摘要：利用自组织数据挖掘算法(gmdh)客观、自动地选择西部地区城市商业银行电子银行风险预警指标。根据筛选出的风险预警指标,构建基于面板Logit的电子银行业务风险预警模型。采用2001年1月至2013年12月的月度数据对西部地区城市商业银行电子银行业务风险预警进行实证分析。实证结果表明,自组织数据挖掘算法筛选出的风险预警指标包括GDP增长率、互联网普及率、网络广告和银行广告数量、USBKey数字证书数量和电子商务交易额增长率;根据自组织数据挖掘算法筛选出的风险预警指标构建的面板Logit风险预警模型具有较好的预警能力和良好的效果。

摘要：针对电力企业电能供应量与用户需求量之间匹配度低的问题,提出基于改进gmdh算法的电力供应智能分析系统设计,按照gmdh算法原理设计了电力供应量智能分析系统的总体框架结构,并针对传统gmdh算法泛化能力低的不足进行了优化和改进;依据改进gmdh算法搭建了电力供需量智能分析系统硬件结构,该部分主要由电力供需数据采集模块、数据分析和处理模块、和数据库系统组成,能够完成对原始电力数据的归类与分析;给出了电力供应智能分析系统的软件实现流程及具体的操作实施步骤,模拟数值测试结果表明,提出的智能风险系统设计在分析精度上明显优于传统分析系统,全部测试样本的电能供需比值都能够被控制在1.1之内,可以为电力企业节省大量的电能损耗。

摘要：变形监测数据是定量评价水利工程结构安全的重要依据。水利工程变形数据是一种典型的非平稳信号,同时包含线性成分与非线性成分。针对水利工程变形的线性成分和非线性成分特征,分别利用针对线性信号的自回归移动平均模型和非线性信号的数据分组处理方法,构建了一种基于ARMA-gmdh的组合预测模型对水利工程的变形进行预测。工程实例表明,该方法可以有效地对水利工程变形的线性及非线性成分进行预测,与多个预测方法结果进行对比发现所提出的组合模型具有较高的预测精度,且与实测数据具有相似的变形趋势,可以分别对变形的线性及非线性成分规律进行分析,综合判断结构的变形趋势和安全性态,因此具有一定的工程应用价值。

摘要：首先提出一种双曲函数型神经网络 HFL ANN,设计出一类基于 HFL ANN网络的层次双曲型函数网络HHFL ANN,给出了 HHFL AN N的网络学习算法 ,使其在用于非线性的拟合中体现了较强的优越性 ,对于任意的Volterra级数使用 HHFL ANN网络来逼近是完全可行的 ,该算法较 gmdh算法和 SOP算法 ,具有快速简单的特性 ,它优于 gmdh算法 ,有规律地选取部分多项式 ;优于 SOP算法 ,在构造 SOP网络不需要太多的中间隐层 ,从而加快了学习过程 ,提高了网络的逼近性能 。

摘要：通过应用gmdh算法,引入与设计流量密切相关的汇流面积、主河床长度与河道平均坡度的比值、24 h最大降雨量等变量,建立与多因素相关的流量的gmdh模型,并且通过调整K—G多项式的系数,得出适合中小流域设计流量计算的gmdh模型。实例结果表明:该模型的拟合能力强,可作为中小流域设计流量计算的一种方法。

摘要：油气定量预测中复杂函数的拟合与逼近一直是人们关注的热点之一。文章利用神经网络方法结合自组织理论设计了用于非线性模型描述的自组织多项式网络算法，该算法特征多项式的完全描述性和自组织功能，使其在用于陕甘宁中部气田油气产能定量预测中取得了较为理想的效果。