灰色遗传神经网络模型对居民年需水量预测

该文针对污水处理厂进水水质变化及处理过程中具有非确定特性、不易精确控制等特点，充分利用神经网络模糊信息 处理的优势，结合污水处理工艺过程，以MATLAB 为研究平台建立一套具有3 层神经网络结构的预测模型并进行仿真验证。

人工神经网络作为一个具有高度非线性映射能力的计算模型, 已广泛应用于模式识别、自动控制等许多领域。在数值预测方面, 它不需要预先确定样本的数

叙述了常用的BP神经网络在空调控制中的优点，在分析了VAV空调系统的优缺点的基础上，提出了人工神经网络控制的策略，并从建立模型、样本训练和控制实现方面阐述了神经网络在VAV空调系统中的应用。展望了神经网络在空调领域的研究和开发走向。

基于神经网络的大体积混凝土温度预测与控制，内容详细丰富，可供网友参考下载。

应用误差反向传播的人工神经网络技术对大跨度双层扭网壳进行设计，双层扭网壳的跨度在50～ 80 m 之间变化，训练了估算双层扭网壳的最大挠度、重量和杆单元横截面面积的神经网络。为减少数据的非线性和提高训练速度，形成了特殊的数据排序方法。这种方法提供了必要的稳定性。本文研究表明应用神经网络技术对双层网壳结构进行设计是可行的。

本资料为模糊神经网络控制及其在化纤工业中的应用，针对化纤工业侧吹风的恒温、恒相对湿度和恒定风速的多变量控制系统的非线性特征,提出了一种可增强模糊控制规则优化能力的模糊神经网络控制策略,并给出了控制算法特点,仿真实验证明了方法的可行性.内容详实，值得参考下载。

对于受拉区仅配置预应力钢绞线的高强混凝土梁，在正常使用荷载作用下，当截面出现开裂以后，GB50010—2002(《混凝土结构设计规范》给出的挠度计算方法已经不再适用。针对这一现象，首先通过理论分析，找出影响预应力混凝土梁挠度的主要因素，在此基础上，分别以影响因素和挠度为输入、输出，建立预测预应力混凝土梁挠度的优化BP神经网络模型。然后，针对所建模型，输入一定量的实测数据样本，进行网络的训练、学习和调整。仿真计算的结果表明，应用人工神经网络的方法，进行预应力高强混凝土梁挠度预测分析是可行的，而且与我国现行规范公式计算结果比较，梁开裂后的预测结果更加接近实测数据。

摘要：将自组织神经网络模型应用于环境监测优化布点方案的决策，与模糊聚类方法的实例进行了比较，本方法不仅实用、有效，而且具有编程简洁，实现容易，效率更高的特点。

于智能电力建设工程造价是一个非线性最优融合智能算法、运用知识自动处理及有效的计算机应用体系，它强调人的智能参与和强调智能算法的灵活应用与解决复杂问题的过程中表现出了良好的适应性和可操作性等.同时对某市送电线路历史工程样本训练和实例样本计算分析，验证了该方法的预测准确性和收敛性及将灰色系统理论与层次分析法进行有机地结合

　用以活性污泥数学模型(ASM) 为基础的EFOR 软件的模拟输入输出数据训练设计好的神经网络,然后同时变化 输入数据,比较输出数据。结果表明神经网络用于污水生物脱氮过程的动态的模拟,预测出水COD 的误差可控制在±3 %以 下,出水TN 的误差可控制在±6 %以下,出水SS 的误差可控制在±10 %以下

摘要：水质受多个因素的影响，而且这些作用多是非线性的。其水质评价的实质是实现一个非线性映射。由于具有任意个隐层节点的前馈神经网络可以以任意精度逼近一个连续函数，因此，目前得到普遍应用的是采用BP算法的多层前馈神经网络。文中运用人工神经网络的反向传播（BP）算法进行了实例评价,与其它方法相比，评价精度较高，方法简单易行。

本资料为神经网络集成在工程造价估算中的应用研究，文中采用神经网络集成方法建立了工程造价和主要工程量估算数学模型,并采用matlab61计算软件,以深圳市已完典型工程资料为例,验证了该模型的正确性及实用性,得出了神经网络集成方法泛化能力更高的结论. 内容详实，值得参考下载。

本资料为基于模糊神经网络的建筑工程造价估计方法，提出了建筑工程造价估计的模糊神经网络方法，给出了用该方法进行建筑工程造价估计的基本原理，网络模型及估价方法，计算实例表明，应用模糊神经网络估计工程造价具有方便，准确的特点。内容详实，值得参考下载。

采用神经网络技术，基于自振特性对PRC简支梁的预应力识别进行了数值仿真研究，对三种不同预应力水平的仿真测试，给出了较高的识别精度，表明基于RBF神经网络的PRC简支梁的预应力识别方法具有一定的可行性和进一步研究的价值。

[目的]为实现作物的实时灌溉提供科学依据。[方法]利用实测气象资料、桓台县节水灌溉试验站 2008～2009冬小麦试验资料等建立BP神经 网络预报模型,应用Matlab神经网络工具 箱 ，采用 Trainhn算法进行模型训练 ，对试验田的土壤贮水量进行预测 。『结果]基于BP神经网络的土壤贮水量预报模型的泛化能力较强；在冬小麦日耗水量较大的拔节、扬花、灌浆 3个时期，该模型的预报精度 较高 ，稳定性较好 。[结论]基于BP神经网络的土壤贮水量预报模型在冬 小麦耗水较大时期的模拟值具有较高的精度

本文研究了以神经网络理论为核心的黄河上游宁蒙河段冰情预报。通过分析河流冰情特点，开发出了用Levenberg-Marquart算法改进传统BP神经网络理论进行冰情预报的数学模型，适用于流凌、封河、开河、水温、流凌密度、冰塞、冰坝等的预报中。把该模型应用到2004年－2005年冰情预报中，提前预报出2004－2005年冰情发生情况，具有良好效果。理论分析和实例论证都表明该神经网络模型能够进行宁蒙河段冰情预报，并且它的经验能为其它冰冻区河流建立冰情预报模型提供有益的帮助和重要的参考。

根据观测的结构频率，建立了基于人工神经 网络的桥梁结构损伤识别方法。把结构固有频率 的变化率作为./ 神经网络的输入参数，对混凝土 桥梁结构模型进行了损伤数值模拟计算。为了提 高神经网络的泛化推广能力和收敛速度，将 .012、34 优化方法应用到神经网络的训练过程 中。数值计算结果表明，所建立的结构损伤识别方 法取得了良好的识别效果。

针对污水处理过程中出水水质受到诸多因素的干扰，在国际水协开发的基准仿真模型ＢＳＭ１基础上，通过采用改进的粒子群算法，结合神经网络对活性污泥法系统进行仿真模拟和仿真。

对于不同数据特点的序列神经网络的逼近能力有较大的差异。为了使BP神经网络预测河流日径流的效果有较大改善, 分析了S型神经元的训练和数据调整过

摘要 政府项目投资失控问题业已引起广泛关注, 而造价工程,胡子工程 ,马拉松工程, 豆腐渣工程等 估算不准是其 中主要原 因之一 。许 多不确 定 因素影 响着项 目 三超 现象尤为严重 据 资料表明 造 价 并且这些 影 响 因素 与造 价之 间呈 高度 非线性 关系 传 统 统计方法难 以对新建项 目造价进行准确估算 本文利用bp神经网络在 已完工程资料中提取规则实现了对项目造价的 准确估算 。本文对bp网络基本理论作了简介,并用举例说明 bp网络预测工程造价的准确性.从例子可以看到预测值与实 际值 的相对误差很小足以满足造价估算的要求 。

文章对某钢桁梁黄河大桥进行了损伤数值模拟,提取其固有频率作为BP 神经网络的输入参数来训练网络,对桥梁整体的损伤进行诊断,并根据实桥损伤诊断的结果提出了一种改进的BP 神经网络方法,它能够解决传统BP 算法的梯度下降速度,从而提高运算速度,通过自调节保证学习过程中每一时刻具有较大的Sigmoid 函数值,避免了局部极小

采用改进后的BP 神经网络对桥梁结构进行损伤诊断,通过与传统BP 网络法的诊断结果进行对比,得出改 进后的BP 网络算法在实际应用中能克服传统BP 网络算法收敛速度慢,存在局部极小的问题. 改进后BP 网络的 桥梁结构损伤诊断具有较好的诊断效果,与传统的BP 神经网络相比,不仅提高了计算速度,而且较大地提高了识 别精度,具有较好的应用前景.

基于人工神经网络的大体积混凝土温度场预测，内容详细丰富，可供网友参考下载。

主要采用神经网络方法和可靠度理论，依据混凝土中钢筋的锈蚀量，对钢筋混凝土构件的可靠指标进行了分析，并运用所得的结果进行了耐久性分析，以期指导结构设计人员科学合理地控制结构耐久性。

本文在总结大量洪水预报实践经验的基础上，提出了一种峰值识别理论及相应的改进BP算法(Error Back Propagation with Peak Recognizer,简称BPPR).该理论及算法在修改网络权重时，偏重大值误差，即大值误差对权重的修改起主要作用.这种BPPR算法使人工神经网络洪水预报模型对洪峰的预报精度显著提高，从而保证了洪峰预报的可靠性.

应用人工神经网络的基本原理，建立了一个基于神经网络的煤矿立井井筒非采动破裂的预测系统，实现了立井井筒破裂预测的智能化。最后将神经网络预测结果与数值计算结果对比，认为应用人工神经网络对立井井筒破裂时间的预测比较准确，实用。

摘　要：根据现代控制技术的人工神经网络理论提出了一种保护原理构成方案，并分析了原理实现的可行性和技术难点。

LM算法很好地解决了BP算法训练代数大，训练误差大，易陷于局部最小等问题， 为坝肩滑坡体位移数据的分析提供了一种有效的方法。构建某坝坝肩滑坡体位移数据分析的BP神经网络，选取86组数据作为训练和测试样本，运用LM算法对此网络进行训练，利用训练好的神经网络对测试样本进行预测，并且将预测值与实测值进行对比分析．结果表明预测值与实测值较吻合，说明基于数值优化的LM 算法值得推广。

本文利用人工神经网络的自适应性、容错性、模糊性，建立了各自的BP神经网络预测模型。对偏压短柱，选取长径比、偏心距、钢材的屈服强度、混凝土的抗压强度及偏心率等5个影响偏压短柱极限承载力的主要因素作为输入单元，以极限承载力为输出单元，选用52组数据作为训练集，13组数据作为测试集，建立了一个3层的BP神经网络预测模型，预测结果与现有规范比较，公式物理意义明确、简洁、结果准确。