)函数神经网络是20世纪80年代末,Moody和Darken提出的一种特殊的三层前馈网络,它只具有一个隐层的,它的运算结构和学习算法与BP网络有很大的区别,并且很大程度上克服了BP神经网络的缺点。近年来RBF神经网络以广泛应用到各个领域,并     

基于RBF神经网络的负荷预测研究综述

负荷预测是实现电力系统优化运行的基础，对于电力系统的安全性、可靠性和经济性都有着显著的影响。RBF是一种三层前馈神经网络，具有良好的函数逼近性能，已被广泛应用到电力负荷预测中，并取得良好的效果。本文主要整理并介绍当前基于RFB神经网的负荷预测方法，对存在的问题进行了分析，并对未来的发展进行了展望。     

基于RBF神经网络的股票价格预测

由于股票的价格是非线性的时间序列,文章提出了基于RBF神经网络的个股价格预测模型,该模型优于传统的股市技术分析方法,又避免了BP算法容易陷入局部极小点和收敛速度慢的缺点。根据实验的仿真结果显示,该模型对于个股价格的短期预测效果较好。     

基于RBF神经网络的郑州航空港货运吞吐量预测

从主成分分析入手,通过对RBF神经网络进行改进,构建了航空港货运吞吐量的预测模型,并对郑州航空港的货运吞吐量进行预测,经验证精确度较高。基于郑州航空港货运吞吐量的增长趋势,提出积极进行政策扶持、加强郑州航空港运作管理等具体建议,以期为郑州航空港建设提供一定的启示。     

基于孤立点消除合理选择训练样本的物流预测

为了提高物流需求的预测精度,提出一种基于消除孤立点合理选择训练样本的物流预测(IFCM-RBFNN)。首先采用密度方法识别和剔除原始物流需求数据中的孤立点,消除孤立点对聚类结果的不利影响;然后采用模糊均值聚类(FCM)算法对物流需求数据进行聚类,选择最优训练样本集;最后采用RBF神经网络建立物流需求预测模型,并采用仿真实验对其性能进行测试。仿真结果表明,相对于对比模型,IFCM-RBFNN提高了物流需求的预测精度,预测结果更加可靠。     

基于概率神经网络的边坡稳定性预测

边坡稳定性预测是岩土工程中的一项重要研究内容,传统的基于力学的分析方法在进行分析时,要对岩土体的力学行为进行一些假设,由于岩土边坡的复杂性,这些假设往往和岩土体的实际力学行为相去甚远,因而其精度不是很高。基于范例的岩土边坡稳定性神经网络预测方法具有良好的自学习能力和高度的非线性映射能力。根据实际的46个边坡的参数及其稳定性资料,建立了概率神经网络的预测方法。PNN的特点在于快速运算、精确度高,以及可以给出一个指示基于决策的可信度大小的结果。     

基于神经网络对CFRP砼梁的可靠度分析

对于CFRP砼梁进行可靠性分析,必须建立准确的极限状态函数,作为一种近似可靠度计算方法的响应面法得到了迅速发展。采用人工RBF神经网络作为响应面的近似函数,理论上可以有效地解决响应面的精度问题。在提出基于RBF神经网络与响应面法相结合的砼结构可靠度计算的分析方法的条件下,得出的可靠指标对算例中CFRP砼梁进行可靠性分析。     

基于神经网络方法的风机故障诊断

针对旋转机械故障征兆与故障模式映射的复杂性,将反向传播(BP)网络、径向基(RBF)网络和概率网络(PNN)用于风机进行故障诊断,并比较了3种网络的诊断精度。以风机振动信号的7段频谱能量峰值作为故障特征,采用训练好的神经网络进行故障辨识,结果表明,RBF网识别精度高于PNN网络,BP网络表现较差。     

基于AHP-RBF神经网络的移动电子商务交易的信任评价

终端用户对移动电子商务安全的信任程度已成为进一步发展移动电子商务的主要阻力,尤其阻碍了移动支付业务的发展.基于层次分析法和神经网络理论,将AHP与训练后的RBF神经网络相结合完成对电子商务交易的信任评价,较好地解决了移动电子商务交易支付的信任问题.     

基于数据仓库的银行信用评级模型的构建

基于数据仓库,利用RBF神经网络,建立了银行信用内部评级系统,提出了企业信用主题数据模型和风险评估模型的训练过程。实证结果表明,该模型对银行信用评估可取得较好的效果。     

基于AHP-RBF神经网络的移动电子商务交易的信任评价

终端用户对移动电子商务安全的信任程度已成为进一步发展移动电子商务的主要阻力,尤其阻碍了移动支付业务的发展。基于层次分析法和神经网络理论,将AHP与训练后的RBF神经网络相结合完成对电子商务交易的信任评价,较好地解决了移动电子商务交易支付的信任问题。     

基于模糊RBF神经网络的自适应PID励磁控制

文章通过建立以状态方程表示的单机一无穷大电力系统的非线性数学模型,设计了基于模糊RBF神经网络的PID控制策略,以实现发电机组励磁系统PID控制器参数自适应调整的智能控制,并在仿真实验和实际应用中与常规PID控制器相比较,结果表明基于模糊RBF神经网络的自适应PID智能励磁控制方式具有更好的动态品质和控制特性,以及更强的鲁棒性和适应性。研究结果为发电机励磁控制的应用提供了一种新思路.     

基于模糊RBF神经网络的自适应PID励磁控制

文章通过建立以状态方程表示的单机一无穷大电力系统的非线性数学模型,设计了基于模糊RBF神经网络的PID控制策略,以实现发电机组励磁系统PID控制器参数自适应调整的智能控制,并在仿真实验和实际应用中与常规PID控制器相比较,结果表明基于模糊RBF神经网络的自适应PID智能励磁控制方式具有更好的动态品质和控制特性,以及更强的鲁棒性和适应性。研究结果为发电机励磁控制的应用提供了一种新思路。     

基于RBF神经网络的投标报价预测研究

针对建筑工程特点,提出了基于RBF神经网络的建筑工程投标报价方法,建立建筑工程投标报价标高率数学模型。应用MATLAB计算软件,以实例验证了该模型的正确性及实用性。     

基于BP神经网络的铁路货运量组合预测

在介绍了BP神经网络及组合预测的基础上分别采用灰色预测法、S曲线以及指数函数对昆明市铁路货运量的历史数据进行了单项拟合预测,再利用BP神经网络对三项拟合预测结果进行了组合预测.结果表明,基于BP神经网络的组合预测方法比单一预测方法在预测精度上有很大提高,验证了该方法的有效性.