基于蚁群优化神经网络的支持向量机预测方法研究

本文利用蚂蚁算法训练神经网络的权值和阈值,蚁群优化神经网络克服了人工神经网络预测精度低的缺点,在取得最小拟合误差的同时可以得到最小的预测误差。在此基础上提出以支持向量机方法为主、多方法融合的智能预测系统,对电网负荷预测进行了动态预测。实际算例验证了这一智能预测系统的精确性。     

我国中小企业财务危机预警的新视角

"ST"表征企业的盈利能力,财务危机强调企业的资信状况。基于财务危机本质特征,首次提出以财务资信评级界定危机企业。依据混沌理论分析中小企业财务危机系统的非线性开放特征,在内部因素等财务指标基础上,增加外部风险指标与表外信息指标、非财务指标,通过显著性分析与因子分析筛选初始指标,构建适用于中小企业的财务危机预警体系;基于线性与非线性预警模型的比较,对样本企业进行预测。研究表明,BP神经网络模型预测的综合准确率明显高于其他两个模型,其非线性的预测方法更适用于复杂的中小企业财务危机预警系统。     

基于模糊神经网络的城市公园休闲满意度测评——以济南市泉城公园为例

依托Beard和Ragheb休闲满意度测量简表,采用问卷调查法和因子分析法构建了城市公园休闲满意度测评指标体系,使用Matlab软件中的模糊神经网络算法测评山东省济南市泉城公园休闲满意度,并进行测评指标的重要性—绩效分析（IPA）。使用模糊神经网络算法对济南泉城公园休闲满意度测评的结果与实际情况基本吻合,该方法在城市公园休闲满意度测评研究中具有可行性;模糊神经网络测评结果显示:济南泉城公园受访者对其休闲体验总体持“满意”态度,对公园休闲的放松体验持“比较满意”态度,而对公园休闲的教育功能、心理体验、社交功能、审美功能和身体满意度同样持“满意”态度;IPA结果显示:公园休闲的教育和放松满意度各指标均需要继续保持,身体满意度全部指标需后续改进。     

基于GMDH神经网络法的中小板上市公司ST分类预测研究

预测上市公司的上市状态对投资者与其他利益相关者至关重要.选取2019年1月1日至3月31日我国中小板116家上市公司的86个财务指标数据,运用GMDH神经网络法对ST公司和非ST公司进行分类预测,预测正确率达到78.26％.进一步采用1:1配对原则(43家ST公司和43家非ST公司)对中小板上市公司进行ST分类预测,预测正确率大幅提高,达到88.24％.由此发现,基于GMDH神经网络法的中小板上市公司ST分类预测具有较好的预测表现.     

基于BP神经网络的油气产量历史预测

分析了常规油田开发模型所存在的问题;探讨了应用神经网络技术进行油气产量历史预测的可行性。油田实际资料验证评价结果表明:该法模拟预测精度高,效果好,简单实用,不失为油气产量动态预测的一条新途径。     

基于神经网络的矩形钢管高强混凝土计算方法

矩形钢管混凝土结构在国内外已经广泛应用,许多规范中也规定了其计算方法,但是各个规范中矩形钢管混凝土的计算结果并不一致,并且随着工程中混凝土强度越来越高,并不是所有的规范都适用于矩形钢管高强混凝土计算。基于神经网络方法,搜集近年来国内外矩形钢管高强混凝土轴压短柱试验数据,并用这些数据训练了两个以不同参数为输入、以承载力为输出的神经网络模型ANN-1和ANN-2,经过调试和验证,得到了准确和稳定的模型。最后对矩形钢管高强混凝土进行了参数化分析,并与规范计算值进行对比,评价了规范中的计算方法,并进一步证明模型可以用于矩形钢管高强混凝土承载力的预测。     

基于广义模糊推理实现故障识别的神经网络方法

高压输电线路的故障识别和性能分析对电力系统恢复处理决策和管理是具有重要意义的。本文探讨了模糊推理过程的神经网络实现模型与方法,提出了广义模糊集的概念。基于广义模糊推理神经网络（ＦＩＮＮ）方法完成了高压输电线路故障识别和性能分析智能系统（ＴＳＮＮＩＳ）的构造和仿真测试。     

人类学习与深度学习：当人脑遇上人工智能

深度学习是人工智能研究中最前沿的领域。到底什么是深度学习?深度学习与人类的学习在本质上相同吗?如果机器的确拥有学习能力,那么机器的学习能力会超过人类吗?对这些问题的回答,已经不再是单纯的人工智能领域的内部问题,而是一系列更深层次的认识论问题。这种跨学科的关注与讨论不但对深化我们对人工智能的研究有着重要的推动作用,而且对从科学上揭示神秘的人类学习能力同样有着非同寻常的意义。     

阻力墙参数对转向节锻件充填影响的神经网络分析

为研究阻力墙结构参数对转向节锻件长叉充填的定量影响,设计了广义回归( GR)人工神经网络模型。用“舍一法”训练了模型,并采用3个样本对模型进行预测检验,散点表明预测值和实验值拟合较好。统计学指标为：均方误差M1为0. 898 0,相对均方误差M2为0.167 0%,拟合分值V为1.973 9,说明人工神经网络具有较高的预测精度。最后用 神经网络分析阻力墙关键参数对锻件长叉充填的定量影响,结果表明：长叉侧边桥部宽度和阻力墙斜度的增加对长叉充填作用不明显;阻力墙间隙的加大不利于长叉充填;阻力墙宽度对长叉充填的影响呈抛物线关系,先增大后减小,存在一个极大值。GR人工神经网络模型能够定量预测各阻力墙参数对长叉充填的影响。