下载文档原格式
基于模糊神经网络的电厂建设项目经济效益后评价研究作者：魏秀梅来源：《现代经济信息》 2018年第3期基于模糊神经网络的电厂建设项目经济效益后评价研究魏秀梅山东电力工程咨询院有限公司摘要：电厂建设项目是否成功通过建设项目经济效益后评价来进行总体评估有十分重要的意义。
本文通过对内蒙古自治区某火电厂项目建设工程的经济效益进行后评价，通过实际例子来证明基于模糊神经网络的电厂建设项目经济效益后评价体系是合理可行的。
关键词：模糊神经网络；电厂；经济效益；评价中图分类号：TM-9；F407.61文献识别码：A文章编号：1001-828X(2018)004-0-01为了保证某个投资项目达到预期的利润目标和生产效益，能够可持续发展并且体现出该项目的科学民主倾向，使用科学手段进行评价是十分必要的。
作为项目后评价诸多项目中的重要核心内容，电厂项目后评价是占主导地位的。
本文通过模糊神经网络的分析手段，极大的优化了评价体系，将评估数据的误差值减小到极限值[1]。
一、火电厂工程概况内蒙古自治区建设发电厂有利于电源结构以及资源的优化调整和利用，比如A发电厂地处内蒙古东南，距市区约50千米。
该电厂为2×600MW超临界凝汽式燃煤火力发电机组，已投产发电。
根据企业的财务状况以及在建设期间财务对整体工程的预测资金是否充足进行评估验证，以保证以后的项目投资有据可依。
通过模糊神经网络的成功度法对火电厂项目的经济效益进行后评价，对于工程的整体效益做出科学合理的精确值评估。
运用先进方法来验证经济效益后评价的合理性和可行性，通过验证推断出该方法对电厂经济效益的评价是十分可行准确的。
二、经济效益后评价的流程(一)财务经营利润的分析第一步：收集相关的资料和文件，整合各种数据，编制一套完整齐全的经济效益评价的基础数据表格。
第二步：根据火电厂实际运行年限消耗的成本费用表进行分析，具体分析各类成本占总成本的比例是多少，与之前的成本比例进行比对，对今后的成本走向进行合理的预测。
基于BP神经网络模糊综合评判的工程风险评价【摘要】在对工程项目风险评价中，本文在论述BP神经网络原理及算法的基础上,提出了将其与模糊综合评判相结合的评价方法,建立了模糊综合评判的神经网络模型，并将此模型应用到工程项目风险评价的实例中。
【关键词】工程项目；风险评价；BP神经网络；模糊综合评价Study on the Evaluation Model for Engineering Project Risk Based on BP Neural Network of Composite FuzzyMAO Chao-jing PＥＮＧHai-yan LEI Bin(Management，Chongqing Jiaotong University，Chongqing，400074，China) 【Abstract】In this article, a evaluation method by BP neural network of composite fuzzy was presented and the Evaluation Model based on BP Neural Network of Composite Fuzzy was built, than used this model to evaluation engineering project risk.【Key words】Engineering project;Venture evaluation;BP neural network;Fuzzy synthetic evaluation０引言工程项目进行的环境是复杂的,并且它是一个一次性的过程,对于工程项目本身，它也是一个复杂和开放的系统，另外工程项目还有不确定性因素多、周期长的特点。
在项目进行的过程当中就不可避免会受到一些不确定性因素的影响,导致达不到预期的工期、质量和费用控制等目标，即项目存在着一定风险。
模糊神经网络在洪泽湖水质评价中的应用研究
秦晓倩
【期刊名称】《微计算机信息》
【年(卷),期】2010(026)028
【摘要】结合模糊数学和BP神经网络构造了一个用于洪泽湖水质评价的模型.模型选取十二个评价指标,构建指标的隶属度函数进行模糊化处理.分别选取2004年和2005年的指标数据作为训练和测试样本,实验证明,该方法能准确有效地进行水质的评价.
【总页数】3页(P229-230,232)
【作者】秦晓倩
【作者单位】223300,江苏淮安,淮阴师范学院
【正文语种】中文
【中图分类】TP391.9
【相关文献】
1.模糊神经网络在涑水河水质评价中的应用 [J], 卢莉莉
2.基于T-S模糊神经网络在三川河地表水质评价中的应用 [J], 侯涛
3.模糊神经网络在黄河宁夏段水质评价中的应用 [J], 李晶;李风军
4.模糊神经网络在水质评价中的研究 [J], 牛红惠;尚艳玲
5.模糊神经网络在水质评价中的应用研究 [J], 康彩丽
因版权原因，仅展示原文概要，查看原文内容请购买。
基于模糊神经网络的成功度法在电厂建设项目经济后评价中的应用[摘要]电厂建设项目经济后评价对总结项目成败具有重要意义。
本文根据电力工程特点以及三门峡发电有限公司实际情况，给出了项目经济后评价指标体系，并且确定了标准值；提出运用基于模糊神经网络的成功度法进行电厂建设项目经济后评价，采用相对隶属度对成功度指标值及评价标准进行模糊处理，然后通过BP神经网络对其进行评价，结果比较精确；最后对三门峡发电有限责任公司2600MW机组进行评价，结果合理准确。
[关键词]模糊神经网络；成功度法；经济评价；后评价[文献标识码]A[文章编号]1673-0194(2009)05-0090-031 引言火力发电厂建设是一种技术、资金密集性项目，建设一个火力发电厂需要耗费大量的资金。
近几年由于受通货膨胀和其他种种因素的影响，我国电力工程造价上涨幅度较大，如投建一个600MW机组的火力发电厂总投资达40亿元。
对于如此巨额资金的投入，国有资产监督管理委员会等相关部门要求必须进行项目后评价，对项目建设情况进行总结，同时根据项目目前财务效益，以及今后财务预测对项目前评估可行性进行验证[1-2]，为今后的投资、建设提供依据。
火电项目经济效益后评价是项目后评价的一项重要内容，也是整个项目后评价的核心内容之一。
本文利用基于模糊神经网络的成功度法对项目财务效益进行后评价，该方法可以更加准确地对项目财务效益作出评价。
本方法采取人工智能方法。
最后通过实例验证了本方法的实用性和准确性，为电厂财务评价提供了一种可行高效的方法。
2 模糊神经网络成功度评价模型构建方法通过采用相对隶属度对成功度指标值及评价标准进行模糊处理，生成标准指标相对隶属度矩阵和检测样本指标相对隶属度矩阵，然后在此基础上建立模糊神经网络模型。
2.1 指标相对隶属度矩阵的构建构建指标相对隶属矩阵的方法步骤如下：(1)假设成功度评价分为n个级别，并且有m个评价因子，则这m个评价因子所对应的j级评价标准就构成了成功度后评价的标准值矩阵：X=(xij)m×n。
基于模糊神经网络的环境质量评价方法研究近年来，随着人们对环境质量的关注度不断提高，环境质量评价成为了一个备受关注的话题。
环境质量评价的目的是为了通过对环境中各种因素的测量和分析，评估出环境的质量并提出对策。
那么如何对环境质量进行评价呢？本文将着重介绍基于模糊神经网络的环境质量评价方法。
一、模糊神经网络的基本原理模糊神经网络（Fuzzy Neural Network，FNN）是一种结合了模糊逻辑和神经网络的计算模型，它在神经网络的基础上增加了模糊推理部分。
模糊逻辑是一种通过给予事物以不确定的隶属度来表示模糊或不确定因素的逻辑。
在模糊逻辑中，一般采用隶属度函数来描述事物的属性。
神经网络的特点在于多个神经元互相连接，通过反复迭代学习使得网络输出趋于预期。
模糊神经网络的学习过程是通过修改每个隶属度函数的形状和位置来实现的。
因此，模糊神经网络既可以用于分类问题，也可以用于回归问题。
二、基于模糊神经网络的环境质量评价方法基于模糊神经网络的环境质量评价方法主要包括以下几个步骤：1. 建立模型：通过对环境中物理、化学、生物等各种因素的测量，得到环境质量数据。
将这些数据输入到模型中，训练模型，得到模型公式。
2. 确定参考集：根据实际情况，选择一些已知环境质量的数据作为参考集。
这些数据可以是历史数据或者是来自于其他研究的数据。
根据参考集中的数据，可以确定环境质量评价的等级。
3. 确定隶属度函数：对于每个参考集中的数据，需要确定其所属的隶属度函数。
隶属度函数反映了环境质量与质量等级之间的关系。
隶属度函数可以根据实际情况和经验进行确定。
4. 模型验证：用一部分数据对模型进行验证，检查模型的预测精度。
如果模型的预测精度较低，则需要对模型进行进一步的修改和优化。
5. 应用模型：通过输入新的环境质量数据，使用已经训练好的模型，得出环境质量的评价结果，并根据评价结果进行环境保护和治理。
以上就是基于模糊神经网络的环境质量评价方法的基本流程。
神经网络模型的应用与评估神经网络模型是一种模拟人类神经系统的数学模型，可以从复杂的数据中学习和识别模式，广泛应用于机器学习、计算机视觉、自然语言处理、语音识别等领域。
在这篇文章中，我们将讨论神经网络模型的应用与评估，以及如何提高其性能和效率。
一、神经网络模型的应用神经网络模型在很多领域都有广泛应用，以下是其中一些常见的应用领域。
1.机器学习神经网络模型是机器学习的一种重要手段，可以用来实现分类、回归、聚类等任务。
例如，人脸识别、图像分类、语音识别等任务都可以使用神经网络模型。
2.计算机视觉计算机视觉是指让计算机识别、理解和处理图像和视频的能力。
神经网络模型是计算机视觉任务中常用的一种方法。
例如，人脸检测、目标检测、图像分割等任务都可以使用神经网络模型。
3.自然语言处理自然语言处理是指让计算机理解和处理人类语言的能力。
神经网络模型可以用来实现自然语言处理任务，包括情感分析、机器翻译、文本分类等。
4.游戏AI神经网络模型在电子游戏中的AI设计中也有很多应用。
例如，在围棋中，AlphaGo使用了深度神经网络模型来预测最可能的下一步。
二、神经网络模型的评估神经网络模型的评估是指通过对模型的性能进行测试和比较，来评估其优劣和可靠性。
以下是一些神经网络模型评估的常见指标。
1.准确率（accuracy）准确率是指模型在测试集上的预测结果与真实结果相符的比例。
它是神经网络模型评估中最常见的指标之一。
2.精度（precision）精度是指模型在预测时，预测为正的样本中，真正为正的比例。
它适用于需要较高精度的任务，如医学诊断。
3.召回率（recall）召回率是指模型在预测时，正确预测为正的比例。
召回率适用于需要较高的查全率的任务，如安全监控。
4.F1分数（F1-score）F1分数是准确率和召回率的调和平均数。
它可以平衡准确率和召回率之间的权衡，是常见的评估指标之一。
5.ROC曲线ROC曲线是指分类器在不同阈值下的真正例率和假正例率之间的曲线。
模糊神经网络在智能城市规划中的应用智能城市是当今社会中备受关注的话题，它代表了现代城市规划的未来方向。
为了实现城市的可持续发展和提高市民的生活质量，模糊神经网络已经成为一种有潜力的工具，用于解决复杂的城市规划问题。
本文将讨论模糊神经网络在智能城市规划中的应用，重点探讨其优势、挑战和未来发展方向。
## 1. 智能城市规划概述智能城市是指通过信息技术和数据分析来提高城市管理和市民生活质量的城市。
这包括交通管理、环境保护、资源分配等方面的各种挑战。
为了更好地应对这些挑战，城市规划师需要有效的工具来优化城市的设计和运行。
## 2. 模糊神经网络的基本原理模糊神经网络是一种人工智能技术，它模仿了人类思维的方式，特别是在处理模糊信息时。
这些网络由模糊逻辑和人工神经元组成，能够处理不确定性和复杂性，使其成为城市规划中的有力工具。
模糊神经网络的核心思想是将输入映射到输出，并在中间层中引入模糊集合以处理模糊性质的数据。
## 3. 模糊神经网络在城市交通规划中的应用城市交通是一个复杂的系统，涉及到车辆流量、道路状况、公共交通等多种因素。
模糊神经网络可以用来预测交通流量，帮助规划师更好地调整交通信号、公共交通线路和道路设计，以改善城市交通流畅度。
## 4. 模糊神经网络在环境保护中的应用智能城市规划需要考虑环境保护，包括空气质量、垃圾处理和绿化等方面。
模糊神经网络可以分析大量的环境数据，预测空气质量、优化垃圾收集路线，并提供绿化建议，以降低城市的环境影响。
## 5. 模糊神经网络在资源分配中的应用城市资源包括水、电力和人力资源等，它们需要合理分配以满足城市的需求。
模糊神经网络可以帮助规划师优化资源分配，以提高资源利用效率，降低城市运营成本。
## 6. 模糊神经网络的优势模糊神经网络在智能城市规划中有许多优势。
首先，它们能够处理模糊和不确定性数据，这在城市规划中经常出现。
其次，它们具有适应性，可以根据实时数据进行调整，以适应不断变化的城市环境。
