摘要：文章选取江苏省年用电量数据,提出了一个灰色系统理论与BP神经网络相结合的用电量预测方法。结果表明,该方法在用电量预测上精度较高,并且计算方便,可供有关部门参考。

摘要：随着智能电网时代的发展,电力用户侧数据量呈指数增长,传统的负荷预测方法难以应付更大的数据量和更强的随机性。针对该问题,文章提出一种基于长短期记忆(Long Short-Term Memory,LSTM)神经网络的数据驱动的负荷预测方法,通过LSTM网络对时间序列建模能力强的特点,有效地减小负荷预测模型需要数据量的维度大小,真正挖掘数据中存在的价值。文中研究了负荷数据规律分析、输入训练样本选取等实际问题,并通过实例与其他传统方法对比证明其具有更高的精确度和适用性。

摘要：本发明提供一种基于人工神经网络和D-S证据理论的用户变化量预测方法，包括如下步骤：1）采集用户用电量状况和用电习惯等数据；2）获取用户的原始样本数据，随机等分为n等分，对采集的数据进行预处理；3）初始化n个RBF神经网络，设置网络参数，进行网络离线学习训练；4）RBF神经网络训练完成后建立基于神经网络的特征级融合模型；5）获得检测样本，数据预处理后作为每个神经网络的输入；6）得到n组神经网络输出结果，对每组结果归一化，作为一组证据的信任函数；7）根据合成规则，利用D-S证据理论对这些证据进行融合；以及8）得到最终的信任函数，根据判断规则作出用户变化量的预测。

摘要：城市供水时用水量预测精度对城市供水系统具有重要影响.传统的反向传播（back-propaganda,BP）神经网络预测方法容易陷入局部解,并且需要大量的训练数据.人工鱼群算法具有较优的全局收敛能力及较快的寻优速度.为此,利用人工鱼群算法对BP神经网络的初始权值和阈值进行优化,建立了一种新的时用水量预测模型.将该模型应用到华北某市时用水量的预测中,预测结果表明人工鱼群神经网络算法的均方差比BP神经网络算法的均方差小5%.实例证明,人工鱼群神经网络比BP神经网络的预测精度更高,收敛速度更快.人工鱼群神经网络算法可用于短期水量预测.

摘要：城市供水时用水量预测精度对城市供水系统具有重要影响.传统的反向传播（back-propaganda,BP）神经网络预测方法容易陷入局部解,并且需要大量的训练数据.人工鱼群算法具有较优的全局收敛能力及较快的寻优速度.为此,利用人工鱼群算法对BP神经网络的初始权值和阈值进行优化,建立了一种新的时用水量预测模型.将该模型应用到华北某市时用水量的预测中,预测结果表明人工鱼群神经网络算法的均方差比BP神经网络算法的均方差小5%.实例证明,人工鱼群神经网络比BP神经网络的预测精度更高,收敛速度更快.人工鱼群神经网络算法可用于短期水量预测.

摘要：传统人工神经网络的软件实现速度慢,可以利用FPGA的并行性加速其实现。本文在软件上采用PSO优化ANN,得到最优权值,最优权值和测试样本保存在FPGA片上ROM,然后用FPGA-ANN实现股票预测。Sigmod函数的逼近采用分段近似和查找表相结合的方法。利用ANN层与层之间在FPGA中的流水线处理以及每一层内神经元与神经元之间的并行处理,使用国际通用股票预测数据集Nasdaq-100 index of Nasdaqsm进行仿真实验得知,该方法显著提高了股票预测的速度。

摘要：给出了一种基于数据挖掘中的RBF人工神经网络的股票价格预测方法。RBF神经网络具备了可以逼近任何非线性连续函数的能力,可通过神经元连接权值的调整,更准确地逼近股票市场价格波动中反映出来的非线性映射关系,从而实现对股市价格的短期预测。阐述了RBF神经网络的结构及工作原理、股票价格的预测原理和方法,可以较为准确地指导人们进行股票投资。

摘要：水资源是一种重要的生活、生产的物质资源。中国是水资源贫乏的国家,同时目前我国现有的水资源均不同程度存在污染的状况,尤其是地表水的水质与人们的生产生活质量息息相关。水环境系统复杂且变化繁多,大量生物和化学过程的反应机理尚不清楚。传统确定性水质数学模型通常需要水文、水质大量的参数,这些参数更难以测定,这限制了广泛应用和确定性水质数学模型的正确性。因此,寻求一种简单、安全、正确的水质预测方法一直是科研人员关注的方向。人工神经网络是一个大规模的非线性动态系统,由大量的神经元连接在一起,目前向进一步模拟人脑可以处理非结构问题,并能解决复杂系统建模仿真系统的方向努力。因为人工神经网络原本的优势,神经网络现已在图形处理、专家决策系统、声音处理等多个领域,获得了惊人的成绩。该理论已经变成关联多领域新的多元前卫学科。近几年人工神经网络研究逐步应用到环境科学中来,其中有的将人工神经网络研究应用于水质富营养化预测、水质预测等领域。人工神经网络技术应用于地表水质预测的研究为初期阶段,因其具有的特点使得在该领域具有较大的发挥优势。本文以2005年-2013年黑河市黑龙江断面水质自动监测站的PH值、溶解氧、高锰酸盐指数、氨氮4项监测指标数据为基础,根据不同水期水质的特点,分别形成了包含一个隐含层的三层BP人工神经网络,用MATLAB语言编写程序,并在MATLAB平台上仿真实现此人工神经网络预测模型。采用改进的L-M算法进行训练,用训练好的网络对2014年黑河市黑龙江断面水质进行预测,与实际监测数据对比,取得了较好的预测结果。通过用UCI标准数据集对算法的验证表明,用BP人工神经网络进行地表水的水质模拟预测是可行的、有效的。该方法能对水环境污染状况做出快速、准确的预测,BP人工神经网络在水质预测模拟问题上具有很好的应用前景和推广价值,对水资源环境的保护和防治工作提供重要的参考依据。

摘要：本发明公开了一种基于BP神经网络的电能量预测方法。该方法以历史月电量数据作为研究训练和测试样本，采用前两年总共24个月电量数据作为神经网络的输出入，后一年总共12个月的月电量数据作为网络的输出来建立神经网络。然后将月电量数据的预测值累加即可得到下一年的年度电量。本发明无需考虑交通、气候、气温、经济、季节、节假日、生产任务等因素，仅将历史数据作为神经网络的输入节点，不仅能够同时预测月用电量和年用电量，而且极大地提升了预测模型的高效性和实用性。

摘要：本发明公开了一种基于人工神经网络的行人运动速度预测方法，包括第一步，构建面向人群运动的人工神经网络；第二步，根据人工神经网络的输入/输出参数，生成学习样本；第三步，基于所构建的人工神经网络学习人群运动行为。本发明充分考虑到行人之间的复杂交互，并依托实际场景进行了仿真。实验结果表明，本发明提出的速度预测模型相比于传统的模型更好地对行人的微观轨迹进行仿真和预测。

摘要：

摘要：本发明公开了一种基于相关分析的BP神经网络居民社区日用水量预测方法，首先利用相关分析理论对用水量影响因素进行分析，按影响大小进行排序，接着用偏自相关理论对日用水量序列进行分析，找出日用水量时间序列内部存在的相关关系，确定最优延迟时间，进而确定输入变量，建立了基于相关分析的BP神经网络社区用水量预测模型。对模型进行训练时，使用打乱日用水量按照时间先后顺序排列而形成的数据序列作为训练集，突破时间序列的限制，消除时间因素的影响，提高了预测方法的泛化能力。