神经网络技术范例

［摘要］

分析清河水库中长期水文预报状况、历史资料，提出预报单位年的概念，采取灰色关联度方法选取适当的年份作为典型年，采用径向基神经网络技术，构建清河水库中长期水文预报新模型，并开发了基于VB的中长期水文预报系统。通过近3年的应用检验，取得了较好的效果，较大地提高了清河水库中长期水文预报精度。

［关键词］

预报因子；灰色径向基神经网络；水文预报

1清河水库中长期水文预报现状及存在问题

清河水库中长期水文预报工作始于水库建成后的20世纪60年代初，70年代以后有较完整的预报资料，80年代末研制了运行环境为Dos系统的中长期水文预报软件。预报项目包括3—4月春汛来水量预报和6—9月夏汛来水量预报，采用的预报方法主要有历史演变法、周期分析外推法、平稳时间序列外推法、周期分析与平稳序列分析外推法、降雨径流相关法等。各方法预报值有时相差较大，经综合分析后确定一个预报范围，以此预报来水量编制年度控制运用计划。因预报准确性较低，用以指导实际调度运用的价值不大。当今，随着科技的进步与发展，清河水库现运用的中长期水文预报系统已不能适应实际工作需要，主要存在问题：1）预报系统陈旧，与现有计算机系统不相容；2）预报系统功能少，无资料保存和数据库，缺乏图、表统计对比分析；3）预报精度比较低；4）只有传统预报方法，与变化的自然和人为因素影响的气象和流域环境不相协调，适应性较差。

2灰色径向基神经网络技术应用

1人工神经技术

1.1拓扑结构调节

通过对静态邻域的各种结构以及它们对技术性能影响进行分析后得出，在拓扑适应性方面星形拓扑、VonNeumann拓扑以及环形拓扑最好。此外，人工神经网络技术性能与邻域密切相关，处理复杂问题时小邻域的人工神经网络技术性能较好，但是处理简单问题上大邻域的人工神经网络技术性能会更好。Chend从改进人工神经网络结构的角度出发，提出了一种具有双结构的人工神经网络技术。技术将神经网络单元分为M+1层，其中“1”指顶层，技术通过获得顶层神经网络单元的全局最优值影响其余各层的粒子对最优值的探索，以此提高神经网络单元搜索结果的多样性。该技术考虑到神经网络单元体表现以及粒子个体的表现，并将其作为触发条件控制领域变化从而提高寻优效率。提出了KRTG-人工神经网络技术，通过产生随机动态的网络拓扑结构并将平均值引入到粒子更新公式中，增加了种群的多样性，改善了粒子间信息的传播速度。

1.2结合其他技术改进

相关研究将遗传技术中遗传算子的选择、交叉、变异等过程与人工神经网络技术相结合，提出一种混合技术。改进后的技术提高人工神经网络技术的性能，增加种群的多样性并提高逃离局部最小的能力，可以将差分进化技术和人工神经网络技术相结合，通过两种技术的交叉执行来提高改进技术的效率。白俊强等将二阶振荡和自然选择两种方法融入到人工神经网络技术中，通过二阶振荡对技术速度公式进行更新，通过自然选择提高了神经网络单元中靠近最优值粒子的比重。通过收集粒子的取值信息构建记忆库，让库中信息和粒子自身极值共同决定粒子的寻优方向，从而提高寻优准确性。

2人工神经网络技术在计算机系统中的应用

2.1系统管理模块

【摘要】

随着我国社会主义现代化建设不断加快发展的过程中，城市化进程在不断的推进，而作为我国国民经济中最为重要的电力发展的建设开始迎来了新的挑战和压力，尤其是随着电力规模的不断扩大，建设的周期延长以及范围的不断加大，都给电力工程的造价带来了巨大的挑战。在这样的发展趋势下，为了有效让电力建设的发展具有一定的安全性保障，并在可行性的工程造价的顺利开展下，通过数据挖掘和神经网络技术的应用，来促进我国电力建设的发展。本文也将从这两个方面的技术应用来展开较为系统的分析。

【关键词】

数据挖掘；神经网络技术；电力工程造价；应用分析

随着科学技术的发展，经济全球化的趋势，数据挖掘已经在全世界范围内得到了广泛的关注和应用，并得以快速发展起来，而其中最根本的原因在于全球化的科学信息技术的发展和快速世界化的感染和流行，使得互联网技术在几年内瞬间发展起来，造成了数据过量和信息膨胀的现象，因此人们在这种形势下，急需要通过一种新型的技术来对这些信息进行处理，通过筛选和提取最有效、最有价值的部分出来，因此数据挖掘起到了重要作用，而在电力工程的造价应用，通过数据挖掘和神经网络技术，实现了其更加系统化的发展。

1数据挖掘的定义

数据挖掘的源起与发展可追溯回到20世纪80年代。这种数据的挖掘从不同的角度理解，有不同的含义，而其实最主要的意思是把海量综合性的数据通过挖掘出最有用、最有效的模式和知识的一个过程，并通过这种数据的挖掘来对未知的潜在的内容进行提取。因此从广义上来将，这种数据挖掘的定义是一个从不完整的、不明确的、大量的并且包含噪声，具有很大随机性的实际应用数据中，提取出隐含其中、事先未被人们获知、却潜在有用的知识或模式的过程。这个过程事实上也即是数据挖掘的最根本目的，对复杂而混乱的信息进行分析和处理，并提取最有用的知识和信息给决策者。另一方面，从技术角度而言，数据挖掘的实现是借助一整套全面的数据计算，实现对海量数据信息的提取过程，并使得这部分被提取出来的信息是对人们在概念、模式以及规律等方面是最有价值的。它的这种技术操作主要是对历史数据信息的分析，并把隐藏在潜在中的数据和关系分析挖掘出来，从而提供给人们对未来可能发生的结果起到协助分析研究的作用。

摘要:神经网络技术是一门新兴的数据挖掘方法，具有多目标、强拟合、自适应等多种优势。选矿过程包含的流程长、步骤多，涉及的物理化学过程复杂，难以建立精确的数学模型。目前，将神经网络技术应用于选矿各工艺步骤方面已取得了一些研究成果。今后神经网络技术将在选矿过程自动化、选矿设备故障诊断专家系统开发、药剂和选矿效果间的关系研究等领域具有十分广阔的应用前景。

关键词:神经网络;磨矿;选矿指标;预测

人工神经网络(ArtificialNeuralNetwork)，即ANN，简称神经网络，是20世纪80年代兴起的人工智能领域的研究热点。其是由大量简单的基本单元相互连接，通过数学物理方式并基于信息处理层来实现人脑神经网络的抽象化，且成功构建出了一种简化模型的智能网络系统［1］。其在智能控制、决策优化、多元回归、复杂非线性拟合方面具有非常大的应用优势，近年来，随着计算机技术的突飞猛进，神经网络技术在各行各业的应用呈现出爆发性的增长趋势，并在与不同行业的交叉应用过程中取得了令人欣喜的成果，应用较多的主要集中在医疗、军工、金融等行业［2］。在选矿行业中，应用还比较少，但也有较为成功的应用案例，这一新兴技术使得选矿这一传统的行业焕发了新的活力。

1人工神经网络(ANN)

人工神经网络的拓扑结构类型有分层网络和互联网络(反馈网络)，网络的学习方法有有教师学习和无教师学习以及增强学习。学习算法的分类有误差纠正算法、Hebb规则和竞争学习算法等。目前应用较多的网络类型有BP神经网络、径向基函数(RBF)网络、Hopfield网络、玻尔兹曼机(BM)网络、自组织特征映射网络以及ART网络等［3］。不同的网络类型具有不同的特点，在相关的应用领域有其优势，当然也有其不足，经过多年的应用发展，研究人员开发了对各种网络的优化方法，在特定的应用条件下取得了较好的效果。在选矿行业应用较多的有BP神经网路、径向基函数(RBF)网络等。BP神经网络是一种按误差逆传播算法训练的多层前馈网络。

2神经网络在选矿行业的应用

传统的选矿工艺流程是一种连续的多步骤的工艺，前期工作包括准备、选别和产品处理等步骤［5］。准备工作一般是破碎、筛分、磨矿和分级，使得有用矿物和脉石矿物分离，为后期的选别工作做好准备。选别过程是选矿的核心工艺步骤，也是最重要的环节，常用的选别方法有浮选、重选、磁选等，其中应用最广泛的方法就是浮选法。产品处理主要是精矿脱水和尾矿处理。选矿生产过程是一个十分复杂的工业系统流程，生产过程往往具有不确定性、非线性、延迟性、强耦合性及信息不完整性，很难建立精确的数学模型［6］。因此神经网络处理复杂非线性问题的优势就显现出来了。神经网络在选矿行业的应用目前主要在以下几个方面:选厂经济指标的预测、球磨机钢球磨损程度的预测、磨矿自动控制算法设计、浮选结果的预测、矿浆pH值的预测、矿浆浓度的预测、浮选柱气含率预测、浮选液位预测、浮选药剂用量预测、浮选药剂制度优化、采选厂浸出指标预测［7］等等，以下仅从典型的应用方向加以说明。从本质上看，神经网络技术是一种数据挖掘的方法，所谓数据挖掘技术就是从大量的数据中发现对人们生产活动或者理论研究有价值的信息［8］。使用神经网络技术研究相关问题需要大量的可靠数据用来训练和验证网络的可靠性。在选矿行业，数据来源最好是多年积累的生产数据，但因保密、生产记录不规范或者没有连续性等原因，实际研究过程中海量的生产数据往往难以获得，通常也会通过实验室规模的试验，以及通过计算机仿真来生产数据，再经过现场试验来验证和改进网络的可靠性。

一、电梯的运行原理和电梯故障的特点

只有清楚地了解电梯控制系统的运行原理才能够及时准确的诊断出电梯故障原因，因此清楚的了解电梯运行原理,每一个电梯维修人员必须要做到。电梯运行过程总体上可分为以下几个阶段：第一、登记层外召唤信号和登记内选指令阶段；第二、电梯门关闭或者电梯按照系统指令停运阶段；第三、启动阶段；第四、在到达信号记录的楼层前进行减速制动；第五、平层开门阶段。在整个过程中电梯需要从外界接收信号并处理，然后完成相应的指令或者输出信号，由此可以将电梯看作是一个完整的独立的系统，只需要外界给予相应的信号就可以自动的做出动作。电梯系统内部复杂的构件紧密的结合在一起，正是如此才使得电梯系统故障具有了复杂性、层次性、相关性以及不确定性的特点。

二、神经网络技术基本原理

生物学上的神经是由一个个简单的神经元相互连接进而形成了复杂的庞大的神经系统，同理，神经网络就是由大量简单的处理单元相互连接形成的复杂的智能系统。单独的处理单元类似于一个神经元，是一个可以接受不同信息但是只输出一种信息的结构单位。神经网络系统与生物学神经系统相似的是具有自我修改能力，它可以同时接收大量的数据并进行统一的分析处理，进而输出相应的处理结果。这就使得神经网络系统具有了高度容错性、高度并行性、自我修改性、学习性以及高度复杂性，也正是由于这些特性才使的利用神经网络技术能够及时准确的查明电梯故障原因并得出故障解决方案。电梯故障诊断中应用的神经网络模型分为三个层次：输入层、接收外部信号或者是电梯自我检测信息（如载重信息）；隐含层、对接收到了大量数据进行相应的分析处理；输出层、将记录着动作命令的数据传送出来。在电梯出现故障时，首先可以通过神经网络模型快速确定故障发生在哪一层达到节约时间的目的。但是神经网络也会因为收敛速度过于慢、训练强度太大或者是选择的网络模型不好等问题导致诊断结果受到影响。

三、神经网络模型在电梯故障诊断中的应用分类

神经网络模型已经成为了如今电梯故障诊断中应用最广泛的技术模型，相比于传统方式它具有诊断速度快、故障原因命中率高的优点，因此引起了各方面专业人士的强烈关注，并在他们的不懈努力下得到了发展与创新。它跨越多个专业领域、通过对各种复杂的高难度工作的不断的发展与改进出现了越来越多的应用模型，下面主要介绍了当前应用最普遍的BP网络模型，并且简单的引入并介绍了近年来新兴的模糊神经网络模型和遗传小波神经网络模型。

（一）BP网络模型

1互联网人工神经网络技术的重要起源以及发展过程

在上世纪九十年代初期，利用数学知识将感知器模型的弊病全面提出，致使社会各界对于人工神经网络的探究非常少。另一方面，针对逻辑运算的人工神经网络研究存在一定的弊端，一直没有被大家发现，因此，致使人工神经网络探究工程进入严重的低谷期。

关于人工神经网络技术飞速发展时期，九十年代初期，对于人工神经网络技术的弊端予以充分解决，尤其是Hopefield的人工神经网络技术模型的提出，致使对于互联网的稳定性以及收敛性的探究有了充分的理论依据。而且将人工神经网络模型全面应用到具体的实践中，并且得到全面推广，同时，将科学技术和人工神经网络进行有机结合，使人工神经网络技术更加具有可研究性。

2关于人工神经技术的构造以及典型模型

互联网人工神经技术的构造的组成包括以神经元件为主，同时，这项包含多种神经元结构的互联网信息处理技术是可以并行存在的。每一个具体的人工神经元件可以单一输出，还可以和其他的神经元件相结合，并且具有非常多的连接输出方法，每一种连接措施都会有相应的权系数。具体的人工神经网络技术的特点有：（1）针对每一个节点i，都会有相应的状态变量Xi存在；（2）节点j到节点i之间，是相应的权系数Wij存在；（3）在每一个节点i的后面，具体存在相应的阈值θi；（4）在每一个节点i的后面，存在变换函数fi（Xi，Wijθi），但是，通常情况来说，这个函数取fi(∑，WijXi-θi)的情况。

3将人工神经网络技术进行全面使用

互联网的人工神经网络技术具有独特的结构和处理措施，具体包括在：自动控制处理和网络技术模式识别、模型图像处理和相应的传感器信号处理技术。信号处理技术和机器人控制处理技术、地理领域和焊接、在电力系统应用和相关数据挖掘、军事和交通行业、农业和气象行业等多个领域纷纷体现出其卓越的贡献。

【摘要】

随着我国社会主义现代化建设不断加快发展的过程中，城市化进程在不断的推进，而作为我国国民经济中最为重要的电力发展的建设开始迎来了新的挑战和压力，尤其是随着电力规模的不断扩大，建设的周期延长以及范围的不断加大，都给电力工程的造价带来了巨大的挑战。在这样的发展趋势下，为了有效让电力建设的发展具有一定的安全性保障，并在可行性的工程造价的顺利开展下，通过数据挖掘和神经网络技术的应用，来促进我国电力建设的发展。本文也将从这两个方面的技术应用来展开较为系统的分析。

【关键词】

数据挖掘；神经网络技术；电力工程造价；应用分析

随着科学技术的发展，经济全球化的趋势，数据挖掘已经在全世界范围内得到了广泛的关注和应用，并得以快速发展起来，而其中最根本的原因在于全球化的科学信息技术的发展和快速世界化的感染和流行，使得互联网技术在几年内瞬间发展起来，造成了数据过量和信息膨胀的现象，因此人们在这种形势下，急需要通过一种新型的技术来对这些信息进行处理，通过筛选和提取最有效、最有价值的部分出来，因此数据挖掘起到了重要作用，而在电力工程的造价应用，通过数据挖掘和神经网络技术，实现了其更加系统化的发展。

1数据挖掘的定义

数据挖掘的源起与发展可追溯回到20世纪80年代。这种数据的挖掘从不同的角度理解，有不同的含义，而其实最主要的意思是把海量综合性的数据通过挖掘出最有用、最有效的模式和知识的一个过程，并通过这种数据的挖掘来对未知的潜在的内容进行提取。因此从广义上来将，这种数据挖掘的定义是一个从不完整的、不明确的、大量的并且包含噪声，具有很大随机性的实际应用数据中，提取出隐含其中、事先未被人们获知、却潜在有用的知识或模式的过程。这个过程事实上也即是数据挖掘的最根本目的，对复杂而混乱的信息进行分析和处理，并提取最有用的知识和信息给决策者。另一方面，从技术角度而言，数据挖掘的实现是借助一整套全面的数据计算，实现对海量数据信息的提取过程，并使得这部分被提取出来的信息是对人们在概念、模式以及规律等方面是最有价值的。它的这种技术操作主要是对历史数据信息的分析，并把隐藏在潜在中的数据和关系分析挖掘出来，从而提供给人们对未来可能发生的结果起到协助分析研究的作用。

【摘要】

随着我国社会主义现代化建设不断加快发展的过程中，城市化进程在不断的推进，而作为我国国民经济中最为重要的电力发展的建设开始迎来了新的挑战和压力，尤其是随着电力规模的不断扩大，建设的周期延长以及范围的不断加大，都给电力工程的造价带来了巨大的挑战。在这样的发展趋势下，为了有效让电力建设的发展具有一定的安全性保障，并在可行性的工程造价的顺利开展下，通过数据挖掘和神经网络技术的应用，来促进我国电力建设的发展。本文也将从这两个方面的技术应用来展开较为系统的分析。

【关键词】

数据挖掘；神经网络技术；电力工程造价；应用分析

随着科学技术的发展，经济全球化的趋势，数据挖掘已经在全世界范围内得到了广泛的关注和应用，并得以快速发展起来，而其中最根本的原因在于全球化的科学信息技术的发展和快速世界化的感染和流行，使得互联网技术在几年内瞬间发展起来，造成了数据过量和信息膨胀的现象，因此人们在这种形势下，急需要通过一种新型的技术来对这些信息进行处理，通过筛选和提取最有效、最有价值的部分出来，因此数据挖掘起到了重要作用，而在电力工程的造价应用，通过数据挖掘和神经网络技术，实现了其更加系统化的发展。

1数据挖掘的定义

数据挖掘的源起与发展可追溯回到20世纪80年代。这种数据的挖掘从不同的角度理解，有不同的含义，而其实最主要的意思是把海量综合性的数据通过挖掘出最有用、最有效的模式和知识的一个过程，并通过这种数据的挖掘来对未知的潜在的内容进行提取。因此从广义上来将，这种数据挖掘的定义是一个从不完整的、不明确的、大量的并且包含噪声，具有很大随机性的实际应用数据中，提取出隐含其中、事先未被人们获知、却潜在有用的知识或模式的过程。这个过程事实上也即是数据挖掘的最根本目的，对复杂而混乱的信息进行分析和处理，并提取最有用的知识和信息给决策者。另一方面，从技术角度而言，数据挖掘的实现是借助一整套全面的数据计算，实现对海量数据信息的提取过程，并使得这部分被提取出来的信息是对人们在概念、模式以及规律等方面是最有价值的。它的这种技术操作主要是对历史数据信息的分析，并把隐藏在潜在中的数据和关系分析挖掘出来，从而提供给人们对未来可能发生的结果起到协助分析研究的作用。