基于最小化最大绝对预测误差的组合神经网络软测量建模方法

针对聚丙烯熔融指数软测量建模问题,提出了一种基于最小化最大绝对预测误差的组合神经网络软测量建模方法,并将该方法应用于聚丙烯熔融指数软测量研究中.通过建立多个不同结构的BP神经网络模型,并合理组合各个模型,可显著改善单一神经网络模型的泛化能力.鉴于合适的组合权重对取得良好预测性能是至关重要的,因此提出将最小化最大绝对预测...     

基于Matlab的板凸度BP网络的预报

利用MATLAB神经网络工具箱,根据BP神经网络的基本原理,建立了三层BP神经网络板凸度预报模型.通过实验仿真,结果表明该模型对测试数据预报结果均在3%之内,对板带凸度的预报具有很好的预测精度,且训练速度较快,具有很好的实用性.     

基于组合神经网络的聚合物质量预测

介绍了一种将组合神经网络用于聚合物质量预测的方法．由定量数据建立的单一神经网络模型往往缺乏泛化能力，而使用组合神经网络模型则可以显著改善模型的泛化能力．由于在建立组合神经网络模型过程中，合适的组合权重对模型是否具有良好预测性能是非常重要的，因此采用了岭回归方法来选择合适的组合权重．所提出的方法已成功应用于PVC颗粒特性的预测研究中。研究结果表明，与单一神经网络模型相比，组合神经网络模型具有更佳的模型预测精度和鲁棒性．     

基于模糊神经网络的宏观经济预警研究

本文将神经网络理论与模糊系统理论相结合,建立了宏观经济非线性预警模型;运用模糊逻辑推理将经济专家经验引入到宏观经济的预警分析中,使系统具有处理非线性、不确定性问题的能力,实现了预警过程的智能化;本文利用实际数据建立了具有转折点预测意义的、基于模糊神经网络的宏观经济波动预警模型,并对中国1999年和2000年进行了尝试性景气预报。     

基于神经网络识别的复杂工艺参数柔性优化

为提高复杂工艺环境下生产合格率,动态的柔性优化工艺参数组合,以现场生产数据为学习样本和控制对象,基于可适应BP神经网络建立识别生产变化的工艺参数柔性优化模型。在此基础上,通过引入惩罚机制改进粒子群算法在神经网络输入端迭代求解最优参数组合。为了验证模型的有效性,验证实例由3条轻化工艺路线生产数据构成,结果表明模型预测误差绝对值在3%以内,优化得到的参数组合提高合格率到85%以上,有效的提高生产效果和生产柔性。     

基于遗传算法的遗传神经网络在卷曲温度控制系统中的应用

为解决板带生产中层流冷却反馈控制的大滞后和难以用数学模型精确预测控制温度的问题,本文将遗传算法与神经网络结合起来,提出了一种能够提高卷取温度预报的系统,利用热连轧现场生产过程中的实际历史数据,对预报带钢卷取温度的遗传神经网络进行离线学习和测试,结果说明,能满足卷取温度预报的精度要求,同时具有较快的收敛速度,满足在线实时控制的要求。     

基于ELM的高炉喷煤量预报研究

以包钢4#高炉的实际生产数据为训练样本,均方误差为适应度函数,对喷煤量进行了预报。实验结果表明,所提方法较BP神经网络预报模型能够更快、更准确的预报出高炉炼钢时所需喷煤量,更好的指导实际生产。     

基于BP神经网络的复杂过程参数优化方法研究

针对生产过程中存在响应变量受多重复杂因素的影响,响应曲面模型不能解决的复杂因素影响的参数优化问题,提出一种基于BP神经网络的参数优化方法。BP神经网络具有较高的学习能力和映射能力,可以解决响应曲面模型的不足,建立良好的映射模型。利用BP神经网络模型的高泛化能力对最优参数组合寻优搜索,以较少的试验数据得到理想的参数设计。防眩玻璃制备工艺参数优化的分析结果表明,基于响应曲面模型的参数优化方法具有局限性,而BP神经网络的优化方法能够将透过率提高到92.22%,验证了该参数优化方法的有效性和可行性。     

浙江省早稻产量预报的最优子集回归模型

粮食产量的预报对国民经济计划、决策,指导粮食生产具有重要意义。目前大多数采用作物天气——统计预报模式,在建立预报模型中,逐步回归方法被广泛使用。但是,逐步回归建立的方程在相同因子个数的方程中残差平方和不一定是最小。采用最优子集回归方法可得到残差平方和最小的方程。在浙江省早稻产量预报模型中,五个因子数方程的残差平方和最优子集比逐步回归下降18.1％。     

基于Matlab的优化BP神经网络在水稻虫害预测预报中的应用

本文主要利用神经网络理论,基于Matlab的神经网络建立水稻虫害发生量预报预测的BP神经网络预测系统,确定了自然因素-9发生量之间的联系,并通过对江西省抚州市田间水稻虫害情况的预测来检验模型的效果.实验结果证明了该模型用于虫害预测的可行性,具有很好的应用价值.