神经网络自开创以来一直深受许多学者的重视,并广泛运用于各种领域取得了辉煌的成就。预测是神经网络的又一个重要应用领域,这是因为神经网络具有优良的非线性特性,特别适用于高度非线性系统的处理。所以基于神经网络的智能预测是解决非线性预测问题的有效方法,为预测理论开辟了新的广阔发展空间。 本文主要针对神经网络预测理论的研究以及在某些方面的应用做了以下工作: 第一章首先介绍了时间序列基本理论,分析了各种预测理论,论述了神经网络预测理论的国内外的研究现状及背景,最后着重阐述了神经网络预测理论研究的意义和目的。第二章对神经网络的特点和发展作了总体上的论述,详细说明了神经网络的工作机理,并对神经网络的互连方式作了较详细说明。在第三章中,论述了神经网络预测理论,并提出了一种改进的确定BP网络结构的算法和一种加速收敛的改进算法。 第四章中,首先针对混沌以及混沌时间序列的特性进行了概述。然后讨论了将神经网络用于混沌时间序列预测的可行性,并结合混沌时间序列的特性,提出了用改进的算法来确定BP网络结构,并用一种改进的算法对混沌时间序列进行了单步与多步预测,进行了仿真分析比较,验证了混沌时间序列特性和改进算法的有效性。在第五章,首先介绍了闪光焊的基本原理,然后论述了样本集选取的原则并针对所采集的数据特点选取了相应的样本集,接着对数据源进行了分析,提出了相应算法来确定数据特征,并针对其中的异常数据用改进算法进行了相应处理,然后结合数据源的特征提出了一种改进的归一化方法,最后用改进的BP算法建立了闪光焊焊接接头质量在线预测模型,仿真结果表明本文采用的方法是有效的。 在本文最后给出了结论以及待进一步研究的若干问题。