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K-means算法的神经网络文本分类算法研究

本文在分析文本分类算法的一般模型和现有技术后,针对传统神经网络算法存在的问题,提出了一种引入Kmeans算法用于训练RBF神经网络的径向基函数中心,改善误差反向传播（BP）神经网络分类算法收敛速度较慢的缺点。实验结果表明,改进后的RBF网络与BP网络、RBF网络相比,在取得较好分类精度和召回率情况下,具有较高的运算速度和较强的非线性映射能力。     

基于PNN网络的油井功图识别方法

油井功图是油井工况诊断的重要依据,快速准确地识别油井功图对于提高油田作业效率具有重要意义。传统的人工相面法识别示功图无法实现油井工况的实时在线诊断,而BP神经网络法识别准确率较低,因此提出一种基于概率神经网络的油井功图识别方法。该方法通过提取功图数据的面积特征、特征向量和载荷曲线的傅里叶逼近特征作为油井功图的特征值,PNN网络用特征值作为输入对油井工况进行诊断。实验结果表明与BP网络相比使用PNN网络根据功图提取特征进行油井功图识别时能够达到更高的识别效率。     

变压器故障诊断研究

变压器一旦发生故障将对电力系统造成重大的危害,及早发现变压器的潜伏性故障,对保证其安全运行,提高供电的可靠性具有重要意义。文章分析了变压器常见的故障,介绍了目前常用的故障诊断方法,引入了RBF网络应用于变压器故障诊断,分析表明该方法诊断正确率高。     

事例式推理物流组织网络风险预警模型构建

采用最为广泛运用的BP多层前馈型人工神经网络模型与专家系统(Es)相结合的方法,实现物流组织网络风险预警系统建模.     

机械加工零件的热处理技术研究

工农业的发展对热处理技术提出了更高的要求，机械加工零件在加热时如何很好地控制温度已成为关键性的技术。为了克服传统RBF网络控制中存在的问题，本文设计了自适应模糊C -均值聚类算法优化的RBF神经网络预测器及BP神经网络控制器。通过合理地初始化RBF神经网络预测器中的三个参数，使控制器的输出更好地稳定在给定值。仿真表明，模糊优化的网络比原始网络控制具有更好的控制效果，节约能源，提高热处理性能。     

湿法脱硫法国海鹏氧化风机断轴修复方案

文章对珠海金湾电厂脱硫系统采用的法国的海鹏(Hibon)892K型的三叶式罗茨型鼓风机(氧化风机)发生主轴断裂故障的原因进行了分析,并提出和落实修复氧化风机的方案。     

基于优化BP神经网络模型的上市公司财务危机预警

利用粗糙集的约简技术对上市公司的预警指标进行约简,降低神经网络的复杂性和提高网络预测速度及精度,采用遗传算法作为神经网络模型的前置装置,对网络输入端的初始值和阀值进行最优化,缩短网络训练时间,提高了网络的预测精度。实证研究显示,优化模型的财务危机预测精度高于传统BP神经网络模型的预测精度。     

基于BP神经网络及Pearson相关系数的风机发电机轴承温升故障诊断研究

发电机轴承温升高是直驱风力发电机频发的故障,易导致风机长时间停机,维修难度大,造成设备重大损失。通过建立基于BP神经网络和Pearson相关系数的发电机轴承温升故障诊断模型,并以湖北荆门某风电场为例,试验结果表明:该方法能够较准确预测风机发电机轴承温升变化,通过将温度预测值与正常工况下的温度值进行误差对比,判断发电机是否处于正常工状,实现发电机潜在故障的预警,为风力发电机的故障诊断提供了一种切实可行的方法。     

基于气象因子修正的风电场短期风速预测

为了提高风电场短期风速预测的精度,提出了基于当地气象因子和支持向量机(MF-SVM)的模型。以风场所在地的气象台所测物理因子为输入,用BP神经网络预测出未来3天的平均风速,作为风场短期风速预测的修正参考值;基于风场单台风机的历史风速,用支持向量机(SVM)方法预测出未来4小时风速值,并加以修正,实例证明模型具有较强的预测能力。此外,对模型所产生的误差来源也进行了分析。     

装备故障诊断方法研究

分析了神经网络故障诊断的特点,构建了神经网络的装备故障诊断模型,克服了传统故障诊断的缺点,并用某型装备故障的数据进行了验证,结果表明了神经网络诊断故障是一种有效的诊断方法。     

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。     

基于径向基函数网络的教师教学质量评价

高校教学质量的评价是一个多因素、多变量、模糊的非线性过程。运用RBF神经网络建立教学质量评价模型,可以较好地解决传统评价模型中数学模型难以建立、评价因素相关、评价主体主观因素影响等问题。选定训练样本,确定网络结构和参数,经过训练得到RBF网络,并进行了仿真验证。结果表明,该方法具有广泛的适用性。     

数据挖掘在航空发动机状态判别中的应用

为了挖掘隐藏在飞参数据背后的信息知识,应用数据挖掘技术对航空发动机健康状态进行判别研究。利用飞参数据中与发动机健康状态相关的九个参数和典型的故障数据,分别建立了神经网络和决策树模型,通过结果的比较,确定了最佳分类预测模型。     

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。     

基于遗传神经网络的机械故障诊断

本文针对BP神经网络存在的不足,将遗传算法和BP神经网络有机结合起来,利用遗传算法的全局搜索能力优化了神经网络的初始权值和阈值,并将其应用于机械故障诊断。结果表明,在MATLAB环境下进行仿真试验,这种方法能够有效进行故障识别、提高故障诊断精度。     

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。     

TORNADO燃机故障诊断的神经网络模型研究

为改善单神经网络收敛速度慢的问题,本文采用组合神经网络建模方法,建立了燃机性能仿真网络模型,并进行实验验证。建模过程中,将建模对象划分为三个相对独立的子网络,利用获取的实验数据组成训练域对网络进行训练,建立起一套可用于燃气轮机控制系统仿真及故障诊断的组合神经网络模型。实验结果表明:该模型平均输出误差约为3%-6%,计算时间小于100ms,可用于基于模型的燃气轮机诊断系统。     

基于LabVIEW的滚动轴承故障智能诊断系统

利用LabVIEW平台开发了齿轮故障诊断系统。系统主要采用共振解调诊断和BP神经网络诊断两种方法。共振解调诊断由Hilbert解调和小波包解调实现故障频率识别;BP神经网络诊断由对有量纲和无量纲参量提取的特征以及根据小波相对能量提取的特征作为神经网络的输入向量,轴承的故障类型作为输出向量,采用神经网络对轴承进行诊断,实验结果表明:通过解调和神经网络诊断,该系统能有效识别齿轮故障,确定故障类型。     

基于RBF神经网络集成的供应商评价方法

供应链管理代表了当前经济环境下的趋势与需求,其中的伙伴企业选择是其主要研究的问题之一.本文提出了一种基于径向基函数神经网络集成的供应商识别方法.该方法首先通过系统聚类,在每一类中单独训练具有一定差异度的单个径向基函数神经网络,并加以集成,构成以系统聚类与RBF神经网络相结合的模型,以解决供应链的企业伙伴选择问题.最后以企业为背景,运用这种模型解决实际问题,并给出了结果.