基于模糊神经网络的新型并联机构误差补偿研究

运用误差摄动法建立了一种新型并联机构的误差模型,提出了基于模糊神经网络的新型并联机构的一种误差补偿控制方法,并对网络结构、功能和训练算法进行了讨论,仿真结果表明,该模型具有良好的误差补偿性能。     

高压并联电容器的装设要求

高压并联电容器装置接入电网的设计,应按全面规划、合理布局、分级补偿、就地平衡的原则确定最优补偿容量和分布方式。低压并联电容器装置接线宜装设总回路刀开关和分回路交流接触器或功能相同的其他元件。     

基于神经网络的订单预测研究

快速变化的市场对企业的生存和发展提出了更高的要求,而按照代表顾客需求的订单进行生产则是企业提高柔性和竞争力的关键.正因为如此,准确地预测订单就显得异常重要.文章利用BP神经网络和径向基神经网络建立了新的订单预测模型,并通过解决一个实际问题对其仿真结果进行了比较.     

基于神经网络的电力系统潮流算法研究

随着电力系统未知参数数目呈指数增长,传统的潮流算法变得复杂化,电力系统的数学模型更加难以建立和求解,在高速化实时运算方面已接近极限。文章结合电力系统网络自身的并行性以及节点的相互关联性,在传统计算方法基础上,将人工智能BP神经网络的相关知识运用到潮流计算中,提出一个全新的智能化潮流计算方法,通过一个五节点的电力网络模型,对上述涉及的传统算法以及智能化算法进行仿真研究,分析其优缺点。     

基于神经网络的专家预测方法研究

针对复杂预测问题的需求,基于神经网络的思想对专家预测方法进行了探讨。首先,在神经元模型的基础上提出了专家预测模型。然后,根据专家预测模型的需要对专家给出的模糊语言判断信息的合成进行了研究,并给出了具体的量化方法。最后,为提高预测方法的精度,提出了一种专家权值的调整方法;算例表明,该方法具有简单实用的特点。     

基于分布式测温单元的电力电抗器电容超温防护研究

近年来,随着电力系统负荷的增长和电力电子技术的广泛应用,大量的电力电抗器、电容器投入电力系统。电力电抗器和电容器容易受谐波影响而导致温升过高,加速了设备老化。针对这一问题,文章提出了基于分布式测温单元的电抗器超温保护关键技术和解决方案,并开发出针对电抗器长期过热的超温保护装置,为配电网电容器组提供更加完善的运行监视和保护方案。文章所研制的超温保护装置在变电站的推广使用,有利于降低电抗器和电容器在大谐波等恶劣运行环境的损害,延长使用寿命,降低运维成本。     

基于BP神经网络的辽宁省物流需求预测研究

物流需求预测对经济发展具有重要作用。选取辽宁省2004—2021年的7个经济指标影响因素作为输入指标,货物运输量作为物流需求的输出指标,利用MATLAB R2022b软件,对辽宁省物流需求进行预测。利用灰色关联度分析法,对经济指标影响因素的关联度进行分析。结果认为,输入指标与输出指标具有较强关联度。随后,基于BP神经网络法构建物流需求预测模型,经过仿真预测,BP神经网络模型对物流需求预测具有有效性。     

基于神经网络的边坡安全系数快速预测研究

快速准确获取边坡安全系数对预防边坡发生滑坡等地质灾害具有非常重要的意义。在影响边坡稳定性的各种因素的基础上进行综合考虑,利用计算机科学和人工智能科学,以神经网络方法为基础,运用BP模型,进行边坡安全系数快速预测,建立了快速预测系统并实现了界面化操作,以黄土边坡实例为样本进行了模拟验证。结果表明:该方法对快速准确获取边坡的安全系数有一定的参考价值,可为边坡工程研究智能化提供帮助。     

基于BP神经网络的牛舍环境预测模型研究

在规模化养殖中,牛舍环境直接影响着牛的健康及生产能力。实验针对牛舍的主要环境因素——风速、温度、湿度和氨气质量分数进行了连续3天的数据采集,获得72组环境数据,建立了4-9-4三层结构的BP神经网络模型,对牛舍环境进行预测,采用L-M优化算法对前两天的48组环境数据进行训练,第三天的24组环境数据作为测试样本。仿真实验表明,经过12步达到目标误差,网络收敛速度快、效率高,预测值与实测值最大相对误差仅为4.62%,大大提高了牛舍环境预测的准确性与及时性。文章建立的环境预测模型可以为牛舍环境预警及控制提供支持,同时也可为其他行业预测模型的建立提供一种可行的思路。     

基于神经网络模型的上市公司财务预警研究

为了对上市公司财务状况进行合理预测,利用神经网络模型进行企业财务预警研究。首先,运用主成分分析等统计方法对初选的财务指标进行筛选,从初始指标中提取了五个因子作为财务预警指标;然后,选取2010至2013年间首次被特殊处理的上市公司作为财务危机样本企业,构建的财务预警模型提前三年的预测准确度近似于90%。研究结果表明,神经网络模型对我国上市公司财务状况预测具有较高的准确度,并且对预警指标进行适当的预处理,会提高模型预测的准确率。     

基于BP神经网络的品牌竞争力评估研究

文章在综合考虑品牌的顾客价值和企业价值的基础上,从四个维度建立品牌竞争力评估的指标体系,并运用BP神经网络模型预测目标品牌的竞争力.该方法通过样本的品牌数据训练BP神经网络的学习功能,再将目标品牌的指标值输入训练后的BP神经网络,评估目标品牌的竞争力大小.     

基于广义回归神经网络的黄金价格预测研究

文章选取纽约商品交易所共计205天的黄金期货价格数据和相应的影响因素指标数据,结合欧氏距离将样本数据合理分组为训练样本、检验样本和测试样本三类,建立广义回归神经网络(GRNN)模型用于预测黄金价格。建模结果表明:建立的黄金价格模型预测精度高,对未来5天黄金价格的预测相对误差绝对值都在1%以内,模型的泛化能力、可靠性和鲁棒性均较强,具有实用价值。     

高职学生实习期间合法权益的保护

顶岗实习是高职院校有效推进工学结合人才培养模式的最重要的形式,也是培养高技能人才的重要途径.但高职学生在实习时期由于不签实习权益保障协议,双方的权利义务不明确,他们一旦出现工伤、薪酬等权益方面的纠纷问题时,导致学校、学生、实习单位都处于尴尬境遇.所以,积极探索与构建高职学生实习期间合法权益保障体系势在必行.     

基于神经网络与逻辑回归的财务危机预警研究

文章以2014～2017年制造业上市公司ST企业为研究对象,并以1:2比例选取配对样本,针对T-3年的财务数据指标进行模型的构建与分析。结果表明虽然人工神经网络与逻辑回归都有不错的预测效果,但逻辑回归分析的结果准确率更高,可解释性更强。     

基于BP神经网络的冷库工程估价方法研究

冷库工程估价涉及因素多且结构复杂,根据BP神经网络算法在工程估价中超强的容错及泛化能力,建立基于BP神经网络的冷库估价模型。在对江苏省某企业在2011—2015年间140个项目案例进行充分研究的基础上,通过相关性分析提取冷库工程估价的主要特征,通过重复训练,实现了网络各层之间的连接权,模型估算误差在5%以内,满足冷库工程估算的精度要求。     

基于GA-Elman动态回归神经网络的股价预测模型研究

文章针对股价预测问题的复杂性、不确定性、时变性及动态性等特性,利用Elman神经网络具有记忆性的优点,采用遗传算法训练优化Elman神经网络的初始权值,提出了高效的GA-Elman动态回归神经网络股价预测模型。实验模拟结果表明:该模型快速稳定且具有较高的精度,将其用于股票价格预测可行且有效。该模型的提出也为股票价格预测提供了一种新的技术和方法。     

基于聚类神经网络的人体行为识别研究

本文提出了基于融合特征的聚类神经网络人体行为识别方法。采用了傅里叶描述子提取人体动作外形轮廓,利用外接矩形长宽比及变化率表征人体运动特征;提出了聚类分离度和紧密度相结合的Silhouette宽度,定义了训练参数目标误差为均方根误差RMS,采用改进的基于聚类的RBF神经网络进行行为识别。仿真实验表明,该方法能有效识别人体行为类别,应用效果满足实际要求。     

基于BP神经网络的“三公”经费支出研究

以国家税务总局系统2011—2018年的三公经费数据为研究样本,对其近几年三公经费的实际支出和预决算差距进行分析.针对三公经费预决算差距情况,利用BP神经网络,将历年三公经费支出数据作为神经网络的输入,将下一年的实际支出作为神经网络的输出,通过神经网络的学习和训练,建立一个三公经费支出预测模型,提高三公经费预算准确度,为下一年三公经费的预算提供一定参考.