為了盡量減小由隧道開挖引起的地面沉降而帶來的風險,需要在隧道施工過程中可靠地預測地表的變形量.該文采用改進的方法來選擇平移和伸縮因子的初始值,利用小波神經網絡分析預測隧道施工中的地表沉降量,并在預測中考慮了地表平均壓力、盾構機平均穿透深度、填充泥漿度等外界因素對地表沉降的影響.結果表明,利用改進的方法來選擇初始的平移和伸縮因子,提高了函數的逼真性能,并減小了估計誤差.

邊坡的地表位移監測是滑坡安全監控中的重要內容,對監測資料進行及時、合理和有效的分析,獲取滑坡變形規律和安全狀況是滑坡監測的重要工作之一。文章將基于bp算法的小波神經網絡預測模型引入變形監測預報中,對工程實例進行了預測。結果表明小波神經網絡預測可以取得良好的效果,且自適應預測能力較強。

小波神經網絡是建立在小波理論基礎上的一種新型前饋神經網絡,具有許多優良特性。本文分析了小波神經網絡的特點,建立了電力負荷的小波神經網絡預測模型,設計了小波神經網絡結構,給出了小波網絡參數調節算法。對實際電力負荷預測算例,以及與bp網絡的對比研究實驗表明,小波神經網絡對非平穩信號能進行有效地預測,比bp神經網絡具有更高的預測精度。

當前,諸多研究人員被電力負載預測所吸引,由于其是精確計劃、調度及運維電力系統的先決條件.眾多因素均影響著電力負載預測,因此提出一個混合模型來提升預測的準確性是有必要的.文中提出一種采用2種方法的新的混合負載估計方案:小波變換(avelettransform,wt)和人工神經網絡(artificialneuralnetwork,ann).為了將大型非對稱時變電力原始數據集合考慮到其中,根據時間和頻率采用小波技術來分解數據,眾多小波函數可以采用,但選擇一種合適的小波函數在設計此模型中扮演著關鍵作用.文中采用了以下幾種類型的小波函數,即haar小波函數、deubechies小波函數、symlet小波函數以及coiflet小波函數,將電力負載數據分解成不同的段.隨后,使用ann來預測負載的非線性數據.由aemo獲取一周每天24h的數據驗證了文中所設計模型的有效性.

對bp神經網絡的原理、算法和公式進行了介紹,在對matlab及其神經網絡工具箱介紹的基礎上,采用3個聲發射特征值:即聲發射信號有效值、fft峰值和標準差作為輸入,工件表面粗糙度作為輸出,用bp神經網絡的方法對高效深磨加工工程陶瓷al2o3的工件表面粗糙度進行了訓練、預測和分析.結果表明,使用bp神經網絡可以實現高效深磨加工工程陶瓷工件表面粗糙度的監測.

綜述了人工神經網絡在陶瓷材料中的應用研究進展,分析了人工神經網絡在古陶瓷分類和傳統陶瓷配方設計、優化及性能預測方面的應用,此外,對人工神經網絡在功能陶瓷材料、陶瓷基復合材料中的應用進行了詳述,并指出在應用中存在的問題及未來發展趨勢。

運用灰色神經網絡理論,研究了摻雜srtio3多功能陶瓷氧化熱處理過程中,氧化熱處理條件對介電性能和壓敏性能的影響。根據各種參數的主行為因素的多少,運用gnnm(1,1)、gnnm(1,2)、gnnm(1,3)模型進行分析,并且建立了相應的gnnm(2,1)灰色神經網絡模型。

變形監測是安全化、信息化工程建設和管理的重要內容,貫穿于建筑物設計、施工和運營整個過程.本文基于小波分析、bp神經網絡、小波分析與神經網絡結合的相關理論,借助matlab編程,建立了改進的bp神經網絡、輔助式小波神經網絡、嵌入式小波神經網絡3種變形預測網絡模型.結合工程實測數據,利用建立的3種模型,分別應用累積沉降和期間沉降不同模式數據進行預測.結果表明,兩種小波神經網絡組合模型的預測效果明顯優于單一的bp神經網絡模型,具有更高預測精度和更快的收斂速度,且訓練樣本數目越多,模型精度越高,預測效果越好.

針對壓電陶瓷驅動器的蠕變誤差隨時間呈現非線性變化,會嚴重影響其定位精度的問題,提出遺傳算法優化bp神經網絡的壓電陶瓷蠕變預測算法。采用遺傳算法優化了bp神經網絡的權值和閾值,構建了基于遺傳算法的bp神經網絡(ga-bp算法)的蠕變預測模型。用ga-bp算法對壓電陶瓷蠕變進行了預測仿真,并將結果與實測數據進行了對比。結果表明,獲得的蠕變預測結果與實驗數據的最大絕對誤差均不超過0.2μm,最大蠕變誤差均小于1.5%,最大均方誤差僅為0.0046,因此,ga-bp預測模型可作為預測壓電陶瓷蠕變誤差的一種有效手段。

針對壓電陶瓷驅動器的蠕變誤差隨時間呈現非線性變化,會嚴重影響其定位精度的問題,提出遺傳算法優化bp神經網絡的壓電陶瓷蠕變預測算法.采用遺傳算法優化了bp神經網絡的權值和閾值,構建了基于遺傳算法的bp神經網絡（ga-bp算法）的蠕變預測模型.用ga-bp算法對壓電陶瓷蠕變進行了預測仿真,并將結果與實測數據進行了對比.結果表明,獲得的蠕變預測結果與實驗數據的最大絕對誤差均不超過0.2μm,最大蠕變誤差均小于1.5％,最大均方誤差僅為0.0046,因此,ga-bp預測模型可作為預測壓電陶瓷蠕變誤差的一種有效手段.

隨著我國城鄉建設的飛速發展,建筑火災形勢日趨嚴峻,依靠傳統的管理技術和方法已遠遠不能適應社會和民眾對安全的需要。針對某城市建筑火災非線性時間序列,建立了小波神經網絡(wnn)預測模型,計算分析證明了該模型的可行性。該模型可與消防工作相結合,建立和實施城鄉綜合防災減災系統,實現城鄉綜合防災減災的科學管理。

改進的小波神經網絡在橋梁損傷中的預測研究——提出基于bp算法的小波神經網絡改進算法。仿真結果表明它避免了bp神經網絡結構設計的盲目性和局部最優等非線性優化問題，簡化了訓練，具有較強的函數學習能力和推廣能力。該算法成功應用于橋梁損傷預測，具有廣泛的...

基于小波變換的思想建立了遞歸bp網絡模型來預測空調負荷,改進了網絡權值、閾值的修改算法,引入了折扣系數法以提高近期預測精度,結合一實例進行了空調逐時冷負荷預測,結果表明該方法預測精度高,適用于空調負荷預測。

隨著房地產價格指數的作用充分顯現,探求預測房地產價格指數的有效方法是需深入研究的方向。該文以中房上海住宅價格指數為例,首先對房地產價格指數序列性質進行分析,表明房地產價格指數是具有非線性特征的非平穩時間序列。采用小波神經網絡對房地產價格指數進行預測,并將預測結果與指數平滑法和rbf神經網絡預測做了對比。采用matlab對擬合和預測過程進行仿真。結果指標表明,在大樣本數據的情況下,采用小波神經網絡對房地產指數進行預測能夠獲得較好的效果。

小波神經網絡在房地產價格指數預測中的應用——隨著房地產價格指數的作用充分顯現,探求預測房地產價格指數的有效方法是需深入研究的方向“該文以中房上海住宅價格指數為例,首先對房地產價格指數序列性質進行分析,表明房地產價格指數是具有非線性特征的非平穩時...

結合小波分析和神經網絡,建立了小波神經網絡預測模型和改進的小波神經網絡模型,并將其應用到某地鐵施工變形預測中。3種預測模型(傳統的神經網絡、小波神經網絡和改進的小波神經網絡)的對比分析表明,改進的小波神經網絡模型精度高,具有很好的應用前景。

為了減少礦區塌陷的發生，利用gps對礦山地表巖移進行了監測分析。為了提高巖移觀測數據的預測精度和可靠性，文中采用小波神經網絡方法對監測數據進行訓練、預測，成功預測出了未來一期的地表移動變化。結果表明，小波神經網絡具有良好的函數逼近能力，能夠反映出要素之間的非線性關系，預測數據可靠。

以小波分析和bp神經網絡為基礎,構建了小波神經網絡預測模型。使用ca6140車床對氟金云母陶瓷進行了干車削試驗,并用三向測力儀測量了切削過程的切削力變化趨勢。基于小波包中的wpbmpen函數對切削力信號進行了降噪處理,切削力信號在降噪后有明顯改善,能更形象地表達出切削力的變化趨勢。基于小波神經網絡對切削力進行了預測,結果表明:小波神經網絡預測值、信號降噪處理值和試驗值都非常相近,說明切削力在預測過程中具有一定的可靠性,小波神經網絡預測前對切削力信號的降噪處理是合理的。

建筑業是我國重要的物質生產部門之一，在我國的經濟發展過程中，—直扮演著重要的角色。工程作為建筑業的核心，工程的管理具有很高的現實意義。所謂工程造價預測，是指處于準備投標或準備建設的工程項目，在進行投標或實施前，依據現有的建設工程項目資料、結合建設工程施工環境及施工企業自身條件，采用相應的方法對建設工程項目的成本進行預測，并將預測結果用以控制項目實施過程中的成本支出，能夠提高建筑企業的項目成本管理的科學性，促進企業資金的良性運轉。

本文研究bp神經網絡在陶瓷中的應用,收集了十二種陶瓷材料樣本,應用神經網絡學習,將陶瓷材料樣本進行了分類研究。

小波神經網絡在大壩變形監測中的應用——本文就小波神經網絡的模型建立的方法進行了介紹，通過編制matlab小波神經網絡程序，用一組變形監測實數據對變形結果進行了仿真試驗，仿真的結果精度很高，能夠用于變形分析預報。　　

小波神經網絡在基樁缺陷診斷分析中的應用——將小波分析作為神經網絡的前置處理手段，從基樁動測信號小波變換的分量中提取特征，然后將這些特征輸入神經網絡進行訓練和分類，進而實現基樁缺陷位置和程度的診斷。仿真試驗的結果表明，該方法對樁身完整性的評價是...