神经网络模型火灾损失建模火灾损失预测非线性逼近MATLAB语言

来源：互联网   发布日期：2011-09-07 14:14:33   浏览：4396次  

摘要:人工神经网络Artificial Neural Network，简称ANN的理论和方法在过去的几十年发展极为迅速，它的应用范围已涉及到了工程、计算机、物理、生物、经济、管理等科学领域ANN是一种模拟人脑信息处理方法的非线性系统，具有较强的处理非线性问题的能力，比较适合于一些信息复杂、知识背景不清楚和推理规则不明确问题的建模，例如本论文中关于火灾损失预测的建模 本文主要基于神经网络的非线性逼近性质建立预测模型，来研究我国火灾损失的预测问题神经网络模型的实现需要掌握计算机编程语言及较高的编程能力，这在一定程度上不利于神经网络技术的推广和使用而MATLAB软件提供了一个现成的神经网络工具箱Neural Network Toolbox，NNT，为解决这个难题提供了便利条件本文首先建立人工神经网络理论模型，然后结合NNT对算法进行了实现 本文建模采用的是反向传播Back Propagation，BP网络与径向基函数Radial Basis Function，RBF网络在对原始数据进行平滑处理的基础上学习与训练，并应用于火灾损失预测的实践中模拟结果表明，该方法在实际预测中效果较为理想，从而为火灾损失的预测提供了一种新的方法和理论依据 本论文要做了以下工作 1介绍了人工神经网络理论，回顾了人工神经网络的发展历史，论述了BP神经网络与RBF神经网络的基本知识和特点，为本论文的建模提供了基础 2讨论了应用BP神经网络与RBF神经网络进行火灾损失预测的理论基础，分析了两种神经网络的模型结构与原理，并利用它们建立了火灾损失预测模型，用MATLAB语言编写了相应的程序 3利用本论文建立的神经网络预测模型对我国的火灾损失进行了预测，结果表明本论文建立的神经网络预测模型是成功的、有效的 本论文的结构安排如下 第一章为前言部分，介绍了人工神经网络理论，回顾了人工神经网络的发展历史，综述了本文研究的背景、论文研究的目的、意义以及创新点 第二章和第三章分别介绍本文中需要的BP神经网络和RBF神经网络的基础知识，分析了两种神经网络的模型结构与原理，详细介绍了利用MATLAB神经网络工具箱进行网络模型建立、训练、仿真的编程方法 第四章为实证分析部分，分别利用BP神经网络和RBF神经网络它们建立了火灾损失预测模型，用MATLAB语言编写了相应的程序，并给出了模拟与预测的结果 五章是全文总结与研究展望标题:神经网络模型火灾损失建模火灾损失预测非线性逼近MATLAB语言专业:数量经济学学位:硕士单位:山东大学@关键词:神经网络模型　火灾损失建模　火灾损失预测　非线性逼近　MATLAB语言　论文时间:2008分类:X928.7 TP183 导师:王新军 语种:中文文摘URL:

赞助本站