基于人工神经网络的智能决策支持模型研究与应用

论文摘要

传统的决策支持系统(DSS)由于采用模型驱动为核心的系统结构和数值分析方法,使其应用范围受到很大限制。尤其是对那些具有不确定性问题,用数值分析的方法很难实现有效建模,再加上缺少与决策有关的知识应用及相应的推理机制,基于模型驱动的决策支持系统在实际应用中存在许多不适应性。实践表明,只有当决策支持系统具有较丰富的知识和较强的知识处理能力时,才能向决策者提供更为有效的决策支持。因此,智能决策支持系统(IDSS)作为管理领域信息系统的一个重要方面已经成为计算机应用研究的热点和发展方向,研制、建设和利用智能决策支持系统对于增强知识开发和利用的能力,改善决策的智能化水平具有重要的理论意义和实际价值。人工神经网络(ANN)是目前人工智能领域发展迅速并取得众多应用成果的一门新技术,由于其用于问题求解无需事先建模,因此它与DSS的结合为智能决策支持模型和决策机制的研究提供了一种新的方法。论文对人工神经网络、决策支持系统和智能决策支持系统的研究现状、组成结构及应用领域进行了综述,阐述了智能决策支持、神经网络的基本概念、模型和传统实现方法。根据智能决策支持系统具体的研究内容,以神经网络作为智能建模工具,建立和开发了基于遗传神经网络和模糊神经网络的智能决策支持模型和系统,并分别将其应用于油田开采储集层伤害诊断与评价和油气储运管道失效模式诊断中,取得了良好的应用结果,并从信息处理机制上进一步分析了模型和方法的有效性与可行性。

论文目录

• 摘要
• ABSTRACT
• 创新点摘要
• 前言
• 第一章 智能决策支持系统
• 1.1 决策支持系统
• 1.1.1 决策支持系统的结构组成
• 1.1.2 决策支持系统所应用的领域
• 1.1.3 普通决策支持的实现过程
• 1.2 智能决策支持系统
• 1.2.1 智能决策支持系统的结构组成
• 1.2.2 智能决策支持系统的类型
• 1.2.3 智能决策支持系统的集成形式
• 1.2.4 智能决策支持系统中模型系统的功能
• 第二章 人工神经网络概述
• 2.1 人工神经网络基本概念
• 2.2 人工神经网络的学习
• 2.2.1 学习方式
• 2.2.2 学习规则
• 2.3 人工神经网络的研究现状及应用
• 2.4 人工神经网络在智能决策支持系统中的应用
• 2.4.1 基于人工神经网络的智能决策支持系统总体框架
• 2.4.2 神经网络用于智能决策支持的适应性分析
• 第三章 基于神经网络的智能决策支持
• 3.1 误差反向传播神经网络
• 3.1.1 网络概述
• 3.1.2 双隐层BP 网络的计算方法
• 3.1.3 BP 网络目前存在的缺点及需要改进的方面
• 3.2 基于遗传神经网络的智能决策支持
• 3.2.1 概述
• 3.2.2 遗传算法的原理
• 3.2.3 遗传算法的求解过程
• 3.2.4 遗传算法的特点
• 3.2.5 遗传算法与神经网络的融合
• 3.2.6 遗传-BP 结合算法
• 第四章 基于模糊神经网络的智能决策支持
• 4.1 模糊逻辑系统的组成
• 4.1.1 模糊规则库
• 4.1.2 模糊推理机
• 4.1.3 模糊产生器和反模糊化器
• 4.2 模糊系统与神经网络的融合
• 4.3 智能决策支持的加权模糊推理方法
• 4.3.1 加权模糊逻辑推理
• 4.3.2 加权模糊推理元
• 4.3.3 加权模糊推理网络模型
• 4.3.4 加权模糊推理网络的训练
• 第五章 基于人工神经网络智能决策支持系统的开发及应用
• 5.1 开发环境与开发工具
• 5.1.1 系统开发环境
• 5.1.2 SqlServer2000 简介
• 5.1.3 Delphi7.0 简介
• 5.2 系统设计与实现
• 5.3 在辽河油田储油层伤害类别诊断中的应用
• 5.4 在吉林油田油管腐蚀失效模式诊断中的应用
• 结论
• 参考文献
• 发表文章目录
• 致谢
• 详细摘要