结构可变的RBF神经网络的时间序列预测

基于rbf神经网络的软基沉降预测研究——将神经网络理论引入软基沉降预测领域．借助自控领域信号处理的思想，应用改进后的径向基函数神经网络的映射模式进行软基沉降的短期预测；软基沉降的长期预测实质上为基于神经网络的多维欧氏空间的曲面拟合问题，将地基压...

针对建筑工程特点,提出了基于rbf神经网络的建筑工程投标报价方法,建立建筑工程投标报价标高率数学模型。应用matlab计算软件,以实例验证了该模型的正确性及实用性。

介绍了基于matlab的径向基函数rbf神经网络对于建筑物沉降预测的方法,讨论了rbf神经网络的构造思路、参数和分布密度spread的选择。为建筑物变形监测人员的数据分析、变形预测提供了一个可行的概念。

应用神经网络-时间序列预测路面平整度——以神经网络和时间序列分析方法为基础，采用零均值化、标准偏差预处理方法、规则化能量函数法和贝叶斯规则化方法进行bp神经网络建模，利用bp网络对平整度非平稳时序进行趋势项提取，使非平稳监测时序转化为平稳时序以进...

基于rbf神经网络的砂土液化预测——通过分析砂土液化成因及其影响因素，建立了砂土液化预测rbf网络模型，并与bp网络预测模型进行比较．测试结果表明，应用rbf网络模型对砂土液化进行预测，预测效果好，识别精度高．

针对目前混凝土强度预测中存在的不确定性,难以自适应性的确定神经网络隐含层,建立了基于高维云的rbf神经网络的混凝土预测模型。运用matlab8.10进行仿真实验。实验结果表明该模型综合考虑了影响混凝土强度的各种因素,能够实现预测结果的随机性和模糊性,具有更高的预测精度,更快的训练速度,可以广泛应用于生产现场实地的混凝土强度预测和质量检验。

介绍了rbf神经网络的模型和结构,提出将该网络应用于建筑物沉降预测。运用matlab工具箱函数建立了沉降预测网络模型,编制了计算程序,通过工程实例验证了该模型的正确性和可行性,并和bp神经网络在收敛速度上进行了比较,结果表明rbf神经网络的收敛速度远远快于bp网络。

为提高风电输出功率预测精度，提出一种基于rbf—bp组合神经网络模型的短期风电功率预测方法。在考虑尾流等因素影响的基础上，对风速进行预处理。根据相关历史数据，建立rbf—bp组合神经网络短期风电功率预测模型，对风电输出功率进行预测。仿真分析结果表明，该预测方法能有效提高风电输出功率预测精度。

本文提出了一种基于rbf神经网络的直接预测法,对公路货运量进行了预测,并利用matlab工具箱予以了实现.对2004和2005年公路货运量预测的结果表明,预测值与国家统计局公布的实际数值有很好的一致性,预测精度也高于其它rbf预测法,有很好的应用性.

为了减小电力负荷预测中的误差,提出了基于rbf神经网络的电力负荷预测模型.介绍了负荷序列的相似度预测模型,并在此基础上采用了rbf网络对负荷波动值的误差纠正.通过运用实际电力负荷数据进行验证,该模型能较好地避免不良数据的干扰,有效地提高了负荷序列的预测精度.

随着我国国民经济的发展,钢结构在建筑结构中所占比例越来越高,这就对大型钢构件生产过程中的质量问题提出了更高的要求,质量预测在质量控制中也起到至关重要的作用。rbf神经网络算法凭借其无限逼近可微函数的优点在质量预测方面得到了广泛的应用。由于生产过程中影响质量的元素很多,该文将采用遗传算法对rbf神经网络进行优化,使质量预测系统达到最优。

在分析普通混凝土强度各影响因素的基础上,选取6个影响因素组成输入层,以混凝土28d强度作为输出,建立径向基函数网络,经网络训练和仿真结果对比,表明所建网络结构合理、收敛速度快、精度高,可以满足普通混凝土强度预测要求,具有广泛的应用前景。

风能作为一种清洁环保的新能源,有着无污染、低成本、可再生等众多优点。目前我国拥有丰富的风能,有着巨大的发展前景,目前风力发电已有一定规模。但是,由于风电的随机性和间歇性的特点,输出功率很不稳定,易对电网造成冲击,影响电力系统的正常运行。通过准确地预测风电功率,提前采取相应措施,是减少对电网冲击的有效措施。本文研究风电的短期功率预测,在确定影响变量的基础上,利用神经网络中的rbf神经网络进行风电功率预测。通过预测结果与实际功率的比较,得到误差小较理想的预测结果,预测结果较好。

风能作为一种清洁环保的新能源,有着无污染、低成本、可再生等众多优点。目前我国拥有丰富的风能,有着巨大的发展前景,目前风力发电已有一定规模。但是,由于风电的随机性和间歇性的特点,输出功率很不稳定,易对电网造成冲击,影响电力系统的正常运行。通过准确地预测风电功率,提前采取相应措施,是减少对电网冲击的有效措施。本文研究风电的短期功率预测,在确定影响变量的基础上,利用神经网络中的rbf神经网络进行风电功率预测。通过预测结果与实际功率的比较,得到误差小较理想的预测结果,预测结果较好。

风能作为一种清洁环保的新能源,有着无污染、低成本、可再生等众多优点。目前我国拥有丰富的风能,有着巨大的发展前景,目前风力发电已有一定规模。但是,由于风电的随机性和间歇性的特点,输出功率很不稳定,易对电网造成冲击,影响电力系统的正常运行。通过准确地预测风电功率,提前采取相应措施,是减少对电网冲击的有效措施。本文研究风电的短期功率预测,在确定影响变量的基础上,利用神经网络中的rbf神经网络进行风电功率预测。通过预测结果与实际功率的比较,得到误差小较理想的预测结果,预测结果较好。

分析了对工程造价有重要影响的众多因素,参考国内外专家、学者的研究成果,确定了影响工程造价的18个主要因素,并基于rbf神经网络建立了工程造价决策模型。本文利用rbf神经网络快速、准确的函数逼近能力,为工程造价决策提供了一种新的方法。

地基沉降是一种危害很大的环境灾害。地基沉降的监测数据经常受降雨及工程施工等诸多外界因素的干扰,故而在沉降曲线中存在许多数据突变点。为此,提出基于小波分析与rbf神经网络相结合的新的地基沉降预测方法,首先采用小波分析对对原始监测数据进行数据去噪处理,进而得到反映实际变化的地基沉降曲线,然后采用径向基函数(rbf)神经网络方法对其进行预测,为工程设计提供依据。最后结合工程实例分析,通过多种小波去噪与预测结果的对比研究,表明3次b样条小波的去噪及预测效果最好,与实测值能较好地吻合,具有较好的工程应用前景。

为了预测混凝土的抗压强度,在分析bp、rbf神经网络原理的基础上,提出用bp、rbf神经网络模拟混凝土抗压强度与搅拌机各主要影响参数间关系的方法。根据搅拌机的实际工作状况,分别建立了4维输入向量、1维输出向量的bp、rbf神经网络模型,通过19组试验,验证了2种模型的可靠性。结果表明,实测结果与预测结果相接近,该2种神经网络模型能较准确地快速预测混凝土抗压强度。

在预测隧道围岩变形的过程中,运用神经网络的方法,建立非线性的预测模型,结合张涿高速公路林里隧道的变形实测数据,借助matlab7.1平台,模拟了隧道围岩的变形过程;实验结果表明：rbf神经网络方法在隧道围岩变形的预测中,具有运算速度快,预测精度高,模型稳定可靠的特点,在隧道施工过程中,能够有效的辅助施工控制,提供预测报告。

文章以matlab动态神经网络为前提,采用时间序列预测方法进行房地产价格预测。采用全国平均房地产价格为基础样本,利用训练样本和基础样本来建立房地产价格基于动态神经网络时间序列预测模型来预测近几年房地产价格,并与实际价格对比研究来证明此方法的有效性。

电力系统短期负荷对电力企业的经济效益和社会效益都有一定影响。因此文中建立了基于rbf神经网络的电力系统短期负荷模型。用历史负荷数据作为训练样本,用训练好的神经网络进行电力系统短期负荷预测,并与bp神经网络进行对比。rbf神经网络的平均误差为2.09%,最大误差为4.77%,相比于bp神经网络精确度较高,有利于电力系统合理地进行调度规划工作。

随着数据挖掘技术在各领域运用越来越多,其算法也日渐趋于成熟。数据挖掘技术作为建立预测模型的重要技术,已成为专家研究的热点。随着数据挖掘技术在实际模型运用中暴露的问题越来越多,单一的技术和方法已无法满足各类功能的需求。为了分析公路货运中复杂的数据,构建一种功能强大的预测模型就显得尤为重要。本文尝试说明在数据预测模型中运用rbf神经网络技术和主成分分析方法,挖掘和分析公路货运中的数据,提高预测结果的准确性和高效性,为制定新的决策提供有效的依据。