近十年,复合材料以及工程陶瓷等先进材料得到了越来越广泛的应用[1]。然而,这些材料加工困难。磨削对难加工材料独有的加工优势使得磨削成为加工这些材料的最佳选择。但是,与其他切削加工相比,磨削过程会产生极
利用灰色关联调整神经网络隐层权重,得出的结果精度比较高。。。。。。。。。。。。
在分析GM(1,1)模型的建模机理的基础上,指出了传统建模方法的不足,即发现了预测数据序列中的第一点的值并不能用原始数据序列中第一点的值来代替,因为存在误差,同时给出了误差项的一般表达式,然后基于BP
基于SVR-ANN混合模型的股指预测研究,洪嘉灏,王斌会,本文在传统人工神经网络模型的基础上,引入支持向量回归方法,构建SVR-ANN模型。将该模型应用在沪深300的指数预测中,实证结果表明�
基于神经网络和灰色系统的住宅用地需求预测研究,施建刚,黄晓峰,科学的住宅用地需求预测是政府管理和调控城市土地市场的前提条件之一。本文将神经网络和灰色系统引入到住宅用地需求预测中,克服
根据碱沟煤矿急倾斜特厚煤层回采巷道矿压观测和支护效果综合分析,利用灰色神经网络对巷道变形进行了预测,总结出了该矿急倾斜特厚煤层回采巷道变形的基本规律,实践证明预测结果比较准确。
本资料介绍了一项基于Elman神经网络的电力负荷预测模型研究,旨在利用神经网络的强大计算能力对电力负荷数据进行预测和分析。通过对历史电力负荷数据的学习和训练,该模型可以准确预测未来一段时间内的电力需求
结合粒子群算法的神经网络预测模型,张煌,梁朋,股票数据量大,走势不稳定,峰值尖锐且通常噪声较多这些因素都给预测带来了一定的难度,因此目前现有的单一预测模型往往准确率较�
风电场风速预测的RBF神经网络模型,介绍了风电场风速预测的方法,建立了RBF神经网络模型,提前1h预测,并把结果与BP方法进行对比