為提高鐵路貨運量的預測準確性,運用灰色關聯分析法,計算分析了與鐵路貨運量相關的主要社會指標,確定鐵路貨運量的影響因子分別為鐵路運營里程、鐵路電氣化里程、鐵路復線比重、公路運營里程、固定資產投資總額和鋼材產量。將所確定的因子作為鐵路貨運量的預測指標,建立基于bp神經網絡的鐵路貨運量預測模型,并對模型進行了應用測試。結果表明：bp神經網絡模型具有較高的精度,最大相對誤差為3.7%,平均相對誤差為2.3%。該方法具有較快的收斂速度和較高的預測精度,可為我國鐵路貨運量的預測研究提供方法支撐。

利用智能方法對邊坡形變進行預測,進而對礦區安全進行評估近年來成為研究的熱點。針對邊坡形變數據小樣本、貧信息、高非線性等特點,本文將灰色理論與神經網絡方法相結合構建灰色神經網絡,充分利用灰色模型處理小樣本和神經網絡處理非線性的能力,對礦區邊坡形變進行預測。實驗分析表明,利用灰色神經網絡進行形變預測是正確有效的,預測精度取得了較好的效果。

針對建筑能耗受局地氣候多因素影響的特點,為了客觀準確地對建筑能耗進行預測,本文引入了氣象熱舒適度來綜合分析氣候對建筑能耗的影響,并以該指數預測值、建筑能耗原始數據和日期類型作為輸入層,進行復合灰色神經網絡模型預測建筑能耗。該方法不僅克服了灰色模型和神經網絡存在的預測缺陷,同時還考慮了氣象因素對建筑能耗的影響。通過對北京某大廈的實例應用分析,取得了較高精度的預測結果,證實了該方法的合理可靠,為建筑能耗預測提供了新途徑,其預測結果也將為大型建筑空調系統的再優化設計和改造提供參考。

本文分析了影響房價的多種因素;運用灰色gm(1,1)模型預測這些因素的數據走勢,利用bp神經網絡以歷史數據為依據運用matlab進行仿真,得出我國未來五年房價預測值。結果表明,采用神經網絡結合灰色gm(1,1)預測而得的各影響因素預測值,預測未來房價,具有很強的實用性。

基于灰色bp神經網絡組合模型的基坑變形預測研究——為了使得基坑變形預測在“少樣本”、“貧信息”的情況下依然能夠得出精度較高的結果，在傳統的灰色gm(1，1)模型和bp神經網絡模型的基礎上，進行了灰色bp神經網絡組合模型的研究。通過總結2傳統模型的原理和算...

準確的客流量預測在國家交通規劃與管理中具有重要意義,預測方法的選擇直接影響到預測的精度。客運量的預測具有小樣本和非線性的特點。結合灰色理論和rbf神經網絡的特點形成灰色-rbf神經網絡模型,并采用客流運量分擔率的方式對擬建鐵路客流量進行預測。通過灰色理論對原始數據進行生成處理,將無規律的原始數據變為較有規律的生成數列,再利用rbf神經網絡的超強適應能力和學習能力,大大加快學習速度并避免出現局部極小問題對生成數列進行預測,再將模型運用到客運量的預測中。最后結合新建蘭州至中川機場鐵路項目及調查數據進行客流量的預測研究,得出灰色-rbf神經網絡模型對客流量具有很好的預測性。

準確的客流量預測在國家交通規劃與管理中具有重要意義,預測方法的選擇直接影響到預測的精度。客運量的預測具有小樣本和非線性的特點。結合灰色理論和rbf神經網絡的特點形成灰色-rbf神經網絡模型,并采用客流運量分擔率的方式對擬建鐵路客流量進行預測。通過灰色理論對原始數據進行生成處理,將無規律的原始數據變為較有規律的生成數列,再利用rbf神經網絡的超強適應能力和學習能力,大大加快學習速度并避免出現局部極小問題對生成數列進行預測,再將模型運用到客運量的預測中。最后結合新建蘭州至中川機場鐵路項目及調查數據進行客流量的預測研究,得出灰色-rbf神經網絡模型對客流量具有很好的預測性。

本文提出了一種基于rbf神經網絡的直接預測法,對公路貨運量進行了預測,并利用matlab工具箱予以了實現.對2004和2005年公路貨運量預測的結果表明,預測值與國家統計局公布的實際數值有很好的一致性,預測精度也高于其它rbf預測法,有很好的應用性.

為了對民航系統安全運行狀態進行科學的分析和預測,針對反映民航系統安全運行狀態的重要指標之一——飛行事故萬時率,采用bp神經網絡的時間序列非線性預測模型及方法,對其進行了分析研究和仿真驗證,計算結果表明,該預測方法是可行的,并與實際具有較好的一致性。

公路貨運量受多種因素影響,各因素的作用機制通常不能準確地用數學語言進行描述。采用廣義回歸神經網絡(grnn)對貨運量進行分析及預測。通過對1995~2003年南京市公路運量的歷史數據進行分析和處理,對網絡進行訓練和擬合,用2004~2005年的實際數據進行模型檢驗,結果證明了grnn用于貨運量預測的有效性。

通過對公路貨運量的預測方法進行研究比較,并根據公路貨運量形成的復雜和非線性等特點,建立bp神經網絡預測模型.利用黑龍江省公路貨運量及其相關影響因素的實際數據,確定網絡輸入與輸出樣本,并對bp神經網絡預測系統進行訓練和預測.通過對網絡輸出的誤差曲線圖的分析,驗證bp神經網絡預測系統的精確性和簡單方便性,提高了公路貨運量預測的精確性.

為簡化震害預測工作,提出一種以房屋普查數據為震害影響因子并利用人工神經網絡模型為工具的震害預測方法。從以往震害實例中選取了具有典型破壞特點的建筑物作為神經網絡的學習樣本,用收集的數據對網絡進行了訓練并得到了收斂的網絡,應用此收斂的網絡對一組新的房屋數據進行震害預測,結果表明了運用此方法和模型的實用性。

針對深基坑系統的復雜的非線性及基坑工程變形多步預測的重要性,將人工神經網絡技術引入其中。分析了用bp網絡進行多步預測時存在的不足,提出了基于遞歸神經網絡的基坑工程變形多步預測模型。通過一軟土深基坑工程變形多步預測實例的分析,論證了遞歸神經網絡用于基坑工程變形多步預測的可靠性和實用性。該方法有效可行,在其他領域的多步預測中同樣具有廣闊的應用前景。

房地產業是國民經濟發展的重要支柱產業之一,因此,科學預測房地產價格指數具有十分重要的意義。將神經網絡算法應用于房價指數預測,收集我國主要城市的房地產價格指數數據,使用spssclementine軟件進行分析。實驗結果表明,該預測方法是可行的和有效的。

風險投資過程中,項目評估是首要的環節.評估過程中要根據項目的歷史及現狀,對項目的未來發展及收益做出比較科學準確的預測.本文介紹灰色建模預測方法,并應用該方法對某電子新材料創業公司的利潤情況進行預測,得到了比較滿意的效果.

針對高校涉密項目風險因素多和保密環境復雜的特點,利用三層bp神經網絡對能夠逼近任意非線性函數的良好特性,突破傳統上基于統計學方法進行預測的限制,綜合了時間序列的計算簡單,需要歷史數據少的優點,設計了一種體現時序的多因素動態時間序列bp神經網絡預測模型,并將模型運用于某高校涉密項目泄密風險的預測研究中。仿真實驗表明,此方法切實可行,而且具有較好的預測精度。

強烈的地震給人們生命財產帶來巨大損失,為了能夠在地震之前預測出建筑物震害,提出一多層磚房為例。利用matlab神經網絡工具箱,建立一種基于貝葉斯正則算法的bp神經網絡模型,并以過去發生地震地區的多層磚房調查數據為震害因子的震害預測方法。結果表明:對多層磚房的震害樣本的預測達到理想效果。

針對基坑變形預測中信息的灰色性和數據的非線性性,提出用灰色神經網絡預測基坑變形的新方法。用一樁錨聯合支護體系實例進行了預測研究,得到支護體系的不同預測模型的組合預測值。研究結果表明:灰色神經網絡預測誤差比gm(1,1)預測模型小;與bp預測模型相比,前期誤差大,后期誤差小。在基坑變形監測中,為了更準確地預測基坑變形,可以采用灰色神經網絡預測與bp預測相結合的方法進行預測。

針對一些復雜的非線性系統在神經網絡逆動態控制方法下控制效果不理想的問題,本文提出對被控對象進行直接多步預測,利用多步預測性能指標函數對系統實現基于神經網絡的逆控制。并將仿真結果與利用遞推多步預測方法的結果進行了比較,得到直接多步預測控制較遞推多步預測更準確的結論。

在巖土工程中如何準確預測樁基豎向承載力是一件非常重要的事情。針對現有研究存在的不足,基于標準bp神經網絡算法,加入一動量因子,建立了修正的bp神經網絡模型,對單樁的豎向承載力進行了預測。以鎮江市勘察測繪研究院所完成的地質勘查報告為工程背景,以地震波靜力觸探測試(scptu)測得的4個指標(錐尖阻力、錐側摩阻力、剪切波速和孔隙水壓力)為輸入參數,樁基承載力為輸出參數。通過與現場靜載試驗進行比對,得到了相關系數較高的樁基荷載響應曲線。經過與傳統預測方法進行比較發現,用修正的bp神經網絡算法可以有效預測樁基豎向承載力,精度較高。

基于灰色理論的基坑變形預測方法——本文通過具體工程實例，探討了灰色理論用于高層建筑大基坑的變形預測方法問題，所得出的結論是，灰色理論用于基坑的變形預測是可行的。　　

智能工程是多層灰色神經網絡中的智能算法,處理多個非線性復雜系統研究。