模糊神经网络技术在公路规费实时稽查管理中的应用

基于模糊神经网络的深基坑变形预测——针对深基坑变形控制系统中的不确定性、模糊性因素多的问题，将模糊控制理论与神经网络技术相结合，采用非线性神经元构成的神经网络结构，把对应的网络输入、输出表达为输入、输出停息的模糊数隶属度，建立了一种基于模糊神...

针对高速公路隧道施工系统的安全评价问题,将模糊理论与神经网络相融合,研究建立了一种模糊神经网络评价模型。阐明了评价系统的工作原理及实现方法。利用历史样本数据对网络模型进行学习训练和测试,工程实例结果显示,评价精度满足工程应用要求。该评价模型具有对环境变化的自学习能力,对权值进行调整,动态地评价公路隧道施工系统的安全状态,是公路隧道施工安全评价方法中的一种新的评价方法。

为了有效解决网络系统可能出现的故障,结合模糊神经网络提出了一种新的故障检测算法fdd-fnn(failuredetectionalgorithmbasedonfuzzyneuralnetwork).该算法根据特征信息熵建立了故障检测评价方法和最小偏差的优化模型,设计了模糊神经网络中输入层、模糊化层、模糊规则层和解模糊层,并且给出了具体的算法流程.通过建立网络仿真平台,深入分析了影响fdd-fnn算法的关键因素,同时对比研究了fdd-fnn算法与其他算法的性能情况,结果表明fdd-fnn算法具有较好的适应性.

针对深基坑变形控制系统中的不确定性、模糊性因素多的问题,将模糊控制理论与神经网络技术相结合,采用非线性神经元构成的神经网络结构,把对应的网络输入、输出表达为输入、输出信息的模糊数隶属度,建立了一种基于模糊神经网络的深基坑施工变形预测模型.结果表明,利用模糊度隶属函数对基坑施工进行动态控制具有较好的实用效果.

运用线性二次型经典最优控制算法获得学习样本,由神经网络反向传播算法训练产生模糊规则和隶属度函数,设计模糊神经网络控制器,通过某结构地震波作用下振动控制的数字仿真,表明模糊神经网络可以有效地应用到结构控制中。

提出了一种用于运动目标检测的基于ｂｐ算法的模糊神经网络，并通过实验证明了将之应用于运动目标的信号检测与装置故障诊断的正确性。

针对变频空调常规模糊控制系统的隶属函数和控制规则的获取受限于专家经验的问题,根据神经网络自学习能力强的特点,将模糊控制与神经网络相结合,对空调的控制系统进行改进,并据此设计模糊神经网络控制器,在此基础上进行了理论分析和模拟实验,验证了这一控制系统的有效性。

红外图像中的微弱目标检测与跟踪是数字图像处理领域中的研究热点。针对红外图像中微弱目标灰度的统计特点以及模糊神经网络在自适应噪声消除的应用,提出一种基于增强型动态模糊神经网络算法用于红外图像噪声消除。经过自适应噪声消除后,可有效的有自动阈值门限分割法进行微弱目标检测。

文章提出一种基于模糊神经网络的控制算法应用于ｉｂ系统的联动控制，有效地解决了传统单一阈值控制逄法难以达到的复杂控制问题。这种ｆｎｎｃ控制器可以根据实际需要进行学习，具有很强的适应能力。

矿山企业职工工伤事故频率是矿山安全生产目标管理的重要指标之一,反映了矿山生产系统的安全状态,其变化是个随机过程,具有典型的非线性特征.简述模糊神经网络预测模型的特点及其建模过程,并针对矿山企业安全状态的复杂性,将其应用于企业职工工伤事故频率预测中.经检验,模型的精度良好,预测结果可靠,有利于矿山企业发现和掌握安全生产规律,以及对生产的未来状态做出科学的定量预测.通过一个实例,计算并分析计算结果,验证了该模型的有效性和可行性.

近些年来,伴随着我国公路事业的蓬勃发展,公路工程建设的数量和规模日益增加。而公路工程造价估算作为公路工程建设的重要前提以及公路工程管理的重要组成部分,其在公路建设中的地位也日益突显,合理的工程造价估算可以有效提高工程施工单位投资决策的科学性。而基于模糊神经网络的工程造价估算方法可以有效的克服传统工程造价估算方法的一系列弊端,有效提高公路工程造价估算的合理性和科学性。本文从公路工程造价的相关概念谈起,然后对模糊神经网络的相关概念给予了深入浅出的说明,最后就公路工程造价估算中模糊神经网络的应用进行了全面的说明。

近些年来,伴随着我国公路事业的蓬勃发展,公路工程建设的数量和规模日益增加。而公路工程造价估算作为公路工程建设的重要前提以及公路工程管理的重要组成部分,其在公路建设中的地位也日益突显,合理的工程造价估算可以有效提高工程施工单位投资决策的科学性。而基于模糊神经网络的工程造价估算方法可以有效的克服传统工程造价估算方法的一系列弊端,有效提高公路工程造价估算的合理性和科学性。本文从公路工程造价的相关概念谈起,然后对模糊神经网络的相关概念给予详细的说明,最后就公路工程造价估算中模糊神经网络方法的应用进行了说明。

**资讯http://www.***.*** **资讯http://www.***.***

**资讯http://www.***.*** **资讯http://www.***.***

首先在对供热负荷预测算法的发展现状主要成果阐述的基础上,对影响供热预测因素采用模糊量化的方式进行研究处理,并由此推断将模糊神经网络算法应用于供热负荷预测可以得到良好的效果.研究模型的设计核心是bp神经网络,即将模糊量化后的影响因素作为系统的输入值,去调整神经网络的权值,从而得到预测的网络模型.建立预测模型和预测策略后,可以采用matlab科学计算软件开发程序对预测模型效果进行模拟仿真,结果表明,预测的结果能够满足要求,相对误差在合理的范围内,并且模糊神经网络算法比单纯神经网络算法具有更好的预测精度和鲁棒特性,从而达到节能的目的.且适应性强,可以应用到类似的供热工程上.

对不确定混沌系统的控制问题,研究了基于权值直接确定模糊神经网络(wddfnn)的插值补偿控制方法。建立了基于数据驱动的wddfnn,并使用wddfnn实现对混沌系统的辨识,然后使用wddfnn模型对混沌系统进行模糊插值补偿控制。基于lyapunov稳定性理论,证明混沌系统在所提最优控制律作用下是渐进稳定的。仿真实验表明,该控制方法既可以实现快速跟踪任意参考信号,又可以有效抑制参数摄动、外部干扰,控制精度较高。

基于补偿模糊神经网络的制冷系统故障诊断研究——选择反映制冷系统故障状态的热力参数集组成特征向量，并对其进行模糊化处理，利用补偿模糊神经网络建立故障状态与热力参数特征向量之间的映射关系。将神经网络和补偿模糊逻辑相结合，采用动态、全局优化的运算，...

本文提出一种基于模糊神经网络和建筑结构系统辨识方法。利用模糊神经网络强大的非线性映射能力与学习能力以实测的结构动力响应数据建立起结构的动力特性模型。不但可以克服以往传统与智能辨识方法中存在的种种弊病，而且还将土一结构相互作用以及结构自身非线性对结构动力特性的影响考虑在内，使得结构系统辨识更具客观性。具有物理意义明确，可扩展性强，能够用于实时在线控制与健康诊断等优点。

提出了一种基于神经模糊推理系统的商品住宅价格评估模型,分析了影响商品住宅价格的因素,给出了商品住宅价格评估指标体系,探讨了模型建立的原理及算法步骤。计算实例说明了该模型用于商品住宅价格准确评估的有效性和可行性,为房地产价格评估提供了科学的方法。

提出采用模糊处理与人工神经网络相结合的方法，有效地实现对建筑物变形的短期预测，并用实例加以验证说明。

为了克服传统bp神经网络预测精度差,易陷入局部极值的缺陷,提出了模糊神经网络系统。利用模糊粗糙集通过历史负荷数据信息的模糊化替代负荷变化的离散化,快速寻找出样本数据间的连续属性的信息,将其与传统bp神经网络结合组成模糊神经网络对热负荷进行预测。实验结果表明:该模糊神经网络预测结果的相对误差很小不超过2%,在短期负荷预测方面具有的优越性。

智能家居中的环境因素对人体有着不容忽视的影响,智能家居环境舒适度已成为智能家居评估指标中重要的一项,通过对智能家居监测系统信息融合技术进行研究,运用结合模糊推理和神经网络算法优点的模糊神经网络对智能家居监测系统采集的各环境因素进行处理分析,从而能够智能有效的提高人们的室内生活质量。