导读:本文包含了粗糙元神经网络论文开题报告文献综述及选题提纲参考文献，主要关键词:碳排放,BP神经网络,预测,粗糙集
粗糙元神经网络论文文献综述
仇国芳,蔡卓珉[1]（2019）在《基于粗糙集—神经网络方法的陕西省碳排放预测研究》一文中研究指出论文从碳排放的测算、碳排放的主要影响因素、未来碳排放量的预测和针对碳减排提出的对策等方面,对国内外的相关文献进行了梳理与分析。根据相关统计年鉴数据,利用自上而下的计算方法,以经过处理后的直接碳排放系数为准,对2005—2015年的陕西省碳排放量进行测算,并且分析近年来碳排放总量的变化趋势。利用粗糙集的属性约简思想,对于影响碳排放的因素进行约简并提取出主要影响因素构建预测指标体系,最后利用该指标体系结合BP神经网络模型对碳排放数值进行预测。针对预测的数值与碳排放的变化趋势,进行合理地分析并提出碳减排相应问题的解决对策。(本文来源于《生态经济》期刊2019年10期）
尹林子,李乐,蒋朝辉[2]（2019）在《基于粗糙集理论与神经网络的铁水硅含量预测》一文中研究指出高炉铁水硅含量预测对调控炉温和稳定炉况具有重要作用。基于粗糙集理论与神经网络模型对铁水硅含量进行预测。采用粗糙集理论对输入参数进行约简,得到优化的输入集,结合BP(back propagation)神经网络实现高炉硅含量的预测。同时,针对炉况波动较大情况下神经网络模型预测误差大的问题,建立波动知识库,利用kNN(k-Nearest Neighbor)算法匹配识别波动炉况,对预测结果进行补偿。以国内某钢铁厂实际高炉生产数据进行验证,该方法在预测误差为±0.1%以内时预测命中率达到91.74%,可为高炉操作者判断炉况提供参考。(本文来源于《钢铁研究学报》期刊2019年08期）
田静静,贺玉龙,曲桂娴,周娟[3]（2019）在《基于粗糙集-AHP-BP神经网络预测事故概率》一文中研究指出车辆运行受多种风险因素共同作用,通过对G4京港澳(K1510—K1841)事故数据分析,建立风险因素体系,并利用粗糙集、事故危险度对风险因素实现重要性度量,利用AHP分析法确定风险因素权重,并通过BP神经网络实现不同风险条件下事故概率预测,实验证明,AHP-BP神经网络是预测风险条件下事故概率的有效模型。(本文来源于《交通科技与经济》期刊2019年04期）
马立艳,陈桂芬[4]（2019）在《基于粗糙集RBF神经网络在东丰县开发区企业管理上的应用》一文中研究指出为提高基层企业管理效率,根据吉林省东丰县开发区2015年企业调查数据,使用粗糙集与RBF神经网络算法结合算法对企业工业生产总值、用电量、用工量等3个主要影响因素进行分析,并根据各参数之间差异划分企业等级。研究结果表明:根据算法对数据分类结果,该结果与东丰县开发区企业分级情况比较接近,说明基于粗糙集RBF神经网络算法,是一种在企业绿色发展分级方面有效的评价方法;通过2种算法之间的可视化图形对比,得出粗糙集RBF神经网络算法较BP神经网络算法分类效果更加明显;因而,基于粗糙集RBF神经网络算法对东丰县开发区进行企业划分准确性强、效率高、易于推广,为东丰县开发区关于企业管理工作起到技术指导作用。(本文来源于《农业与技术》期刊2019年11期）
吴佳懋,李艳,符一健[5]（2019）在《基于粗糙集-混沌时间序列Elman神经网络的短期用电量预测》一文中研究指出Elman神经网络由于其具有无限逼近和适应时变特性的能力被广泛用于动态数据预测。短期的用电量存在多种不确定影响因素,为了将所有影响因素考虑其中,引入混沌时间序列的重构相空间技术。由于神经网络在非线性函数中对于峰值预测偏差较大,粗糙集理论可以对其做出修正。因此,引入混沌时间序列理论和粗糙集理论改进Elman神经网络并进行建模。模型应用嵌入维度和延迟时间重构相空间恢复原来系统的动力学形态,将处理好的数据代入Elman神经网络进行用电量预测。最后引入粗糙集修正误差较大的峰值点,提高预测精度。收集了Heriot-Watt大学某宿舍楼30天的用电量数据,以5 min为计数频率共8 640个计数点作为数据集进行预测仿真。预测结果与Elman神经网络和混沌时间序列Elman神经网络进行对比,验证了该模型在短时间预测的有效性。(本文来源于《电力系统保护与控制》期刊2019年03期）
张文宇,樊海燕,于琦,杨风霞[6]（2018）在《基于遗传粗糙BP神经网络的P2P平台出资行为预测》一文中研究指出为客观预测P2P网络借贷平台上出资者的出资行为,以期通过平台向预计不能成功借款者提供借款方案的调整建议。提出GA粗糙PSO-BP神经网络预测模型。首先将粗糙集核属性引入遗传算法的初始种群,自适应地更新交叉和变异概率,得到属性约简结果,据此确定BP神经网络拓扑结构;其次,利用改进线性变化权重的PSO算法对BP神经网络的初始权值和阈值进行迭代寻优,最终完成预测过程。实证研究以宜贷网平台交易记录作为基础数据,构建影响出资行为的指标体系,应用上述方法对该平台出资行为进行预测,预测结果和实际情况相符。(本文来源于《市场论坛》期刊2018年11期）
张柯[7]（2018）在《基于粗糙集与BP神经网络相结合的民航无线电干扰预测方法探究》一文中研究指出近年来,我国互联网技术不断提高,电子设备的广泛应用,导致电磁干扰现象越发严重。民航无线电干扰成为影响民航系统正常服务的主要因素,不仅会干扰民航飞机的正常运行,也会妨碍我国民航事业的稳定发展。(本文来源于《数字技术与应用》期刊2018年08期）
袁红杰,陆永耕,程松辽[8]（2018）在《基于粗糙集神经网络的故障诊断研究》一文中研究指出论文提出了一种基于粗糙集理论与BP神经网络相结合的轴承故障诊断方法。首先对故障数据进行离散归一化,再用粗糙集理论对数据进行约简,剔除多余无用的数据,最终将约简后的属性集作为BP神经网络的输入,构造网络对其训练并诊断。仿真结果表明此方法在简化了网络结构的同时,也减少了迭代步数,提高了故障诊断准确率。(本文来源于《科技经济导刊》期刊2018年21期）
陈金杰[9]（2018）在《基于粗糙集和神经网络的内燃机转子振动故障诊断方法研究》一文中研究指出提出了一种基于粗糙集和神经网络的柴油机转子振动故障诊断方法。首先计算传感器采集数据的小波包,提取振动信号能量特征,其次粗糙集对不同振动信号能量特征数据离散方法的基础上,针对数据结构特征确定了等频离散法与公平尺度法相结合的离散方法,最后以获取的规则为输入,利用BP神经网络进行故障诊断。将我们建立的故障诊断方法应用到柴油机转子振动系统中去,表明了该种方法的有效性。(本文来源于《内燃机》期刊2018年03期）
张一朦[10]（2018）在《基于粗糙集与模糊神经网络的滚动轴承故障诊断研究》一文中研究指出滚动轴承在机械设备中应用广泛,它的工作状态直接影响机械设备生产,研究轴承的故障诊断,具有一定意义。轴承的故障可以通过温度分析技术、油样分析技术进行诊断,但是当滚动轴承的故障比较轻微时,温升较不明显,难以诊断,而油样分析技术又不能对脂润滑的轴承进行诊断,因此上述方法存在一定的局限性。滚动轴承工作时产生的振动信号反映了滚动轴承的工作状态,所以振动信号分析法是轴承故障诊断的最实用的方法。粗糙集理论是人工智能领域中处理混乱、不完整信息的重要方法,在数据关联关系的挖掘、冗余属性的约简等领域有着广泛的应用。模糊神经网络集合了神经网络和模糊系统的优点,可以充分发挥模型对系统不确定性的处理能力,而且模型的参数能够通过自我学习进行调整和优化。这两种理论方法,均可以同振动信号分析法相结合,用于滚动轴承的故障诊断。本文通过轴承故障模拟试验台,采集振动信号,提取特征向量,研究了两种方法用于故障诊断。第一,基于粗糙集理论相关原理,通过粗糙集分析工具Rosetta软件,对提取到的振动信号的特征向量进行属性约简,建立粗糙集分类器,通过自学习实现故障的诊断;第二,将粗糙集方法和模糊神经网络融合,其中粗糙集方法仅作为特征向量约简的工具,将约简后的特征向量作为模糊神经网络输入,训练生成自适应模糊神经网络系统,用于轴承故障的诊断。结果表明,融合了粗糙集降维和自适应模糊神经网络的诊断方法诊断效果更佳。最后结合LabVIEW和MATLAB两款软件的不同优点,开发了两者混合编程的故障诊断系统,实现了轴承的故障诊断。(本文来源于《大连交通大学》期刊2018-06-15）
粗糙元神经网络论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
高炉铁水硅含量预测对调控炉温和稳定炉况具有重要作用。基于粗糙集理论与神经网络模型对铁水硅含量进行预测。采用粗糙集理论对输入参数进行约简,得到优化的输入集,结合BP(back propagation)神经网络实现高炉硅含量的预测。同时,针对炉况波动较大情况下神经网络模型预测误差大的问题,建立波动知识库,利用kNN(k-Nearest Neighbor)算法匹配识别波动炉况,对预测结果进行补偿。以国内某钢铁厂实际高炉生产数据进行验证,该方法在预测误差为±0.1%以内时预测命中率达到91.74%,可为高炉操作者判断炉况提供参考。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
粗糙元神经网络论文参考文献
[1].仇国芳,蔡卓珉.基于粗糙集—神经网络方法的陕西省碳排放预测研究[J].生态经济.2019
[2].尹林子,李乐,蒋朝辉.基于粗糙集理论与神经网络的铁水硅含量预测[J].钢铁研究学报.2019
[3].田静静,贺玉龙,曲桂娴,周娟.基于粗糙集-AHP-BP神经网络预测事故概率[J].交通科技与经济.2019
[4].马立艳,陈桂芬.基于粗糙集RBF神经网络在东丰县开发区企业管理上的应用[J].农业与技术.2019
[5].吴佳懋,李艳,符一健.基于粗糙集-混沌时间序列Elman神经网络的短期用电量预测[J].电力系统保护与控制.2019
[6].张文宇,樊海燕,于琦,杨风霞.基于遗传粗糙BP神经网络的P2P平台出资行为预测[J].市场论坛.2018
[7].张柯.基于粗糙集与BP神经网络相结合的民航无线电干扰预测方法探究[J].数字技术与应用.2018
[8].袁红杰,陆永耕,程松辽.基于粗糙集神经网络的故障诊断研究[J].科技经济导刊.2018
[9].陈金杰.基于粗糙集和神经网络的内燃机转子振动故障诊断方法研究[J].内燃机.2018
[10].张一朦.基于粗糙集与模糊神经网络的滚动轴承故障诊断研究[D].大连交通大学.2018