基于神经网络的非线性观测器及其应用

提出了一种基于神经网络的非线性观测器，用于青霉素发酵过程的状态估计，仿真研究获得了满意的结果。观测器的输出与离线测量数据拟合较好，证明了该方法的实用性，为建模困难的生化过程的状态估计提供了可能。     

基于PID神经网络的非线性系统辨识与控制

针对工业控制领域中非线性系统采用传统的控制方法不能达到满意的控制效果,提出一种基于P ID神经网络的控制方案,以对其进行辨识和控制。将P ID神经网络引入控制系统中,既具有常规P ID控制结构简单、参数物理意义明确等优点,同时又具有神经网络的并行结构和学习记忆功能及非线性映射能力。仿真结果表明:该控制系统响应速度快、超调量小、稳态精度高,能够快速跟踪系统输出并进行有效控制,且具有一定的自适应性和鲁棒性,满足实时控制的要求。     

基于支持向量机的化工过程故障诊断

引入了基于统计学习理论的支持向量机技术，以连续搅拌釜式反应器——CSTR模型为例，研究了非线性化工复杂反应过程的故障诊断问题。实验结果表明，支持向量机方法与传统故障诊断方法相比，具有更好的精度、速度以及适应性。     

基于Backlash描述函数的神经网络迟滞非线性模型

利用Backlash描述函数的实部和虚部构造一个函数,将其进行叠加,从而建立了一个新颖的迟滞非线性模型.以所建模型的输出作为神经网络的输入信号之一,建立了一个神经网络迟滞模型.实验结果验证了所提模型的有效性.     

细菌性痢疾自回归滑动平均和非线性自回归组合模型预测研究

目的 探讨单纯自回归滑动平均(autoregressive integrated moving average,ARIMA)模型与ARIMA和非线性自回归(nonlinear autoregressive,NAR)组合模型在细菌性痢疾预测中的应用.方法 利用江苏省2004年1月至2015年2月的细菌性痢疾数据作为拟合样本,以2015年3月至2016年5月的数据作为预测样本;建立的模型分别为单纯ARIMA模型和ARIMA-NAR组合模型,然后根据2个模型的平均绝对误差(mean absolute error,MAE)、均方误差(mean square error,MSE)和平均绝对百分比误差(mean absolute percentage error,MAPE)比较模型的效果,其值越小模型效果越好.结果 在模型的拟合阶段,单纯ARIMA模型的MAE、MSE和MAPE分别为0.177 5、0.081 4和0.184 7,ARIMA-NAR组合模型分别为0.094 1、0.029 5和0.104 6.在模型的预测阶段,单纯ARIMA模型的MAE、MSE和MAPE也分别大于ARIMA-NAR组合模型.结论 ARIMA-NAR组合模型对于江苏省细菌性痢疾发病率时间序列的预测效果优于单纯ARIMA模型.建议尝试使用ARIMA-NAR组合模型预测细菌性痢疾的发病率.     

求解非线性电阻电路的神经网络方法

提出的求解具有凸特性ＣＰＷＬ非线性电阻电路的神经网络方法，具有与常用电路分析软件相容的数据格式，且待求变量少，精度高，是一种可靠的求解方法。该方法也可推广到具有凸待性由ＣＰＷＬ描述的多端子非线性电阻电路的求解工作中去。     

非线性混合效应模型拟合Logistic回归在临床试验中的应用

目的 探讨非线性混合效应模型拟合Logistic回归在临床试验中的应用.方法 采用SAS软件包的NLMIXED过程拟合模型,并以两例药物临床试验资料进行实例分析.结果 获得了各参数及其标准误的估计值,并可以对各因素进行直观的解释.结论 非线性混合效应模型允许固定效应和随机效应进入模型的非线性部分,可以拟合具有非线性的Logistic回归模型,是临床试验中分析二项分布数据有效方法.     

用于动态过程监测的非线性PLS小波神经网络

将小波理论与非线性ＰＬＳ方法结合提出一种新的处理多维分类问题的非线性ＰＬＳ小波基神经网络模型用于动态过程监测。     

一种显著误差检测方法在动态数据校正中的应用

在工业过程中,采集和记录的生产数据通常用于过程的控制和在线优化等,因此保证数据的可靠性和准确度具有非常重要的意义。但是在实际情况中,测量数据不可避免地受到误差的影响,而且在生产过程中经常会出现仪表失灵、管道泄漏等现象导致测量数据中出现显著误差,进而导致测量结果严重失实。数据校正是保证工业过程数据准确可靠的主要技术手段。传统的动态数据校正通常采用卡尔曼滤波方法,但当测量数据存在显著误差时,其得到的协调值的可信度较低。为了解决动态数据校正过程中得到的测量数据存在显著误差,导致协调值失实的问题,本文在传统卡尔曼滤波方法的基础上,提出了基于动态贝叶斯模型检测方法进行显著误差的实时侦破。该方法主要通过测量值的滤波,对已经滤波的测量值进行标准化处理,利用扩展贝叶斯网络建立概率分布模型以实现显著误差的检测。根据存在显著误差和正常情况下出现的测量值条件概率大小,判断测量值是否存在显著误差,并根据侦破结果对测量协方差矩阵及卡尔曼增益等参数进行更新,以提高协调值的精度。通过实例仿真对比验证了基于动态贝叶斯的检测方法可以有效地侦破显著误差,并且可以通过参数实时调整提高了存在显著误差时协调值的精度。     

基于西门子PCS7的搅拌反应釜连续反应控制系统

针对搅拌反应釜连续反应过程,采用多功能过程和实验系统（MPCE）中的连续搅拌反应过程（CSTR）进行控制系统设计。进料流量采用比值控制,液位采用串级控制,升温过程采用预测模糊控制,恒温阶段采用模糊免疫PID控制,并设计了压力安全联锁控制系统。基于西门子PCS7 产品进行工程实现,运行结果表明：控制系统中各种控制策略操作简单,控制效果、安全性和可行性较好。     

基于GLR-NT的显著误差检测与数据协调

提出了一种广义似然比法（Generalized Likelihood Ratio, GLR）与节点检测法 (Nodal Test, NT)组合的显著误差检测和稳态数据协调方法。该方法充分发挥了GLR法和NT法的优点,采用逐次侦破、补偿校正的策略,避免了传统显著误差侦破方法中系数矩阵降秩问题,并且融入了测量变量的上、下限约束,最终实现显著误差的侦破、识别、处理和测量数据的协调。仿真结果显示：该方法对多显著误差特别是误差幅度较小或出现节点大显著误差相互抵消的情况具有较好的性能,优于单独的GLR法和NT-MT法。一个实例验证了该算法的有效性。     

模糊神经网络用于药物反相色谱结构与保留定量关系的研究

目的 应用模糊神经网络研究药物反相色谱的定量结构－保留关系（QSRR）。方法 在全面考察药物分子结构参数的基础上,使用模糊神经网络对162个药物进行QSRR的研究。结果 应用模糊神经网络成功地实现了溶剂强度和容量因子的预测,并获得了药物分子结构参数与反相色谱流动相溶剂强度和容量因子之间关系的模糊规划,实验验证的结果也比较理想。结论 模糊神经网络可较满意地用于药物反相色谱QSRR的研究。     

基于IRBFNN和IRAN的非线性动态系统在线自适应建模

将资源分配网络算法(RAN)与相似隐单元合并操作、冗余隐单元删除操作和基于滑动数据窗连接权值学习相结合,形成了改进的资源分配网络(IRAN)算法。IRAN算法用于非线性动态系统的在线建模,能有效地改善模型精度和泛化能力。将改进径向基函数(RBF)神经网络(IRBFNN)和IRAN结合可以用于不确定非线性动态系统自适应建模。仿真研究表明:所提出的建模方法在模型精简、泛化和自适应等方面均具有优良的性能。     

基于改进免疫遗传算法的神经网络及其在股票预测中的应用

针对BP神经网络学习速度慢、容易陷入局部极小的缺点,提出了一种基于改进免疫遗传算法的多层前向神经网络,将该算法用于多层前向神经网络的权值优化,扩大了神经网络的权值搜索空间,提高了网络系统的学习效率和精度.将该神经网络用于上证指数的趋势预测,仿真结果表明:该神经网络比BP神经网络具有更好的全局收敛性、更高的学习效率和预测精度.     

基于参考曲线模型和并行非线性最小二乘算法的HPLC-DAD数据分解

HPLC-DAD数据分解问题是化学计量学领域的一个重要课题,也是很多其他研究领域的前提和基础。本文基于参考曲线模型,构造了一种三参数的色谱峰参考曲线,并提出了并行非线性最小二乘算法对参考曲线模型(RCM)进行求解。通过仿真实验和HPLC-DAD数据实验,验证了本文提出的方法具有分辨率高、收敛速度快、参数易控制等特点。     

基于按病种分值付费模式的医院运营数据管理体系和数据蓝图构建探讨

介绍按病种分值付费模式下的医保支付政策特点和对医院运营管理的影响,分析医院运营管理存在的问题,详细阐述基于国际数据管理协会数据管理知识体系构筑医院运营数据管理体系和标准的方法与路径,对未来发展提出展望。