系統(tǒng)建模技術(shù)已成為分析、研究各種系統(tǒng),特別是復(fù)雜非線性系統(tǒng)的重要工具,由于具有經(jīng)濟(jì)、可靠、易實(shí)現(xiàn)和可多次重復(fù)使用等優(yōu)點(diǎn),已成為對(duì)實(shí)際系統(tǒng)進(jìn)行分析、設(shè)計(jì)、實(shí)驗(yàn)、評(píng)估的有效手段,在科學(xué)研究和工程領(lǐng)域具有廣泛應(yīng)用。隨著科學(xué)研究與工程應(yīng)用領(lǐng)域的不斷擴(kuò)大,人們所面臨的系統(tǒng)建模問(wèn)題也變得越來(lái)越復(fù)雜。大多數(shù)建模對(duì)象存在著多種不確定性因素以及難以定量描述的非線性特性,并且對(duì)系統(tǒng)模型的描述能力和建模方法的靈活性、適用性以及智能水平要求越來(lái)越高,傳統(tǒng)的系統(tǒng)建模方法在許多方面已不再滿足當(dāng)前的需求,存在模型選擇及建模困難、精度低、求解難度大等問(wèn)題。近幾年來(lái),智能信息處理理論和技術(shù)得到重視和發(fā)展,為解決復(fù)雜非線性動(dòng)態(tài)系統(tǒng)的建模問(wèn)題提供了一種有效途徑。由于動(dòng)態(tài)神經(jīng)網(wǎng)絡(luò)具有高度非線性映射能力、大規(guī)模并行分布處理和良好的自適應(yīng)學(xué)習(xí)機(jī)制,在復(fù)雜系統(tǒng)建模方面表現(xiàn)出較大的優(yōu)勢(shì)。因此,將動(dòng)態(tài)神經(jīng)網(wǎng)絡(luò)應(yīng)用到系統(tǒng)建模方面的研究具有很好的前景。論文提出和建立了一種反饋動(dòng)態(tài)神經(jīng)網(wǎng)絡(luò)模型,對(duì)一般過(guò)程神經(jīng)網(wǎng)絡(luò)模型的信息處理機(jī)制進(jìn)行了改進(jìn)。模型具有適用性強(qiáng)、學(xué)習(xí)效率高、對(duì)具體實(shí)際問(wèn)題易于建模等特點(diǎn)；構(gòu)建了基于梯度—牛頓結(jié)合訓(xùn)練算法、基于二... 

【文章來(lái)源】：東北石油大學(xué)黑龍江省

【文章頁(yè)數(shù)】：60 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

754-1928訓(xùn)練結(jié)果與實(shí)際結(jié)果對(duì)比

辛普森20.05000.03555.1450柯特斯30.27680.15218.7296時(shí)域聚合運(yùn)算采用辛普森積分時(shí)網(wǎng)絡(luò)性能最佳，訓(xùn)練結(jié)果對(duì){盡盯l||卜隊(duì)以嘩曰比0050005021瑪豹價(jià)1754圖4.118001850訓(xùn)練年份190019281754一1928訓(xùn)練結(jié)果與實(shí)際結(jié)果對(duì)比07年的樣本數(shù)據(jù)，對(duì)訓(xùn)練好的網(wǎng)絡(luò)進(jìn)行測(cè)試，預(yù)測(cè)結(jié)果:Em、Eavg一10·05830預(yù)測(cè)結(jié)果與實(shí)際結(jié)果對(duì)比見(jiàn)圖4.20

聲聲波時(shí)差 差 ACCCCC將河道砂體沉積微相細(xì)分為一類主河道、二類主河道、三類主河道、四類主河道、廢棄河道、決口河道六種類型。六種沉積微相的測(cè)井相模式如圖5.3所示。

【參考文獻(xiàn)】：
期刊論文
[1]微分方程模型在運(yùn)動(dòng)中的簡(jiǎn)單應(yīng)用[J]. 吳維煊.  數(shù)學(xué)學(xué)習(xí)與研究. 2010(11)
[2]解非線性方程的免導(dǎo)數(shù)牛頓算法[J]. 李萬(wàn)斌,顏永明.  懷化學(xué)院學(xué)報(bào). 2010(05)
[3]一種基于過(guò)程神經(jīng)元網(wǎng)絡(luò)的非線性動(dòng)態(tài)系統(tǒng)辨識(shí)模型及應(yīng)用[J]. 許少華,何新貴.  信息與控制. 2010(02)
[4]基于改進(jìn)的雙并聯(lián)動(dòng)態(tài)過(guò)程神經(jīng)網(wǎng)絡(luò)的旅游需求預(yù)測(cè)[J]. 戴冰,張培茵.  長(zhǎng)春大學(xué)學(xué)報(bào). 2010(01)
[5]多項(xiàng)式微分系統(tǒng)的等價(jià)性[J]. 黃飛.  山東理工大學(xué)學(xué)報(bào)(自然科學(xué)版). 2010(01)
[6]基于混合量子遺傳算法的過(guò)程神經(jīng)元網(wǎng)絡(luò)訓(xùn)練[J]. 劉志剛,許少華.  計(jì)算機(jī)應(yīng)用研究. 2009(08)
[7]非線性動(dòng)態(tài)系統(tǒng)建模方法研究[J]. 王峰,邢科義,徐小平.  計(jì)算機(jī)工程與應(yīng)用. 2009(10)
[8]智能動(dòng)態(tài)診斷模型及在示功圖識(shí)別中的應(yīng)用[J]. 張強(qiáng),許少華.  計(jì)算機(jī)工程與應(yīng)用. 2009(04)
[9]精確一維搜索下幾種共軛梯度法的分析比較[J]. 張燕,徐爾.  北京工商大學(xué)學(xué)報(bào)(自然科學(xué)版). 2009(01)
[10]樣條數(shù)值微分研究[J]. 高尚,周承新.  科學(xué)技術(shù)與工程. 2008(11)



本文編號(hào)：3296558