神经网络技术范文

神经网络技术范文第1篇

1.1概率性神经网络（PNN）

地震属性和测井数据的关系，并不一定是线性的，利用概率性神经网络的方法弥补井和地震间的非线性关系。概率性神经网络（PNN）类似于多维属性空间上的克里金，采用了局部化的作用函数，具有最佳逼近特性，且没有局部极小值。每个输出点把新点处的新属性组与已知的培训例子中的属性进行比较来确定的，得到的预测值是培训目标值的加权组合。概率神经网络方法具有高度的容错性，即使某个井旁道地震参数或某个网络连接有缺陷，也可以通过联想得到全部或大部分信息。因此，用概率神经网络建立地震属性和测井特征属性之间的映射关系可靠性高。概率神经网络方法还具有动态适应性，当地质岩性类别变化或地震参数修改时，网络可自动适应新的变量，调整权系数，直到收敛。对于受岩性控制的储层，概率神经网络是描述其地震属性参数与岩性参数关系的有效方法。概率神经网络是由多测井和多地震属性参数组成的网络。首先,将由测井曲线和井旁地震道提取的特征参数按照地质岩性参数分成若干类;然后,通过非线性数学模型的神经网络学习系统,由输入矢量产生输出矢量,并把这个输出矢量与目标矢量进行平方意义下的误差对比;再以共轭迭代梯度下降法作权的调整,以减少输出矢量与目标矢量的差异,直到两者没有差异训练才结束。对于给定的培训数据，PNN程序假设测井值和每一输出端的新测井值为线性组合，新数据样点值用属性值X表示可写。这里σ是PNN使用的高斯权重函数的关键参数，来控制高斯函数的宽度。式（2）和式（3）是概率神经网络预测的基本原理，训练神经网络的过程实际上就是求解最优平滑因子的过程。

1.2交互验证增加属性类似于多项式拟合增加高阶项，增加多项式高阶将会使预测误差总是变小，但属性的个数绝不是越多越好。随着属性个数的增多，对预测的结果的影响越来越小，会明显削弱未参与神经网络训练的那些点的预测能力，甚至造成预测误差反而增大,这种现象称为过度匹配。而且参与运算的属性过多，也会影响到运算速度，因此通过计算验证误差来确定最佳的属性个数，防止过度匹配，该过程就称为交叉验证。通过蕴藏井误差分析的方法，验证出现拟合过度的情况。求取递归系数时，选取一口井作为验证井，不参与运算。利用拟合出的关系，得到验证井的误差值。以此类推，得到每一口井的误差值，以参与运算井的平均误差作为参考标准，来检验属性组合个数是否出现拟合过度的情况。

2应用实例分析

研究区内油气富集区主要为岩性控制，目的层段厚度70m左右，地震剖面上大约50ms，含油砂体主要发育在wellA，wellC附近，向周围变化较快。针对目标层T41-T43之间进行井曲线交汇和岩性统计。wellA，wellC主要是含油砂岩，wellB、D、F主要是泥质砂岩、煤层，岩性差别很大。但从速度、密度曲线交汇图版（图1）来看，曲线交汇统计重叠较大，很难区分含油砂岩和泥质砂岩。wellA、wellB对应层位岩性明显不同，在地震剖面也体现同样的反射特征。因此基于测井和地震模型为基础的常规叠后波阻抗反演很难准确识别这套含油砂岩。而更能反映岩性特征的GR曲线，则对这套砂体较为敏感，明显地区分出了这套含油砂岩（如图3所示）。因此我们采用本文介绍的神经网络技术，在常规波阻抗反演的基础上，预测GR曲线特征体。经过分析，把GR值65~75区间岩性赋值为含油砂岩，从而把这套储层有效的区分出来，在此基础上进一步计算砂岩厚度（图4）。

3结论

从应用结果来看，在研究区概率神经网络方法有效地利用自然伽马等地震属性进行岩性反演预测,见到了好的效果。该方法不再限制于地下孔隙流体的弹性参数和地震数据本身，而是直接利用井的测井曲线和地震数据中提取的地震属性。测井和地震数据间的关系它们之间的关系是通过统计的方法在井位置处得以确定，这种关系可以是线性（多变递归）或非线性的（神经网络技术PNN），不受预先假定的地质模型和地震子波的影响，在一些岩性变化较快、薄互层发育的地区往往会得到意想不到的好的效果。

神经网络技术范文第2篇

分析清河水库中长期水文预报状况、历史资料，提出预报单位年的概念，采取灰色关联度方法选取适当的年份作为典型年，采用径向基神经网络技术，构建清河水库中长期水文预报新模型，并开发了基于VB的中长期水文预报系统。通过近3年的应用检验，取得了较好的效果，较大地提高了清河水库中长期水文预报精度。

［关键词］

预报因子；灰色径向基神经网络；水文预报

1清河水库中长期水文预报现状及存在问题

清河水库中长期水文预报工作始于水库建成后的20世纪60年代初，70年代以后有较完整的预报资料，80年代末研制了运行环境为Dos系统的中长期水文预报软件。预报项目包括3—4月春汛来水量预报和6—9月夏汛来水量预报，采用的预报方法主要有历史演变法、周期分析外推法、平稳时间序列外推法、周期分析与平稳序列分析外推法、降雨径流相关法等。各方法预报值有时相差较大，经综合分析后确定一个预报范围，以此预报来水量编制年度控制运用计划。因预报准确性较低，用以指导实际调度运用的价值不大。当今，随着科技的进步与发展，清河水库现运用的中长期水文预报系统已不能适应实际工作需要，主要存在问题：1）预报系统陈旧，与现有计算机系统不相容；2）预报系统功能少，无资料保存和数据库，缺乏图、表统计对比分析；3）预报精度比较低；4）只有传统预报方法，与变化的自然和人为因素影响的气象和流域环境不相协调，适应性较差。

2灰色径向基神经网络技术应用

2.1汛期来水量预报因子的选取

通过对清河水库1961年到2010年的资料进行分析，将上一年10月份至当年9月份划分为一周期进行分析，以此定义为预报单位年。选取汛期上一年10月份到6-9月年5月份这8个月的月来水量作为夏汛预报因子，对6—9月年的夏汛来水量进行预报；选取春汛上一年10月份到当年2月份这5个月的月来水量作为春汛预报因子，对当年的春汛来水量进行预报。

2.2参考典型年份的确定

引入灰色系统中灰色关联度的概念。分别计算需要预报年份春汛之前5个月各月来水量与历年同期来水量之间的关联度和夏汛之前8个月各月来水量与历年同期来水量之间的关联度，关联度越大，即该年来水过程与所需预报年份来水过程相似度越高。再对关联度较高的年份进行分析，选取适当的年份作为典型年供预报参考。

2.3构建清河水库径向基神经网络中长期水文预报模型

人工神经网络是通过模拟人脑的神经处理信息的方式，进行信息并行处理和非线性转换的复杂网络系统。神经网络具有很强大的学习能力，可以比较轻松地实现非线性映射过程，并且具有大规模的计算能力，所以神经网络在计算机和人工智能等领域有着广泛的应用。Matlab软件中提供了神经网络工具箱，含有丰富的神经网络函数。径向神经网络属于前向型神经网络，模型将选取的典型年份的春汛之前5个月来水量设为P1，典型年份春汛来水量设为T1，构建径向基神经网络进行训练，设定误差值为0。输入预报年的预报因子，进行仿真，预报该年春汛来水量；将选取的典型年份的夏汛之前8个月来水量设为P2，典型年份夏汛来水量设为T2，构建径向基神经网络进行训练，设定误差值为0。输入预报年的预报因子，进行仿真，预报该年夏汛来水量。系统优势主要体现在以下几方面：预报方法在原有传统预报方法的基础上，增加了现代预报方法和理论—灰色系统和人工神经网络，构建了灰色径向基神经网络模型；预报径流量的时段由原来的只能预报春汛和夏汛扩充到可以预报逐旬、月及不同时段径流量，更有利于防洪兴利调度；系统预报功能更加完善，操作简单，使用方便，界面直观清晰；预报精度有较大提高。

3对比分析及应用检验

以清河水库1970—2010年夏汛来水量预报为例，分别计算原方法预报值相对误差和新方法预报值相对误差，并进行对比分析。从相对误差平均值可以看出，新方法平均相对误差为78.1%，原方法平均相对误差为130.3%，平均相对误差降低了52.2%；新方法相对误差小于1.000为35年，占统计年数的85%；小于0.500的为25年，占统计年数的61%；小于0.400的为20年，占统计年数的49%；小于0.300的为12年，占统计年数的29%；小于0.200的为6年，占统计年数的15%。而原方法相对误差小于1.000为27年，占统计年数的66%；小于0.500的为17年，占统计年数的41%；小于0.400的为17年，占统计年数的41%；小于0.300的为11年，占统计年数的27%；小于0.200的为6年，占统计年数的15%。从原方法与新方法相对误差总体统计分析可以得出，灰色径向基神经网络中长期水文预报模型在较大程度上提高了清河水库夏汛来水量的预报精度，取得了良好的效果。使水库的预报和优化调度更具科学性，不仅具有重要的理论意义，而且具有更大的社会和经济价值。以2011，2012，2013年作为检验年进行检验，原方法与新方法相对误差分别为：1.852，0.268，0.306和0.419，0.363，0.186，均值分别为0.323和0.819。通过比较可知，该预报模型的预报精度有了明显的提高，有利于水库调度管理，并为以后的输水工程、水电站及辽西北供水工程等提供决策依据。它在很大程度上为清河水库的防汛、抗旱争取了主动权，并取得了良好的工业、农业及防汛等方面的效益。

4结语

1）通过对清河水库历史资料的分析，首次提出了以预报单位年前5个月各月的来水量为春汛预报因子，以预报单位年前8个月各月的来水量为夏汛预报因子。2）引入灰色关联度的概念，计算历年预报因子与所需预报年份之间的关联度，以此确定代表年作为预报依据。3）采用灰色径向基神经网络的方法构建清河水库中长期水文预报模型，并开发了基于VB的中长期水文预报系统。4）经实践应用，系统为清河水库中长期水文预报提供了新的途径，提高了径流量整体预报精度，进而提高调度水平，使水库的预报和优化调度更具科学性，不仅具有重要的理论意义，而且具有更大的社会和经济价值，对于争取防汛、抗旱的主动权，制定科学调度方案，发挥水利设施的安全与经济效益有着重要的作用。

作者：张丽娟 单位：辽宁省供水局

［参考文献］

［1］刘思峰，邓聚龙.GM(1,1)模型的适用范围［J］.系统工程理论与实践.2000，5：121-124.

［2］刘获，周振民.RBF神经网络在径流预报中的应用［J］.华北水利水电学院学报.2007，28（2）：12-14.

［3］刘思峰.灰色系统理论的产生与发展［J］.南京航空航天大学学报.2004，36（2）：267-272.

［4］邓聚龙.灰色系统理论简介［J］.内蒙古电力.1993（3）：51-52.

神经网络技术范文第3篇

人工神经网络是由大量的简单基本元件-神经元相互联接而成的自适应非线性动态系统。每个神经元的结构和功能比较简单，但大量神经元组合产生的系统行为却非常复杂。人工神经网络的基本结构模仿人脑，反映了人脑功能的若干基本特性，能够自身适应环境、总结规律、完成某种运算、识别或过程控制。人工神经网络具有并行处理特征，可以大大提高工作速度。

人工神经网络的特点和优越性，主要表现在三个方面：

第一，具有自学习功能。

第二，具有联想存储功能。

第三，具有高速寻找优化解的能力。

1 神经网络的学习方法

神经网络的学习也称为训练，指的是神经网络在外界环境的刺激作用下调整网络自由参数，并以新的方式来响应外部环境的过程。能够从环境中学习并在学习中提高自身性能是神经网络最有意义的性质。理想情况下，神经网络在每一次重复学习后，对它的环境有了更多的了解。

（1） 监督学习（有教师学习）

在学习时需要由教师提供期望输出，通常神经网络对于周围的环境未知而教师具有周围环境的知识，输入学习样本，教师可以根据自身的知识为训练样本提供最佳逼近结果，神经网络的自由参数在误差信号的影响下进行调整，其最终目的是让神经网络模拟教师。

（2） 非监督学习（无教师学习）

它也称为自组织学习，系统在学习过程中，没有外部教师信号，而是提供给一个关于网络学习性质的度量，它独立于学习任务，以此尺度来逐步优化网络，一旦网络与输入数据的统计规律达成一致，那么它将发展形成用于输入数据编码特征的内部表示能力，从而自动创造新的类别。

（3）强化学习（激励学习）

在强化学习系统中，对输入输出映射的学习是通过与外部环境的不断交互作用来完成学习，目的是网络标量函数值最小，即外部环境对系统输出结果只给出评价信息（奖或罚）而不是给出正确答案，学习通过强化那些受奖的动作来改善自身性能。

神经网络针对学习问题修改网络自由参数的过程称为学习规则（学习算法），设计学习规则的目的是训练网络来完成某些任务，没有一个独特的学习规则可以完成所有的学习任务。神经网络有5个基本的学习规则：误差--修正学习，基于记忆的学习，Hebb学习，竞争学习，随机学习。

2 神经网络的研究趋势

（1） 利用神经生理与认知科学研究大脑思维模式及智能机理过程

深入研究神经网络理论神经网络在一定程度上揭示人类智能和了解人脑的工作方式，由于人类对神经系统的了解非常有限，而且对其自身脑结构及其活动机理的认识不完善，故而神经网络只能是模仿人脑的局部功能，而对人脑作为一个整体的功能解释，神经网络起不到任何作用。神经科学，心理学和认识科学等方面提出的一些重大问题，是向神经网络理论研究提出的新挑战，这些问题的解决有助于完善和发展神经网络理论，因此利用神经生理和认知科学研究大脑思维及智能机理，如有新的突破将会改变智能和机器关系的认识。

（2） 神经网络领域的数学研究趋于重要

随着神经科学基础理论研究的深入，用数理方程探索智能水平更高网络模型将是研究的趋势所在，神经元以电为主的生物过程在认识上一般采用非线性动力学模型，其动力演变过程往往是非常复杂的，神经网络这种强的生物学特征和数学性质，要求有更好的数学手段，而对于神经网络这样非线性模型，需要用数学方法研究网络新的算法和网络性能，如稳定性、收敛、容错性、鲁棒性等，开发新的网络数理理论，如神经动力学、非线性神经场等。研究人员断言一种更简洁、更完善和更有效的非线性系统表达与分析的数学方法是这一领域主要目标之一。

（3） 神经网络软件模拟、硬件实现的研究以及神经网络在各个科学技术领域应用的研究

目前，数字计算机在计算方面的能力已远远超出入的大脑，但在自然语言理解、图像辨识、信息处理等方面都显得笨拙，原因是基于冯・偌依曼思想的计算机结构及其运算方式与人的大脑有本质的区别，而神经计算机（第六代计算机）以神经网络为理论基础，用于模拟神经网络，具有自学习、自组织和自适应能力，能更有效地处理复杂问题，其实现过程用光学、生物芯片的方式，现在光学神经计算机和分子计算机的研究是神经网络的前沿课题。

（4） 神经网络和其它算法结合的研究

神经网络和其它算法的结合和交叉，研究新型神经网络模型也是发展方向之一。如神经网络和模糊逻辑结合，建立模糊神经网络；将混沌理论和神经网络结合建立混沌神经网络；将遗传算法和神经网络结合；利用遗传算法优化神经网络的结构或权值；将小波分析和神经网络结合建立小波神经网络；专家系统，贝叶斯学习以及粗糙集理论和神经网络结合等，这些都是神经网络研究的热点。

3 结束语

神经网络虽已在许多领域应用中取得了广泛的成功，但其发展还不十分成熟，还有一些问题需进一步研究。比如：神经计算的基础理论框架以及生理层面的研究仍需深入；新的模型和结构的研究；神经网络的可理解性问题；神经网络技术与其他技术更好的结合等。

今后的研究应在充分利用神经网络优点的基础上，关注各个领域的新方法、新技术，发现它们之间的结合点，取长补短，并进行有效的融合，从而获得比单一方法更好的效果。除此之外，还应当加强神经网络基础理论方面的研究和在实际应用方面的研究，使其在工程应用中进一步发挥越来越大的作用，应用领域越来越广，应用水平越来越高！

神经网络技术范文第4篇

随着计算机网络、信息技术、自动化技术的进步，极大的改变了我们的生活。人工神经网络技术是一种全新的控制技术，通过互联网进行动态模拟，从而建立一种新的控制互联网的系统。经过十几年的发展，人工神经网络技术研究取得了巨大的进步，已经广泛应用在社会各个领域，使现代计算机中的难题得到了解决。本文主要从人工神经网络技术的概念出发，探讨了它在现代社会领域的具体应用。

【关键词】人工神经网络 信息技术 发展趋势

人工神经网络技术在处理实际问题主要包括两个过程，一个是学习训练过程，另外一个是记忆联想过程。近年来随着人工网络技术的发展，人工神经网络技术在信号处理、图像处理、智能识别等领域已经取得了巨大的改变，为人们研究各类科学问题提供了一种新的方法和手段，使人们在交通运输、人工智能、军事、信息领域的工作更加便捷，近年来随着AI的l展，人工神经网络技术得到了快速的发展阶段。

1 人工神经网络技术

人工神经网络技术也称ANN，是随着上个世纪八十年代人工智能发展兴起的一个研究热点，它的主要工作原理对人脑神经网络进行抽象处理，并仿造人脑神经网络建立简单的模型，按照不同的连接方式组成一个完整的网络，因此学术界也直接将它成为神经网络。神经网络其实就是一种运算模型，它是通过大量的节点――神经元连接起来的，其中不同的节点所代表的输出函数也不同，也就是所谓的激励函数；当有两个节点连接起来时称之为通过该连接信号的加权值，也称为权重，这就相当人脑神经网络记忆。人工神经网络技术是采用并行分布式系统，这种工作机理与传统的信息处理技术和人工智能技术完全不同，是一种全新的技术，它克服了传统基于逻辑符号的人工智能处理非结构信息化和直觉方面的缺陷，具有实时学习、自适应性和自组织性等特点。

2 人工神经网络技术应用分析

随着人工神经网络技术的发展，它在模式识别、知识工程、信号处理、专家系统、机器人控制等方面的应用较广。

2.1 生物信号的检测分析

目前大部分医学检测设备都是通过连续波形得到相关数据，从而根据所得数据对病情进行诊断。人工神经网络技术就是应用了这样的方式将多个神经元组合起来构成，解决了生物医学信号检测方面的难题，其适应性和独立性强，分布贮藏功能多。在生物医学领域该技术主要应用于对心电信号、听觉诱发电位信号、医学图像、肌电荷胃肠等信号的处理、识别和分析。

2.2 医学专家系统

传统的医院专家系统是直接将专家的经验、学历、临床诊断方面取得的成绩等存储在计算机中，构建独立的医学知识库，通过逻辑推理进行诊断的一种方式。进入到二十一世纪，医院需要存储的医学知识越来越多，每天产生新的病况和知识，过去的一些专家系统显然已经无法适应医院的发展需求，因此医院的效率很低。而人工神经网络技术的出现为医院专家系统的构建提出了新的发展方向，通过人工神经网络技术，系统能够自主学习、自己组织、自行推理。因此在医学专家系统中该网络技术应用面较广。麻醉医学、重症医学中生理变量分析和评估较多，目前临床上一些还没有确切证据或者尚未发现的关系与现象，通过人工神经网络便能有效地解决。

2.3 市场价格预测

在经济活动中，传统统计方法受到一些因素的制约，无法对价格变动做出准确的预测，因此难免在预测的时候出现失误的现象。人工神经网络技术能够处理那些不完整的、规律不明显、模糊不确定的数据，并作出有效地预测，因此人工神经网络技术具有传统统计方法无法比拟的优势。例如人工神经网络技术可以通过分析居民人均收入、贷款利率和城市化发展水平，从而组建一个完整的预测模型，准确预测出商品的价格变动情况。

2.4 风险评价

在从事某一项特定的活动时，由于社会上一些不确定因素，可能造成当事人经济上或者其他方面的损失。因此在进行某一项活动时，对活动进行有效的预测和评估，避免风险。人工神经网络技术可以根据风险的实际来源，构筑一套信用风险模型结构和风险评估系数，从而提出有效地解决方案。通过信用风险模型分析弥补主观预测方面的不足，从而达到避免风险的目的。

3 人工神经网络技术未来发展

人工神经网络克服了传统人工智能对语言识别、模式、非结构化信息处理的缺陷，因此在模式识别、神经专家系统、智能控制、信息处理和天气预测等领域广泛应用。随着科学技术的进步，AI的快速发展，AI与遗传算法、模糊系统等方面结合，形成了计算智能，很多企业和国家开始大规模研发AI，人工神经网络正在模拟人类认知的方向发展，目前市场已经有很多不少人工智能产品面世。

4 结语

通过上述研究分析，人工神经网络技术已经取得了相应的发展，但还存在很多不足：应用范围狭窄、预测精度低、通用模型缺乏创新等，因此需要我们在此基础上不断寻找新的突破点，加强对生物神经元系统的研究和探索，进一步挖掘其潜在的价值，将人工神经网络技术应用在更多领域中，为社会创造更大的财富。

参考文献

[1]周文婷，孟琪.运动员赛前心理调控的新策略――基于人工神经网络技术的比赛场地声景预测（综述）[J].哈尔滨体育学院学报，2015，33（03）：15-21.

[2]张红兰.人工神经网络技术的应用现状分析[J].中国新通信，2014（02）：76-76.

[3]张广军.人工神经网络技术在光电检测中的应用[J].北京航空航天大学学报，2001，27（05）：564-568.

作者单位

神经网络技术范文第5篇

在上世纪九十年代初期，利用数学知识将感知器模型的弊病全面提出，致使社会各界对于人工神经网络的探究非常少。另一方面，针对逻辑运算的人工神经网络研究存在一定的弊端，一直没有被大家发现，因此，致使人工神经网络探究工程进入严重的低谷期。

关于人工神经网络技术飞速发展时期，九十年代初期，对于人工神经网络技术的弊端予以充分解决，尤其是Hopefield的人工神经网络技术模型的提出，致使对于互联网的稳定性以及收敛性的探究有了充分的理论依据。而且将人工神经网络模型全面应用到具体的实践中，并且得到全面推广，同时，将科学技术和人工神经网络进行有机结合，使人工神经网络技术更加具有可研究性。

2关于人工神经技术的构造以及典型模型

互联网人工神经技术的构造的组成包括以神经元件为主，同时，这项包含多种神经元结构的互联网信息处理技术是可以并行存在的。每一个具体的人工神经元件可以单一输出，还可以和其他的神经元件相结合，并且具有非常多的连接输出方法，每一种连接措施都会有相应的权系数。具体的人工神经网络技术的特点有：（1）针对每一个节点i，都会有相应的状态变量Xi存在；（2）节点j到节点i之间，是相应的权系数Wij存在；（3）在每一个节点i的后面，具体存在相应的阈值θi；（4）在每一个节点i的后面，存在变换函数fi（Xi，Wijθi），但是，通常情况来说，这个函数取fi(∑，WijXi-θi)的情况。

3将人工神经网络技术进行全面使用

互联网的人工神经网络技术具有独特的结构和处理措施，具体包括在：自动控制处理和网络技术模式识别、模型图像处理和相应的传感器信号处理技术。信号处理技术和机器人控制处理技术、地理领域和焊接、在电力系统应用和相关数据挖掘、军事和交通行业、农业和气象行业等多个领域纷纷体现出其卓越的贡献。

ART人工神经网络技术的运用。人工神经网络技术ART在网络语音和网络图像、文字处理和具体识别等方面，得到广泛的应用；同时，在工业处理系统中也有相应的应用，例如，在工业系统中的故障诊断和故障检测以及事故警报等情况的控制；人工神经网络ART技术还应用在数据挖掘方面，在相关数据中挖掘最稳定和最有意义的模式。具体的神经网络技术ART的优势为：网络技术处理能力高、稳定性强以及聚类效果非常好。

4结束语

历经半个世纪人工神经网络技术的探究，其技术俨然成为当前使用最广泛以及非常成熟的领域。本文对神经网络的发展历程展开分析，将人工神经网络技术的结构进行阐述，提出了较为常见的几种人工神经技术系统的优势和劣势。并且对人工神经网络技术的全面使用和推广进行展望。通过对互联网人工神经网络独特作用的分析，并且伴随各个层次探究工作全面深入。人工神经网络技术得到广泛发展，相信其未来的发展空间会无限大。

神经网络技术范文第6篇

【关键词】人工神经网络 信息技术 发展趋势

人工神经网络技术在处理实际问题主要包括两个过程，一个是学习训练过程，另外一个是记忆联想过程。近年来随着人工网络技术的发展，人工神经网络技术在信号处理、图像处理、智能识别等领域已经取得了巨大的改变，为人们研究各类科学问题提供了一种新的方法和手段，使人们在交通运输、人工智能、军事、信息领域的工作更加便捷，近年来随着AI的发展，人工神经网络技术得到了快速的发展阶段。

1人工神经网络技术

人工神经网络技术也称ANN，是随着上个世纪八十年代人工智能发展兴起的一个研究热点，它的主要工作原理对人脑神经网络进行抽象处理，并仿造人脑神经网络建立简单的模型，按照不同的连接方式组成一个完整的网络，因此学术界也直接将它成为神经网络。神经网络其实就是一种运算模型，它是通过大量的节点——神经元连接起来的，其中不同的节点所代表的输出函数也不同，也就是所谓的激励函数；当有两个节点连接起来时称之为通过该连接信号的加权值，也称为权重，这就相当人脑神经网络记忆。人工神经网络技术是采用并行分布式系统，这种工作机理与传统的信息处理技术和人工智能技术完全不同，是一种全新的技术，它克服了传统基于逻辑符号的人工智能处理非结构信息化和直觉方面的缺陷，具有实时学习、自适应性和自组织性等特点。

2人工神经网络技术应用分析

随着人工神经网络技术的发展，它在模式识别、知识工程、信号处理、专家系统、机器人控制等方面的应用较广。

2.1生物信号的检测分析

目前大部分医学检测设备都是通过连续波形得到相关数据，从而根据所得数据对病情进行诊断。人工神经网络技术就是应用了这样的方式将多个神经元组合起来构成，解决了生物医学信号检测方面的难题，其适应性和独立性强，分布贮藏功能多。在生物医学领域该技术主要应用于对心电信号、听觉诱发电位信号、医学图像、肌电荷胃肠等信号的处理、识别和分析。

2.2医学专家系统

传统的医院专家系统是直接将专家的经验、学历、临床诊断方面取得的成绩等存储在计算机中，构建独立的医学知识库，通过逻辑推理进行诊断的一种方式。进入到二十一世纪，医院需要存储的医学知识越来越多，每天产生新的病况和知识，过去的一些专家系统显然已经无法适应医院的发展需求，因此医院的效率很低。而人工神经网络技术的出现为医院专家系统的构建提出了新的发展方向，通过人工神经网络技术，系统能够自主学习、自己组织、自行推理。因此在医学专家系统中该网络技术应用面较广。麻醉医学、重症医学中生理变量分析和评估较多，目前临床上一些还没有确切证据或者尚未发现的关系与现象，通过人工神经网络便能有效地解决。

2.3市场价格预测

在经济活动中，传统统计方法受到一些因素的制约，无法对价格变动做出准确的预测，因此难免在预测的时候出现失误的现象。人工神经网络技术能够处理那些不完整的、规律不明显、模糊不确定的数据，并作出有效地预测，因此人工神经网络技术具有传统统计方法无法比拟的优势。例如人工神经网络技术可以通过分析居民人均收入、贷款利率和城市化发展水平，从而组建一个完整的预测模型，准确预测出商品的价格变动情况。

2.险评价在从事某一项特定的活动时，由于社会上一些不确定因素，可能造成当事人经济上或者其他方面的损失。因此在进行某一项活动时，对活动进行有效的预测和评估，避免风险。人工神经网络技术可以根据风险的实际来源，构筑一套信用风险模型结构和风险评估系数，从而提出有效地解决方案。通过信用风险模型分析弥补主观预测方面的不足，从而达到避免风险的目的。

3人工神经网络技术未来发展

人工神经网络克服了传统人工智能对语言识别、模式、非结构化信息处理的缺陷，因此在模式识别、神经专家系统、智能控制、信息处理和天气预测等领域广泛应用。随着科学技术的进步，AI的快速发展，AI与遗传算法、模糊系统等方面结合，形成了计算智能，很多企业和国家开始大规模研发AI，人工神经网络正在模拟人类认知的方向发展，目前市场已经有很多不少人工智能产品面世。

4结语

通过上述研究分析，人工神经网络技术已经取得了相应的发展，但还存在很多不足：应用范围狭窄、预测精度低、通用模型缺乏创新等，因此需要我们在此基础上不断寻找新的突破点，加强对生物神经元系统的研究和探索，进一步挖掘其潜在的价值，将人工神经网络技术应用在更多领域中，为社会创造更大的财富。

参考文献

[1]周文婷,孟琪.运动员赛前心理调控的新策略——基于人工神经网络技术的比赛场地声景预测(综述)[J].哈尔滨体育学院学报,2015,33(03):15-21.

[2]张红兰.人工神经网络技术的应用现状分析[J].中国新通信,2014(02):76-76.

[3]张广军.人工神经网络技术在光电检测中的应用[J].北京航空航天大学学报,2001,27(05):564-568.

神经网络技术范文第7篇

1.1拓扑结构调节

通过对静态邻域的各种结构以及它们对技术性能影响进行分析后得出，在拓扑适应性方面星形拓扑、VonNeumann拓扑以及环形拓扑最好。此外，人工神经网络技术性能与邻域密切相关，处理复杂问题时小邻域的人工神经网络技术性能较好，但是处理简单问题上大邻域的人工神经网络技术性能会更好。Chend从改进人工神经网络结构的角度出发，提出了一种具有双结构的人工神经网络技术。技术将神经网络单元分为M+1层，其中“1”指顶层，技术通过获得顶层神经网络单元的全局最优值影响其余各层的粒子对最优值的探索，以此提高神经网络单元搜索结果的多样性。该技术考虑到神经网络单元体表现以及粒子个体的表现，并将其作为触发条件控制领域变化从而提高寻优效率。提出了KRTG-人工神经网络技术，通过产生随机动态的网络拓扑结构并将平均值引入到粒子更新公式中，增加了种群的多样性，改善了粒子间信息的传播速度。

1.2结合其他技术改进

相关研究将遗传技术中遗传算子的选择、交叉、变异等过程与人工神经网络技术相结合，提出一种混合技术。改进后的技术提高人工神经网络技术的性能，增加种群的多样性并提高逃离局部最小的能力，可以将差分进化技术和人工神经网络技术相结合，通过两种技术的交叉执行来提高改进技术的效率。白俊强等将二阶振荡和自然选择两种方法融入到人工神经网络技术中，通过二阶振荡对技术速度公式进行更新，通过自然选择提高了神经网络单元中靠近最优值粒子的比重。通过收集粒子的取值信息构建记忆库，让库中信息和粒子自身极值共同决定粒子的寻优方向，从而提高寻优准确性。

2人工神经网络技术在计算机系统中的应用

2.1系统管理模块

系统管理模块主要是系统管理员对系统进行维护操作，包括用户的认证、数据的维护以及系统安全管理。系统用户认证模块，由于系统的用户包括专家用户，负责对评估因子进行筛选确定以及对评估因子进行打分操作；管理员，负责系统维护以及相关数据的录入、修改和删除操作；普通用户，所以系统需要对用户进行认证以便完成与其身份相对应的操作，确保系统安全。系统的后台维护模块主要用来完成数据库导出以及软件维护操作，系统安全管理模块主要对系统的用户权限进行管理。

2.2资源管理模块

资源管理模块主要是用来管理系统所有的安全驾驶理论知识体系的，包括文字、图片、视频和动画。主要操作有插入、修改、删除。文字信息管理模块，面向系统管理员，主要用来管理系统的文字信息，文字信息包括地点名称等信息，文字对应相应的知识点，大多以理论知识和测试题的模式存在于模块中。图片信息管理模块面向系统管理员，主要用来管理图片相关信息，包括图片名称、所属知识点信息。图片和文字一样，用来进行知识的展示。视频信息管理模块面向系统管理员，主要用来管理视频信息，采用人工神经网络技术。人工神经网络技术指以神经元方式在网络中传送音频、视频和多媒体文件的媒体传输技术。

2.3系统关键技术

2.3.1使用人工神经网络作为接口处理规范。

由于本系统是在浏览器中访问，需要访问核心数据库，在这里我们采用人工神经网络技术，可以对系统数据访问接口进行扩展，对数据进行格式化以提高可读性。在系统中我们采用的是标准的人工神经网络格式，其中报文分为报文的头和体两部分。

2.3.2系统网络拓扑结构。

为了保障系统的安全性，我们在这里采用两个服务器：一个是用于数据存储的服务器；另一个是用于用户请求处理的服务器。系统对于用户的使用分为内网用户和外网用户，内网用户是在内部局域网进行访问系统，针对的是学习系统的管理员，外部用户是互联网上的用户，针对的是进行在线学习的学习者。在服务器与内网、内网与外网之间都设置了防火墙，以保障数据的传输安全和数据库的安全。这样的拓扑结构有效地保障了系统的安全性和稳定性，其好处主要包括：人工神经网络三层结构将业务处理和数据处理的服务器分开，有利于系统的维护和升级，保障了系统数据的安全；分布式的网络布局，对于不同的用户有不同的访问方式，多渠道的访问方式有效地避免了不兼容的情况的发生，系统的可用性得到了提高。

2.4数据库设计

所选择的数据库需要有良好数据组织结构，可以使整个系统迅速、方便、准确地调用管理所需的数据，提高整个系统的性能。为了达到上述要求，系统采用神经元数据库。神经元数据库是一个对象——关系型数据库，它提供了开放、全面、集成的信息管理方法，数据存储具有透明性。有了一个高性能数据库作为基础，还需要好的数据库结构，数据库结构设计的好坏将直接影响系统的效率和实现的效果，好的数据结构设计会使得系统具有较快的响应速度，提高数据的完整性和一致性，大大提高整个系统的性能。

3结语

本文应用人工神经网络技术，确立了系统的三层体系结构，将系统分为了表现层、逻辑业务层和数据层；对系统的功能进行了介绍，介绍了所需关键的技术，构建了系统网络拓扑结构，在此基础上完成了对系统数据库的设计；按照上述系统设计对系统的功能进行了实现，展示出系统的一些操作界面与关键技术的实现代码，给用户提供了一个可靠的计算机应用系统。

神经网络技术范文第8篇

只有清楚地了解电梯控制系统的运行原理才能够及时准确的诊断出电梯故障原因，因此清楚的了解电梯运行原理,每一个电梯维修人员必须要做到。电梯运行过程总体上可分为以下几个阶段：第一、登记层外召唤信号和登记内选指令阶段；第二、电梯门关闭或者电梯按照系统指令停运阶段；第三、启动阶段；第四、在到达信号记录的楼层前进行减速制动；第五、平层开门阶段。在整个过程中电梯需要从外界接收信号并处理，然后完成相应的指令或者输出信号，由此可以将电梯看作是一个完整的独立的系统，只需要外界给予相应的信号就可以自动的做出动作。电梯系统内部复杂的构件紧密的结合在一起，正是如此才使得电梯系统故障具有了复杂性、层次性、相关性以及不确定性的特点。

二、神经网络技术基本原理

生物学上的神经是由一个个简单的神经元相互连接进而形成了复杂的庞大的神经系统，同理，神经网络就是由大量简单的处理单元相互连接形成的复杂的智能系统。单独的处理单元类似于一个神经元，是一个可以接受不同信息但是只输出一种信息的结构单位。神经网络系统与生物学神经系统相似的是具有自我修改能力，它可以同时接收大量的数据并进行统一的分析处理，进而输出相应的处理结果。这就使得神经网络系统具有了高度容错性、高度并行性、自我修改性、学习性以及高度复杂性，也正是由于这些特性才使的利用神经网络技术能够及时准确的查明电梯故障原因并得出故障解决方案。电梯故障诊断中应用的神经网络模型分为三个层次：输入层、接收外部信号或者是电梯自我检测信息（如载重信息）；隐含层、对接收到了大量数据进行相应的分析处理；输出层、将记录着动作命令的数据传送出来。在电梯出现故障时，首先可以通过神经网络模型快速确定故障发生在哪一层达到节约时间的目的。但是神经网络也会因为收敛速度过于慢、训练强度太大或者是选择的网络模型不好等问题导致诊断结果受到影响。

三、神经网络模型在电梯故障诊断中的应用分类

神经网络模型已经成为了如今电梯故障诊断中应用最广泛的技术模型，相比于传统方式它具有诊断速度快、故障原因命中率高的优点，因此引起了各方面专业人士的强烈关注，并在他们的不懈努力下得到了发展与创新。它跨越多个专业领域、通过对各种复杂的高难度工作的不断的发展与改进出现了越来越多的应用模型，下面主要介绍了当前应用最普遍的BP网络模型，并且简单的引入并介绍了近年来新兴的模糊神经网络模型和遗传小波神经网络模型。

（一）BP网络模型

BP神经网络作为神经网络应用最广泛的一种，它多应用的误差反向传播算法使其在模式识别、诊断故障、图像识别以及管理系统方面具有相对先进性。基于BP网络的电梯故障诊断技术就是通过学习故障信息、诊断经验并不断训练，并将所学到的知识利用各层次之间节点上的权值从而表达出来。BP网络系统的主要诊断步骤主要可以分为三步。第一步：对输入输出的数据进行归一化处理，将数据映射到特定的区间。第二步：建立BP网络模型，训练BP网络模型。第三：通过已经训练好的网络模型对原来的样本进行全面的检测。算法步骤：a、在一定的取值范围内对数据进行初始化；b、确定输入值数值大小，计算出预期输出量；c、用实际输出的值减去上一步得到的数值；d、将上一步得到的误差分配到隐含层，从而计算出隐含层的误差；e、修正输出层的权值和阈值，修正隐含层的权值；f、修正隐含层的阈值，修正隐含层和输入层的权值。

（二）遗传小波神经网络模型

遗传算法运用了生物界的优胜劣汰、适者生存的思想对复杂问题进行优化，适用于复杂的故障，起到了优化简化问题的作用。对局部数据进行详细的分析是小波法最大的特点，所以它被誉为“数字显微镜”。遗传算法小波神经网络就是运用小波进行分解的方法分解模拟故障信号，将得到的数据进行归一化，将归一化后的数值输入到神经网络模型中。它融合了神经网络、小波分析和遗传算法三者所有的优点。基于遗传小波神经网络的电梯故障诊断的一般步骤为：测试节点信号采样、小波分解、故障特征量提取、归一化得到训练样本集、遗传算法优化、得到故障类型。遗传小波神经网络模型在故障原因复杂、数据信息量巨大的电梯系统的应用中能够发挥更大的作用。

（三）模糊神经网络模型

模糊神经网络模型就是创新性的将神经网络与模糊理论结合到一起。它采用了广义的方向推理和广义的前向推理两种推理方式。与其它两种模型不同的是，它的语言逻辑、判断依据和结论都是模糊的。但是它的数据处理能力还有自我学习能力并没有因此而变差，反而更加丰富了它的定性知识的内容。在处理实际问题的过程中，首先要建立所有可能发生的故障的完整集合，其次将所有的故障发生原因归入到同一个集合中去，最后就是建立故障和原因的关系矩阵。分别叫做模糊故障集、模糊原因集、模糊关系矩阵。相较于BP网络模型，这种模型更加的简单易行，充分发挥了神经网络和模糊逻辑的优点，不会因为故障原因过于复杂而失去诊断的准确性，在原本丰富定性知识和强大数据处理能力的基础上具有了很大的自我训练能力。

四、结语

综上所述，神经网络技术可以应用于复杂多模式的故障诊断并且既可以用于实时监测也可以进行离线诊断，在系统模式非常复杂或者根本不知道系统模式的情况都可以应用，这些特点恰恰解决了传统方法中最最难以解决的问题，它的应用提高了电梯故障的诊断速度和准确度，保证了电梯运行的安全性。虽然神经网络技术的优点很多，但是在实际生活中的应用还很少，因此还需要不断的进行改进完善。同时还要注意将集中诊断方法融合到一起，例如稳重提到的模糊神经网络模型和遗传小波神经网络模型都是集成应用的典型代表。

神经网络技术范文第9篇

随着我国社会主义现代化建设不断加快发展的过程中，城市化进程在不断的推进，而作为我国国民经济中最为重要的电力发展的建设开始迎来了新的挑战和压力，尤其是随着电力规模的不断扩大，建设的周期延长以及范围的不断加大，都给电力工程的造价带来了巨大的挑战。在这样的发展趋势下，为了有效让电力建设的发展具有一定的安全性保障，并在可行性的工程造价的顺利开展下，通过数据挖掘和神经网络技术的应用，来促进我国电力建设的发展。本文也将从这两个方面的技术应用来展开较为系统的分析。

【关键词】

数据挖掘；神经网络技术；电力工程造价；应用分析

随着科学技术的发展，经济全球化的趋势，数据挖掘已经在全世界范围内得到了广泛的关注和应用，并得以快速发展起来，而其中最根本的原因在于全球化的科学信息技术的发展和快速世界化的感染和流行，使得互联网技术在几年内瞬间发展起来，造成了数据过量和信息膨胀的现象，因此人们在这种形势下，急需要通过一种新型的技术来对这些信息进行处理，通过筛选和提取最有效、最有价值的部分出来，因此数据挖掘起到了重要作用，而在电力工程的造价应用，通过数据挖掘和神经网络技术，实现了其更加系统化的发展。

1数据挖掘的定义

数据挖掘的源起与发展可追溯回到20世纪80年代。这种数据的挖掘从不同的角度理解，有不同的含义，而其实最主要的意思是把海量综合性的数据通过挖掘出最有用、最有效的模式和知识的一个过程，并通过这种数据的挖掘来对未知的潜在的内容进行提取。因此从广义上来将，这种数据挖掘的定义是一个从不完整的、不明确的、大量的并且包含噪声，具有很大随机性的实际应用数据中，提取出隐含其中、事先未被人们获知、却潜在有用的知识或模式的过程。这个过程事实上也即是数据挖掘的最根本目的，对复杂而混乱的信息进行分析和处理，并提取最有用的知识和信息给决策者。另一方面，从技术角度而言，数据挖掘的实现是借助一整套全面的数据计算，实现对海量数据信息的提取过程，并使得这部分被提取出来的信息是对人们在概念、模式以及规律等方面是最有价值的。它的这种技术操作主要是对历史数据信息的分析，并把隐藏在潜在中的数据和关系分析挖掘出来，从而提供给人们对未来可能发生的结果起到协助分析研究的作用。

2通过神经网络技术建立数据模型

神经网络技术的实现，是通过这种技术来对人的大脑所具有的结构和功能进行模拟化，并达到具有模式识别的计算模型，其组成部分包括了隐层节点、输入节点以及输出节点三个部分。而关于隐层的部分，组成可是一层或多层的形式，一个神经网络的组成包括了非常多的成层排列的节点，数字信息的传输就依靠这些节点的存在。输入信号，最有特点的神经网络是采用一个输入层和输入层以及位于中层的很多节点而组成起来的，并每个节点把输入的信息作非线性处理后，然后把输出的数字化结构传送到另外的节点，从而反复循环下去，就通过多个节点的作用函数之间的共同功能的发挥来得到最终的结果。

3数据挖掘与神经网络技术的电力工程造价中的应用

3.1对历史数据的搜集和整理

对数据和资料的搜集工作，主要有电力系统的内部资料内容，以及在互联网技术的帮助下所搜寻获取到的数据资料，而且包括在持续一周左右的时间被研究用电地区的电力负荷所使用的历史数据信息，并对所进行搜集的该地区的时间天气情况、气温高低、湿度大小以及是否是工作日的信息内容。然后将这些搜集到的信息资料进行汇总整合，然后筛选出预测所要求的数据和信息内容。在这个过程中，需要注意的是，筛选数据要选择与当前时间最接近，而且具有较安全和可靠的数据来源，只有这样才能从根本上确保电力负荷预测的质量，才能达到电力负荷预测要求的准确度，从而使得所建立的负荷预测模型的使用更加合理，才能真正表现出电力负荷数据的有效规律。

3.2对历史电力负荷数据的预处理

在大多数情况下，负荷预测所得到的结果在质量上与所选用资料和数学的质量相比较，并没有绝对的优势，因此如果所搜集的数据要进行负荷预测模型的这部分数据则要通过预处理的过程才能确保数据的质量。而这种预处理除了通过比较老式的人工审核的办法以外，还可以通过数据的挖掘来提高对数据处理的工作效率和质量，并对数据中存在的异常值进行及时的发现和处理修改，这也是一种为工作人员在出现部分数据的疏漏时进行填补的作用。

3.3建立负荷预测模型来进行负荷数据的预测

为了有效而准确的测出负荷数据，可通过建立负荷预测的模型，这种模型的种类较为多，包括人工神经网络模型、专家系统模型等，但到底使用哪种模型来对数据进行预测才能达到预期的预测效果和质量，还需要通过慎重选择才能实现。

3.4对预测结果的误差分析

一个短期的电力负荷预测模型如果已经建立完成，那么要判断其预期的效果是否有效和准确，那么就要对这种预测模型的预测结果进行误差分析即可。这种误差的分析是因为预测模型的输出结果相似于预测日的负荷值，因此利用这种与真实数据之间的差值进行误差的大小确立起预测结果是否准确有效。另外一方面，不仅如此，还可以在这种误差分析的作用下，来对预测工作和预测的方法积累更多的实用性的经验。尤其是在我国电力改革在快速发展的状态下，电网的运作方式已经开始从各个方面包括规划、建设、规模以及范围都发生了改变，所以要求电网建设要具备更加规范化和科学合理化的标准进行更进一步的发展和完善，并在当前科学技术的支持作用下，引入科学的管理理念、先进的数据分析方法以及信息化技术，在技术的不断推动应用下，让人们对相关数据信息的获取量更多。所以，在预测数据方面的技术还需要不断得到更加深入的发展，才能为我国的电力建设提供更加有力的帮助。

3.5数据挖掘与神经网络技术的电力造价应用总结

在电力造价的应用过程中，其数据挖掘和神经应用的技术应用实现了对电力数据结果、运行速度之间的关联性，并对我国的电力建设发挥着重要的积极意义。而通过数据挖掘和神经网络技术的造价预测模型的建立，得出了更加多元化的输入和输出，这反映除了在电力工程造价过程中的多元非线性映射问题，所以通过模糊的神经网络来实现对电力工程造价的核心计算办法。在神经网络的技术应用下，实现了数据信息的搜集和筛选，但实质上这个神经网络的推理筛选过程还有一定的无法确切的解释。而模糊系统则通过逻辑推理和专业领域的知识让技术的应用更加具有一种指向性。基于神经网络的模糊系统能够综合两者的优点，有效的通过这种数据挖掘和神经网络技术的应用，提高了互联网技术应用的容错性和泛化能力，并提高了模型建立的有效性。

4结束语

综上所述，在我国的电力工程造价预测和改革发展的过程中，数据挖掘以及神经网络技术在其中起到了不可替代的关键性作用，并为了电力建设的发展带来了非常实用性的价值。通过数据挖掘技术来对大量的综合信息数据进行预处理和筛选，来达到数据信息所能起到的最大的作用，并在神经网络技术对所创建的专业模型的应用，让人工预测和审查的被动性得到了解决，并提高了电力工程造价过程中人为因素的消极影响，而更好的保障了信息结果的有效性。

作者：刘勇华 单位：广东汇盈电力工程有限公司

参考文献

[1]欧阳子才.数据挖掘和神经网络技术的电力工程造价应用[J].中华民居，2013，18（21）：279~280.

[2]乔承龙，王亚奇.数据挖掘和神经网络技术的电力工程造价应用[J].中国新技术新产品，2014，12（15）：25，26.

神经网络技术范文第10篇

随着我国社会主义现代化建设不断加快发展的过程中，城市化进程在不断的推进，而作为我国国民经济中最为重要的电力发展的建设开始迎来了新的挑战和压力，尤其是随着电力规模的不断扩大，建设的周期延长以及范围的不断加大，都给电力工程的造价带来了巨大的挑战。在这样的发展趋势下，为了有效让电力建设的发展具有一定的安全性保障，并在可行性的工程造价的顺利开展下，通过数据挖掘和神经网络技术的应用，来促进我国电力建设的发展。本文也将从这两个方面的技术应用来展开较为系统的分析。

【关键词】

数据挖掘；神经网络技术；电力工程造价；应用分析

随着科学技术的发展，经济全球化的趋势，数据挖掘已经在全世界范围内得到了广泛的关注和应用，并得以快速发展起来，而其中最根本的原因在于全球化的科学信息技术的发展和快速世界化的感染和流行，使得互联网技术在几年内瞬间发展起来，造成了数据过量和信息膨胀的现象，因此人们在这种形势下，急需要通过一种新型的技术来对这些信息进行处理，通过筛选和提取最有效、最有价值的部分出来，因此数据挖掘起到了重要作用，而在电力工程的造价应用，通过数据挖掘和神经网络技术，实现了其更加系统化的发展。

1数据挖掘的定义

数据挖掘的源起与发展可追溯回到20世纪80年代。这种数据的挖掘从不同的角度理解，有不同的含义，而其实最主要的意思是把海量综合性的数据通过挖掘出最有用、最有效的模式和知识的一个过程，并通过这种数据的挖掘来对未知的潜在的内容进行提取。因此从广义上来将，这种数据挖掘的定义是一个从不完整的、不明确的、大量的并且包含噪声，具有很大随机性的实际应用数据中，提取出隐含其中、事先未被人们获知、却潜在有用的知识或模式的过程。这个过程事实上也即是数据挖掘的最根本目的，对复杂而混乱的信息进行分析和处理，并提取最有用的知识和信息给决策者。另一方面，从技术角度而言，数据挖掘的实现是借助一整套全面的数据计算，实现对海量数据信息的提取过程，并使得这部分被提取出来的信息是对人们在概念、模式以及规律等方面是最有价值的。它的这种技术操作主要是对历史数据信息的分析，并把隐藏在潜在中的数据和关系分析挖掘出来，从而提供给人们对未来可能发生的结果起到协助分析研究的作用。

2通过神经网络技术建立数据模型

神经网络技术的实现，是通过这种技术来对人的大脑所具有的结构和功能进行模拟化，并达到具有模式识别的计算模型，其组成部分包括了隐层节点、输入节点以及输出节点三个部分。而关于隐层的部分，组成可是一层或多层的形式，一个神经网络的组成包括了非常多的成层排列的节点，数字信息的传输就依靠这些节点的存在。输入信号，最有特点的神经网络是采用一个输入层和输入层以及位于中层的很多节点而组成起来的，并每个节点把输入的信息作非线性处理后，然后把输出的数字化结构传送到另外的节点，从而反复循环下去，就通过多个节点的作用函数之间的共同功能的发挥来得到最终的结果。

3数据挖掘与神经网络技术的电力工程造价中的应用

3.1对历史数据的搜集和整理

对数据和资料的搜集工作，主要有电力系统的内部资料内容，以及在互联网技术的帮助下所搜寻获取到的数据资料，而且包括在持续一周左右的时间被研究用电地区的电力负荷所使用的历史数据信息，并对所进行搜集的该地区的时间天气情况、气温高低、湿度大小以及是否是工作日的信息内容。然后将这些搜集到的信息资料进行汇总整合，然后筛选出预测所要求的数据和信息内容。在这个过程中，需要注意的是，筛选数据要选择与当前时间最接近，而且具有较安全和可靠的数据来源，只有这样才能从根本上确保电力负荷预测的质量，才能达到电力负荷预测要求的准确度，从而使得所建立的负荷预测模型的使用更加合理，才能真正表现出电力负荷数据的有效规律。

3.2对历史电力负荷数据的预处理

在大多数情况下，负荷预测所得到的结果在质量上与所选用资料和数学的质量相比较，并没有绝对的优势，因此如果所搜集的数据要进行负荷预测模型的这部分数据则要通过预处理的过程才能确保数据的质量。而这种预处理除了通过比较老式的人工审核的办法以外，还可以通过数据的挖掘来提高对数据处理的工作效率和质量，并对数据中存在的异常值进行及时的发现和处理修改，这也是一种为工作人员在出现部分数据的疏漏时进行填补的作用。

3.3建立负荷预测模型来进行负荷数据的预测

为了有效而准确的测出负荷数据，可通过建立负荷预测的模型，这种模型的种类较为多，包括人工神经网络模型、专家系统模型等，但到底使用哪种模型来对数据进行预测才能达到预期的预测效果和质量，还需要通过慎重选择才能实现。

3.4对预测结果的误差分析

一个短期的电力负荷预测模型如果已经建立完成，那么要判断其预期的效果是否有效和准确，那么就要对这种预测模型的预测结果进行误差分析即可。这种误差的分析是因为预测模型的输出结果相似于预测日的负荷值，因此利用这种与真实数据之间的差值进行误差的大小确立起预测结果是否准确有效。另外一方面，不仅如此，还可以在这种误差分析的作用下，来对预测工作和预测的方法积累更多的实用性的经验。尤其是在我国电力改革在快速发展的状态下，电网的运作方式已经开始从各个方面包括规划、建设、规模以及范围都发生了改变，所以要求电网建设要具备更加规范化和科学合理化的标准进行更进一步的发展和完善，并在当前科学技术的支持作用下，引入科学的管理理念、先进的数据分析方法以及信息化技术，在技术的不断推动应用下，让人们对相关数据信息的获取量更多。所以，在预测数据方面的技术还需要不断得到更加深入的发展，才能为我国的电力建设提供更加有力的帮助。

3.5数据挖掘与神经网络技术的电力造价应用总结

在电力造价的应用过程中，其数据挖掘和神经应用的技术应用实现了对电力数据结果、运行速度之间的关联性，并对我国的电力建设发挥着重要的积极意义。而通过数据挖掘和神经网络技术的造价预测模型的建立，得出了更加多元化的输入和输出，这反映除了在电力工程造价过程中的多元非线性映射问题，所以通过模糊的神经网络来实现对电力工程造价的核心计算办法。在神经网络的技术应用下，实现了数据信息的搜集和筛选，但实质上这个神经网络的推理筛选过程还有一定的无法确切的解释。而模糊系统则通过逻辑推理和专业领域的知识让技术的应用更加具有一种指向性。基于神经网络的模糊系统能够综合两者的优点，有效的通过这种数据挖掘和神经网络技术的应用，提高了互联网技术应用的容错性和泛化能力，并提高了模型建立的有效性。

4结束语

综上所述，在我国的电力工程造价预测和改革发展的过程中，数据挖掘以及神经网络技术在其中起到了不可替代的关键性作用，并为了电力建设的发展带来了非常实用性的价值。通过数据挖掘技术来对大量的综合信息数据进行预处理和筛选，来达到数据信息所能起到的最大的作用，并在神经网络技术对所创建的专业模型的应用，让人工预测和审查的被动性得到了解决，并提高了电力工程造价过程中人为因素的消极影响，而更好的保障了信息结果的有效性。

作者：刘勇华 单位：广东汇盈电力工程有限公司

参考文献

[1]欧阳子才.数据挖掘和神经网络技术的电力工程造价应用[J].中华民居，2013，18（21）：279~280.

[2]乔承龙，王亚奇.数据挖掘和神经网络技术的电力工程造价应用[J].中国新技术新产品，2014，12（15）：25，26.