介紹了安全帽識別系統的整體設計,著重分析了小波變換和bp神經網絡的具體運用,提出了識別系統的神經網絡模型。

分析了對工程造價有重要影響的眾多因素,參考國內外專家、學者的研究成果,確定了影響工程造價的18個主要因素,并基于rbf神經網絡建立了工程造價決策模型。本文利用rbf神經網絡快速、準確的函數逼近能力,為工程造價決策提供了一種新的方法。

負荷預測是實現電力系統優化運行的基礎,對于電力系統的安全性、可靠性和經濟性都有著顯著的影響。rbf是一種三層前饋神經網絡,具有良好的函數逼近性能,已被廣泛應用到電力負荷預測中,并取得良好的效果。本文主要整理并介紹當前基于rfb神經網的負荷預測方法,對存在的問題進行了分析,并對未來的發展進行了展望。

負荷預測是實現電力系統優化運行的基礎，對于電力系統的安全性、可靠性和經濟性都有著顯著的影響。rbf是一種三層前饋神經網絡，具有良好的函數逼近性能，已被廣泛應用到電力負荷預測中，并取得良好的效果。本文主要整理并介紹當前基于rfb神經網的負荷預測方法，對存在的問題進行了分析，并對未來的發展進行了展望。

基于rbf神經網絡的軟基沉降預測研究——將神經網絡理論引入軟基沉降預測領域．借助自控領域信號處理的思想，應用改進后的徑向基函數神經網絡的映射模式進行軟基沉降的短期預測；軟基沉降的長期預測實質上為基于神經網絡的多維歐氏空間的曲面擬合問題，將地基壓...

針對建筑工程特點,提出了基于rbf神經網絡的建筑工程投標報價方法,建立建筑工程投標報價標高率數學模型。應用matlab計算軟件,以實例驗證了該模型的正確性及實用性。

介紹了基于matlab的徑向基函數rbf神經網絡對于建筑物沉降預測的方法,討論了rbf神經網絡的構造思路、參數和分布密度spread的選擇。為建筑物變形監測人員的數據分析、變形預測提供了一個可行的概念。

運用rbf神經網絡(radialbasisfunctionneuralnetwork)理論,分析了大夾角v撐施工期間最大風險因素可能發生的部位,并對v撐的結構失效風險性進行了定量分析。將有限元分析結果作為神經網絡訓練樣本數據,利用徑向基神經網絡建立了基本變量和結構響應之間的隱性映射關系,根據蒙特卡洛原理進行模擬計算,最終得出v撐施工過程中各個危險截面出現結構失效的概率預估值。通過工程實例驗證表明,基于徑向基神經網絡所建立的施工過程風險分析方法計算效率高,具有可行性和有效性,同時為v撐施工風險決策提供了理論依據。

為提高風電輸出功率預測精度，提出一種基于rbf—bp組合神經網絡模型的短期風電功率預測方法。在考慮尾流等因素影響的基礎上，對風速進行預處理。根據相關歷史數據，建立rbf—bp組合神經網絡短期風電功率預測模型，對風電輸出功率進行預測。仿真分析結果表明，該預測方法能有效提高風電輸出功率預測精度。

為了減小電力負荷預測中的誤差,提出了基于rbf神經網絡的電力負荷預測模型.介紹了負荷序列的相似度預測模型,并在此基礎上采用了rbf網絡對負荷波動值的誤差糾正.通過運用實際電力負荷數據進行驗證,該模型能較好地避免不良數據的干擾,有效地提高了負荷序列的預測精度.

風能作為一種清潔環保的新能源,有著無污染、低成本、可再生等眾多優點。目前我國擁有豐富的風能,有著巨大的發展前景,目前風力發電已有一定規模。但是,由于風電的隨機性和間歇性的特點,輸出功率很不穩定,易對電網造成沖擊,影響電力系統的正常運行。通過準確地預測風電功率,提前采取相應措施,是減少對電網沖擊的有效措施。本文研究風電的短期功率預測,在確定影響變量的基礎上,利用神經網絡中的rbf神經網絡進行風電功率預測。通過預測結果與實際功率的比較,得到誤差小較理想的預測結果,預測結果較好。

風能作為一種清潔環保的新能源,有著無污染、低成本、可再生等眾多優點。目前我國擁有豐富的風能,有著巨大的發展前景,目前風力發電已有一定規模。但是,由于風電的隨機性和間歇性的特點,輸出功率很不穩定,易對電網造成沖擊,影響電力系統的正常運行。通過準確地預測風電功率,提前采取相應措施,是減少對電網沖擊的有效措施。本文研究風電的短期功率預測,在確定影響變量的基礎上,利用神經網絡中的rbf神經網絡進行風電功率預測。通過預測結果與實際功率的比較,得到誤差小較理想的預測結果,預測結果較好。

風能作為一種清潔環保的新能源,有著無污染、低成本、可再生等眾多優點。目前我國擁有豐富的風能,有著巨大的發展前景,目前風力發電已有一定規模。但是,由于風電的隨機性和間歇性的特點,輸出功率很不穩定,易對電網造成沖擊,影響電力系統的正常運行。通過準確地預測風電功率,提前采取相應措施,是減少對電網沖擊的有效措施。本文研究風電的短期功率預測,在確定影響變量的基礎上,利用神經網絡中的rbf神經網絡進行風電功率預測。通過預測結果與實際功率的比較,得到誤差小較理想的預測結果,預測結果較好。

利用小波分析具有能量分布特征提取的特性和遺傳算法優化bp算法的能力,提出了一種基于遺傳算法、小波與神經網絡的電梯故障診斷方法,并應用電梯故障數據作為實例進行了驗證.遺傳算法小波神經網絡模型診斷速度快、魯棒性好、故障診斷正確率高.

基于神經網絡的時間序列預測方法,需要正確確定網絡結構,它關系到所建模型的合理性以及預測的準確性。目前確定網絡結構的絕大多數方法,其網絡結構一經訓練確定便保持不變。然而現實中許多時間序列呈現非平穩性,其結構經常發生變化,這就要求網絡結構能夠動態可調,因此本文提出結構可變的徑向基函數(rbf)神經網絡預測模型。并采用序列蒙特卡羅(smc)方法實現基于結構可變rbf網絡的時間序列在線預測;最后采用cru鋼鐵價格指數月數據進行實證研究,結果表明該模型的有效性。

基于rbf神經網絡的砂土液化預測——通過分析砂土液化成因及其影響因素，建立了砂土液化預測rbf網絡模型，并與bp網絡預測模型進行比較．測試結果表明，應用rbf網絡模型對砂土液化進行預測，預測效果好，識別精度高．

針對目前混凝土強度預測中存在的不確定性,難以自適應性的確定神經網絡隱含層,建立了基于高維云的rbf神經網絡的混凝土預測模型。運用matlab8.10進行仿真實驗。實驗結果表明該模型綜合考慮了影響混凝土強度的各種因素,能夠實現預測結果的隨機性和模糊性,具有更高的預測精度,更快的訓練速度,可以廣泛應用于生產現場實地的混凝土強度預測和質量檢驗。

論述了汽車牌照自動識別系統的組成、原理及車牌圖像預處理、字符的定位和分割方法,并在對字符進行特征提取的基礎上,研究了利用神經網絡算法對字符進行識別這一問題.

介紹了rbf神經網絡的模型和結構,提出將該網絡應用于建筑物沉降預測。運用matlab工具箱函數建立了沉降預測網絡模型,編制了計算程序,通過工程實例驗證了該模型的正確性和可行性,并和bp神經網絡在收斂速度上進行了比較,結果表明rbf神經網絡的收斂速度遠遠快于bp網絡。

基于RBF神經網絡的轉爐煉鋼終點預報

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.

分析了球磨機負荷測量的現狀,提出了基于并行rbf神經網絡測量制粉系統球磨機磨筒內負荷的軟測量方法,給出了相應的系統結構和算法。現場實測數據計算實例顯示了該方法良好的測量性能