簡介：點擊查看更多60099.人工神經元網絡在智能空間決策支持系統(tǒng)中的應用研究精彩內容。

簡介：點擊查看更多60114.基于人工智能技術的地下水系統(tǒng)參數識別研究精彩內容。

簡介：點擊查看更多46725.人工智能在地震滑坡危險性評價中的應用精彩內容。

簡介：點擊查看更多基于蟻群和人工魚群混合群智能算法在物流配送路徑優(yōu)化問題中的應用研究(1)精彩內容。

簡介：點擊查看更多39169.基于改進人工魚群智能算法在水下潛器路徑規(guī)劃中的應用研究精彩內容。

簡介：點擊查看更多40766.集散式人工氣候室智能監(jiān)控系統(tǒng)設計精彩內容。

簡介：點擊查看更多35157.一種新型的智能優(yōu)化算法—人工根系算法精彩內容。

簡介：華東師范大學博士學位論文基于人工智能的土地利用適宜性評價模型研究與實現姓名於家申請學位級別博士專業(yè)地圖學與地理信息系統(tǒng)指導教師吳健平陳蕓20100401基于元胞自動機的潛在土地利用適宜性模擬在～定程度上使預測性土地評價工作更規(guī)范化和精確化，使土地利用適宜性評價工作更符合土地利用規(guī)劃和決策人員的實際要求，為土地可持續(xù)利用提供更好的方法措施和技術支持。三、蟻群算法發(fā)掘土地利用適宜性分類規(guī)則。在獲取土地利用適宜性分類規(guī)則的方法上，本文創(chuàng)新性的引入了最新的人工仿生學智能理論蟻群算法。該方法避免了層次分析法中權重分配的主觀因素，降低了評價過程中權重不確定性的干擾。本文借鑒了基于規(guī)則的分類法中對規(guī)則的定義，將適宜性規(guī)則表達為IFTHEN的條件關系的形式，同時把由樣本獲取的知識信息也通過該形式轉換，并輸入訓練集，供蟻群算法發(fā)掘分類規(guī)則使用。由蟻群算法中優(yōu)化路徑的機制，抽象出訓練數據集中發(fā)掘分類規(guī)則的數據結構，來發(fā)掘規(guī)則，進行土地利用適宜性分類，形成評價結果圖。四、空間權重敏感性分析。本文的空間權重敏感性分析是運用改進的OATONEATATIME方法展丌的，由此探究評價結果的穩(wěn)定性、準則因子的相對權重敏感性，以及如何減低多準則決策方法的不確定性等內容。結果通過表格、圖表和專題圖的形式表達，能方便明確的找出敏感性高的地理區(qū)位。五、土地利用適宜性評價模型工具的開發(fā)。本文基于MICROSOFTC舞NET開發(fā)平臺、運用ESRIARCGISENGINE開發(fā)組件、MATHWORKSMATLAB嵌入式開發(fā)組件等設計開發(fā)了LSAGIS模型工具，并給出了關鍵的設計流程與示例代碼。設計中特別注重了以用戶良好感受為中心的交互設計方法，提升用戶使用的工作效率。交互設計中貫徹了UML統(tǒng)一建模的方法，使設計過程更規(guī)范化，為今后的模型工具的功能擴展打下基礎。六、研究區(qū)灌溉農業(yè)用地實例分析。本文選取澳大利亞MACINTYREBROOK流域作為研究區(qū)，分別用層次分析法、土地利用適宜性分類規(guī)則發(fā)掘方法和基于元胞自動機的土地利用適宜性模擬方法做了灌溉農地適宜性分析與評價。這三種評價結果根據一定的規(guī)則分別進行空間分析對比，得出各種評價方法的可行性、合理性和存在的局限性。實驗證明，LSAGIS模型工具在研究區(qū)的評價工作中取得了良好的效果，同樣可以在其他研究區(qū)的評價工作中推廣使用。Ⅱ

簡介：分類號O4密級UDC碩士學位論文人工智能方法在埋地目標探測問題中的應用研究學位申請人汪洋學科專業(yè)凝聚態(tài)物理指導教師張清河副教授二○一二年三月三峽大學碩士學位論文I三峽大學學位論文原創(chuàng)性聲明本人鄭重聲明所呈交的學位論文，是本人在導師的指導下，獨立進行研究工作所取得的成果，除文中已經注明引用的內容外，本論文不含任何其他個人或集體已經發(fā)表或撰寫過的作品成果。對本文的研究做出重要貢獻的個人和集體均已在文中以明確方式標明，本人完全意識到本聲明的法律后果由本人承擔。學位論文作者簽名日期

簡介：點擊查看更多基于棋牌類組合規(guī)則的游戲人工智能的設計與實現精彩內容。

簡介：中國石油大學（華東）碩士學位論文基于人工神經網絡改進型參數整定的智能PID控制研究姓名劉燕燕申請學位級別碩士專業(yè)計算機應用技術指導教師史永宏20090501RESEARCHONINTELLIGENTPIDBASEDONANNANDIMPROVEDPARAMETERMODIFICATIONLIUYANYANCOMPUTERAPPLICATIONTECHNOLOGYDIRECTEDBYASSOCIATEPROFSHIYONGHONGABSTRACTPIDCONTROLISWIDELYADOPTEDINMANYFIELDSBECAUSEOFITSSIMPLESTRUCTURE，HIGHRELIABILITYANDEASILYIMPLEMENTATION。THETRADITIONALPIDHASGOODCONTROLEFFECTIFTHEPARAMETERSOFSYSTEMMODELHAVENOTBIGVARIATIONHOWEVER，晰NLTHEDEVELOPMENTOFTHEMODEMINDUSTRY，THEPROCESSOFINDUSTRIALPRODUCTIONISSOMETIMESNONLINEAR，UNCERTAINANDISDIFFICULTTOESTABLISHACCURATEMATHEMATICMODEL，SOUSINGTRADITIONALPIDCONTROLLERISIMPOSSIBLETOACHIEVEPERFECTCONTROLLINGEFFECTARTIFICIALNEURALNETWORKANNISALLIMPORTANTBRANCHOFINTELLIGENTCONTROL，ITHASTHEABILITYOFSELFSTUDY，SERFADAPTINGANDSELFORGANIZINGSOCOMBINLNGTHEANNANDTHEPID，FORMTHECOMPOUNDANNPIDCONTROLLERWHICHNEEDNOTSETTHEACCURATEMATHEMATICMODELITIDENTIFIESANDSETSTHECONTROLLEDPROCESSPARAMETERAUTOMATICALLY，ANDCANSOLVETHEPROBLEMOFCONVENTIONALPIDCONTROLLERWITHDIFFICULTPARAMETERSETTING，UNFORCEMENTROBUSTNESSANDNOTREALTIMEPARAMETERTUNINGTHEWORKOFTHISPAPERMAINLYCONSISTSOFTWOPARTSATFIR觀ANALYSISTHETRADITIONALPIDALGORITHMDEEPLYFORTHESYSTEM’SREQUESTOFTHEINTEGRALWHENTHEA唧ISBIGGISHTHEINTEGRALSHOULDBEREDUCED，CONTRARILY，THEINTEGRATESHOULDBESTRENGTHENEDBASEDONTHISIDEAL，PUTFORWARDTHEELASTICINTEGRALPIDALGORITHMBASEDONTHESHIFTEDINTEGRALTHESIMULATIONSHOWSTHATTHEALGORITHMCALLMAKETHECONTROLSYSTEMMORESTEADYINTHENEXTPLACE，BPNEURALNETWORKPIDCONTROLLERISRESEARCHEDPRIMARILYINTHEPAPERWITHTHEBPALGORITHM，THECHOICEOFINITIALWEIGHTINFLUENCESONTHEAPPEARANCEOFLOCALMINIMUMPO訪TANDIMPROVEMENTOFNETWORKEONSTRINGENCYIFTHECHOICEOFSCOPEISNOTRIGHTATTHEBEGINNINGOFTHELEARNINGPROCESS，MAYARISETHE“PSEUDOSATURATION’PHENOMENONEVENENTERTHELOCALMINIMUMPOINTANDTHENETWORKISNOTCONVERGEDTHEREFORE，USETHEGLOBALSEARCHABILITYOFPARTICLESWARMOPTIMIZATIONIFSOTOOPTIMIZETHEINITIALWEIGHTSOFBPNN，AVOIDTHEPOSSIBILITYOFSLOWCONSTRINGENCY，THEEXISTENCEOFLOCALMINIMUILL，ANDSOONFORTHEPRECOCIOUSPHENOMENONOFPSO，THEIDEAOFMUTATIONWILLBEINTRODUCEDTOTHEPSO，ANDMAKETHEIMPROVEDIPSOBPOPTIMIZETHEWEIGHTSOFTHEPIDCONTROLLERI

簡介：大連理工大學碩士學位論文基于偏差分析和人工智能方法的電廠機爐運行優(yōu)化研究姓名祝芳申請學位級別碩士專業(yè)熱能工程指導教師李素芬20061201基于偏差分析和人工智能方法的電廠機爐運行優(yōu)化研究STUDYONOPERATIONOPTIMIZATIONOFBOILERANDTURBINEINPOWERPLANTBASEDONDEVIATIONANALYSISANDARTIFICIALINTELLIGENCEABSTRACTDEVIATIONANALYSISISALLEFFECTIVEMETHODFORPOWERUNITPERFORMANCEMONITORB、‘ANALYZINGKEYOPERATIONPARAMETERSANDREDUCINGCONTROLLABLELOSSACCORDINGTOTHEDEVIATIONHOWEVERUNREASONABLEREFERENCEVALUEOFOPERATIONPARAMETERISTHEMEANPOINTOFPROVIDINGALIMITATIONFORWIDEAPPLICATIONOFDEVIATIONANALYSIS硒EREFERENCEVALUEOFOPERATIONINDICESONENERGYLOSSDIAGNOSISANDENERGYSAVINGANALYSISOFPOWERUNITISDISCUSSEDBASEDONDEVIATIONANALYSIS，ANDAMETHODOFARTIFICIALNEURALNETWORKANDGENETICALGORITHMSISPUTFORWARDWHICHUSESLHEREALOPERATIONCASEASCOMPARISONSTANDARDRATHERTHANACONCEIVEDIDEALCAGEANDAVOIDSTHEDEPENDENCEOLLSUSPICIOUSOFFDESIGNMODEL1KSELFORGANIZATIONFEATUREMADANDBPNEURALNETWORKMODELSFORBOILEREFFICIENCYCOALCONSUMPTIONOFELECTRLC／TYANDHEATCONSUMPTIONRATEOFSTEAMTURBINEUNDERSTEADYOPERATIONATOADOPTEDFORSIMULATIONBASEDONHUANENGDALIANPOWERPLANTCOLLECTEDBYDCSSYSTEMANDMOSTELLORSBETWEENTHEPREDICTEDANDACTUALVALUESARELESSTHAN2％WI也THEAIDOFSOFM’SABILITYINCLUSTERINGTHELIMITATIONOFCONVENTIONALCOLLECTIONOFTRAININGSAMPLESAREADDRESSEDWITHTHEESTABLISHEDMODELSOPERATIONPARAMETERSUNDERDIFFERENTCONDITIONSARESIMLLLATEDANDASSOCIATEDWITHGENETICALGORITHMSTOSEARCHTHEOPTIMIZEDVALUESANDOBTAINTHEENERGYLOSSCAUSEDBYTHEDEVIATIONOFOPERATIONPARAMETERS田地NEURALNETWORKMODELSFORSTEAMTURBINEPOWEROUTPUTANDPOWERNEEDEDINCYCLECOOLINGWATERSYSTEMAREESTABLISHEDFORTHEREFERCNCEVALUESOFVACUUMVALUEOFCONDENSERANDHAVEAHIGHPRECISIONANDRELIABILITYWITHTHEESTABTISHEDMODEL，THEOPTIMIZATIONMODELOFCONDENSERISPROPOSEDTODETERMINETHEBESTVACLMMVALUEOFCONDENSERANDENERGYLOSSRESULTEDBYDEVIATIONOF齜LMEMAINOPERATIONPARAMETERS，REDUCETHEENERGYLOSSBYOPTIMIZETHECONTROLLABLEPARAMETERSCOMPAREDWITHCONVENTIONALMODELSTHEESTABLISHEDMODELSHAVETHEADVANTAGEOFPERTINENCETOTHEACTUALEQUIPMENTANDTAKENONLINEARINTHEPARAMETERANDCOUPLINGINTOACCOUNTPROVIDETHECREDIBLEFOUNDATIONSFORPARAMETERSONLINEMONITORINGENERGYCONSUMPTIONANALYSIS，OPERATIONADVICEANDEQUIPMENTMANAGEMENT，WHICHBENEFITTOENERGYSAVINGANDMANAGEMENTLEVELINCREASINGINPOWERPLANTKEYWORDSDEVIATIONANALYSISREFERENCEVALUE；ARTIFICIALINTELLIGENCE；NEURALNETWORK；GENETICALGORITHMII

簡介：西南交通大學碩士學位論文人工智能技術在遠程作業(yè)系統(tǒng)中的應用研究姓名楊繼宏申請學位級別碩士專業(yè)電力系統(tǒng)及其自動化指導教師李治20030601ABSTRACTINTELLIGENTDISTANCEEXERCISESYSTEMIDESFORSHORTISANINTERNETBASEDEXERCISESYSTEMINCHARACTERWITHINTELLIGENCE，OPENSTRUCTUREDISCIPLINECROSSANDMULTILAYERUSINGTHISSYSTEM，WECANFINISHEXERCISECOURSEONCOMPUTERINCLUDINGSUBJECTDESIGN，ASSIGNMENT，ANSWERINGQUESTIONS，AUTODISTINGUISHINGEVALUATINGANDSUMMINGUPBECAUSEOFUSINGARTIFICIALINTELLIGENCEAIFORSHORTANDEXPERTSYSTEMESFORSHORTTECHN0109Y，ITCANNOTONLYAUTODISTINGUISHSUBJECTIVETHEMESSUCHASCALCULATIVEORPROBATIVEONESBUTALSOPENETRATEANDDYNAMICALLYCONSTRUCT1EARNINGCASEHISTORYOFSTUDENTATPRESENT，THEEDUCATIONSOFTWAREINTHEFORMOFEXERTISEINHOMEMARKETONLYCANDISTINGUISHOBJECTIVESUBJECTSSUCHASSELECTIVEORBLANKFILLEDONESBUTCANNOTDEALWITHSUBJECTIVETHEMESSUCHASCALCULATIVEORPROBATIVEONESANDTHEFOREIGNRESEARCHLEVELOFRELATIVEFIELDSISALMOSTALIKETHECIVILTHECREATIONANDADVANCEMENTOFTHISPROJECTISOBVIOTLSCONSIDERINGTHATSTUDENTDOESHOMEWORKONPAPERANDTEACHERCORRECTSITWITHMANPOWERTHEDEVELOPMENTOFIDESISOFGREATVALUEFIRSTLY，ITCANREMARKABLYIMPROVETEACHINGQUALITY，EFFICIENCYANDBENEFITINEXERCISEFURTHERMORE，TRANSMITTINGHOMEWORKBYPOSTOFFICEOREMAILWEAKENSTHESUPERVISIONOFHOMEWORKANDIDESCANADVANCETHEREPUTATIONANDQUALITYOFDISTANTEDUCATIONTHIRDLY，IDESCANEXERTNETWORKRESOURCESOFSCHOOLORUNIVERSITYANDITWILLPLAYANIMPORTROLEONTHEREFORMATIONOFTRADITIONALTEACHINGMETHODSTHATUSESMODERNINFORMATIONTECHNOLOGYFROMTHEPOINTOFVIEWOFAITECHNOLOGY。THISPAPERDESCRIBESKNOWLEDGEREPRESENTATION，KNOWLEDGEACQUIREMENTANDKNOWLEDGEREASONINGOFIDESASWELLASTHEREFINEMENTOFKNOWLEDGEBASEIESTRUCTURALTRANSFORMATIONTHATISAUTHOR’SPRIMARYTASK

簡介：提高電力工業(yè)能源轉換效率，減少污染排放，實現電力市場環(huán)境下發(fā)電廠（群）安全、經濟、高效運行，是我國電力工業(yè)迫切需要研究的重大課題。本文以電力系統(tǒng)負荷預測、市場出清電價預測、水庫徑流預測和發(fā)電廠（群）優(yōu)化運行為研究對象，對預測方法、數學模型、求解算法和優(yōu)化運行策略等關鍵技術進行了系統(tǒng)研究。進行了電力市場環(huán)境下短期負荷變化規(guī)律和影響因素的研究，給出了負荷、電價相似度劃分準則，得出了影響短期負荷突變的主要因素，提出7種新型粒子群仿生型算法，建立了與神經網絡結合的4種短期負荷智能預測模型和組合預測模型，提出了自適應變尺度粒子群仿生型算法求解時變權重組合預測模型的方法，解決了常規(guī)預測方法精度不高的難題。開展了多因素影響下市場出清電價的變化機理與規(guī)律研究，得出了電價變化的周期性、相似性、差異性、突變性和隨機性規(guī)律，指出負荷是影響短期電價突變的直接因素，溫度、濕度、降雨和風是主要因素。提出了自適應粒子群、彈性自適應人工魚群和動態(tài)調整蟻群仿生型算法，建立了與神經網絡結合的4種短期電價智能預測模型和組合預測模型，研究了自適應變尺度遺傳算法求解組合預測模型的方法。解決了傳統(tǒng)電價預測模型需要將工作日和周末電價單獨建模的問題，解決了一般預測方法對“價格釘”預測敏感性差的問題，所提出的智能預測模型和組合預測模型可顯著提高電價和“價格釘”的預測精度。開展了漢江流域徑流變化機理與規(guī)律研究，得出了徑流的分布、變化和周期性規(guī)律，建立了動態(tài)調整粒子群霍爾特模型、動態(tài)調整蟻群神經網絡模型、自適應人工魚群BP神經網絡模型、模糊神經網絡馬爾科夫模型及其組合預測模型。解決了漢江流域徑流預測精度不高的難題利用自適應變尺度蟻群算法求解最優(yōu)權重組合預測模型，解決了非線性組合預測模型權重系數難以求解的問題，提高了求解效率和預測精度。在短期電力負荷、市場出清電價和水庫徑流預測的基礎上，建立了電力市場環(huán)境下單一水電站一元目標非線性優(yōu)化運行模型、梯級水電站群二元目標優(yōu)化運行模型、火電站（群）三元目標優(yōu)化運行模型和水、火電站群多元目標優(yōu)化運行模型，分別采用模擬退火人工魚群優(yōu)化算法、動態(tài)調整蟻群優(yōu)化算法、變異粒子群優(yōu)化算法和新人工魚群優(yōu)化算法求解。實際算例證明了所建立模型的合理性，所提出的方法有效提高了求解效率，解決了強約束、非線性多元目標優(yōu)化難以求解的問題。本文研究的電力系統(tǒng)負荷預測、市場出清電價預測、水庫徑流預測方法和發(fā)電廠（群）優(yōu)化運行策略，可用于指導電力市場環(huán)境下發(fā)電廠運行實踐，對推動和完善電力市場理論研究具有積極意義。

簡介：本文首先對醫(yī)療機構的現有病案進行了分析，指出病案還不是能夠輔助醫(yī)務人員診斷治療工作的知識資源；然后，提出了一種全新的概念醫(yī)療案例，而病案則是醫(yī)療案例的一種初級形式，指出信息技術是實現對醫(yī)療案例進行管理和推廣利用的唯一有效手段，并進一步給出了醫(yī)療案例的完整定義；最后，指出醫(yī)療機構要實現對醫(yī)療案例管理和利用，首先必須建立一套相應的醫(yī)療案例管理與利用體系，同時給出了這樣體系的初步構想，并且，重點對在建立醫(yī)療案例管理系統(tǒng)中，如何利用劇本形式來描述（或表現）醫(yī)療案例；如何建立一個擁有尋找醫(yī)療案例知識的知識庫；如何通過這樣的知識庫來幫助醫(yī)務人員迅速找到最有參考價值醫(yī)療案例等相關技術問題進行了比較深入的探討，同時也提出了相應的解決方案。