偏角变形足迹软件处理方法

目的以变形足迹为研究对象，对实际案件中常见的偏角变形足迹进行校正，以恢复到最佳程度，进而提高现场中痕迹的利用率，达到揭露犯罪、证实犯罪的目的。方法使用恒锐图像处理软件处理变形足迹，研究照相机镜头光轴与实验样本的夹角分别在15°、30°、45°、60°、75°、90°时，变形足迹可能恢复的最佳程度。这种方法相比其他方法，简单易学且专业性要求不高，同时可以做到无损处理。结果实验结果表明，0°～60°范围的足迹，校正后的足迹特征清晰，具有鉴定价值。结论此方法可以作为变形足迹校正的一种方法．经处理的变形足迹具有一定价值。     

利用BP神经网络预测材料温锻流动应力

采用 BP神经网络算法对 0 8F钢和 40 Cr在温锻温度范围内流动应力的实验数据进行处理 ,建立起预测材料温锻流动应力的 BP网络模型 .同传统回归方法相比 ,该方法不需事先判断变形温度 t、应变速率 ε·-、应变 ε与流动应力 σ的复杂关系 ,而是通过对大量离散样本进行多次训练 ,找出蕴含在 t、ε·-、ε与σ之间的本质联系 .结果表明 ,训练好的神经网络模型能够比较准确地描述温锻成形时 t、ε·-、ε与 σ的关系 ,从而预测出材料在一定变形条件下的 σ     

用于指法估计的音高差数据增强方法

指法估计模型的性能除了与自身的结构有关，数据本身的数量和质量也是其重要影响因素．然而，乐谱指法的标注需要标注者有一定演奏经验，且标注过程费时费力，导致现有乐谱-指法数据集稀少，且增速缓慢．为解决数据集样本数量有限带来的模型表现不佳、参数过拟合等问题，提出了两种针对键盘类乐器乐谱音高差指法数据的数据增强方法．通过分析乐谱-指法数据的统计特征，一方面结合键盘类乐器和指法的映射关系，提出了基于隐马尔可夫模型的数据增强方法，另一方面结合双手手部生理学特性，提出了左右手镜像变换的数据增强方法．将本文提出的两种增强方法生成的数据加入训练集，经过与人工确定指法思路相近的双向长短期记忆网络学习后，一般匹配率提高了2.24%，最高匹配率提升了3.73%．结果表明数据增强有助于模型更好地学习音指特征．将基于隐马尔可夫模型的数据增强方法生成的“再采样数据集”和基于手部生理学特性生成的“左右手镜像变换数据集”分别加入训练，对指法估计结果中单音和复音占比75%以上的乐谱匹配率分别进行统计，结果表明再采样数据可以增强数据集本身的统计特征，左右手镜像变换数据可以弥补一些数据集原先没有的音指规律，说明了两种数据增强方...     

基于粗糙集神经网络PID的串级控制系统设计

提出一种基于粗糙集的神经网络PID控制器。该控制器利用粗糙集的数据约简方法，约简BP网络样本的冗余属性和属性值并保留重要数据得到最小样本，然后用这个最小样本训练BP网络。最后利用BP网络对动态过程中的PID控制参数进行实时在线调整。对串级过热气温控制系统的仿真结果表明，与传统的神经网络PID建模方法相比，该控制器网络训练时间少、抗扰性和鲁棒性强。     

基于地图匹配的导航定位数据模糊校正算法

为了提高农用智能移动平台导航定位的精度，改善航线跟踪的质量，提出了一种基于地图匹配的导航定位数据模糊校正算法．首先将DGPS、航位推算定位数据点与地图上已知航线进行对比．判定定位数据点的可信度，然后用该可信度作为加权值生成新的定位数据点即校正数据点，把校正点作为当前农用智能移动平台车体真实位置的估计值．在验证试验中，定位数据经模糊校正后其精度明显优于原始DGPS数据的精度，定位数据的距离均方根差均数从校正前的1．021m提高到校正后的0．568m．试验结果表明，该方法可以在一定程度上提高定位数据的精度，校正大部分可信度低的坏点．     

一种用神经网络估计网络可靠性的方法

提出一种用神经网络估计网络系统可靠性的方法．用节点数为n的网络系统的结构参数、网络中边的可靠度以及网络可靠性的精确值对神经网络进行训练，使神经网络学习到网络结构参数、网络中边可靠度与网络可靠性之间的映射关系．并利用同样的训练数据，应用GCV方法对神经网络模型的误差进行估计．对于节点数为n的其它网络系统，只要将有关数据输入获得的神经网络，就可得到该网络可靠度的估计值．     

基于先验知识的混凝沉淀过程神经网络建模研究

摘 要：结合最优方法中的惩罚函数，利用已知对象的先验知识，把先验知识通过惩罚函数的方法加入到神经网络的性能函数当中，从而使训练过程体现先验知识的约束作用，使最终所得模型不违背先验知识．通过真实的数据仿真表明，利用该方法训练所得模型不违背先验知识，模型可靠程度更高，其中约束条件的强弱由惩罚因子的大小决定．此方法对于提高利用较少数据样本神经网络训练所得模型的可靠性以及加快网络建模速度都有重要的参考价值．     

NMA对LIPN PS/PBA动态力学性能的影响

针对在制备的LIPN PS/PBA的两网络中因含有热交联的活性官能团—CH_2OH基和—COOH基,而在成膜过程中加热交联,使体系的交联程度进一步提高。通过动态力学性能的测定,主要考察了NMA不同加入方式和用量对体系tgδ的影响。结果表明:NMA用在网络Ⅱ时,随着NMA质量分数的增加,tgδ值逐渐增大;NMA用在网络Ⅰ时对tgδ的影响比较复杂。总的来说,NMA的质量分数在一定范围内,NMA用在网络Ⅱ时对tgδ的影响明显大于用在网络Ⅰ时的影响,当其含量增加到一定程度时,NMA两种不同的加入方式对tgδ的影响变得较为接近。     

用于煤自然发火期预测的神经网络模型和实验技术

根据煤的硫分、灰分以及煤自燃过程中的耗氧速率、CO和CO2产生率等随温度变化的序列值与煤自然发火期之间存在的密切对应关系，建立了前向多层人工神经网络模型，用已有的煤自然发火实验数据对网络进行训练，得到了神经元间的联结强度，从而准确地表征这种对应关系．设计了一套油浴程序升温实验装置，确定了实验试管的尺寸和实验条件，从而能够准确测定煤自燃在不同温度下的耗氧速率及气体产生率．将煤样油浴程序升温实验数据及煤质分析数据代入人工神经网络，可算出煤的自然发火期．与煤自然发火实验相比，该方法测定煤样的自然发火期用煤量减少了99％以上，实验耗时缩短了90％以上，二者测试结果的偏差小于3d．     

Ti-5Al-2Sn-2Zr-4Mo-4Cr合金本构关系的新模型

本构关系是联系材料塑性变形行为与工艺参数的桥梁,也是用有限元法模拟金属成形过程的前提条件．开发了一个基于神经网络的Ｔｉ－５Ａｌ－２Ｓｎ－２Ｚｒ－４Ｍｏ－４Ｃｒ合金的本构关系模型．首先利用Ｔｈｅｒｍｅｃｍａｓｔｏｒ－Ｚ型热模拟机等温压缩Ｔｉ－５Ａｌ－２Ｓｎ－２Ｚｒ－４Ｍｏ－４Ｃｒ合金,研究在不同变形温度、变形程度和应变速率等工艺参数条件下流动应力的变化情况．然后用实验所得的热变形工艺参数与性能间的数据来训练具有ＢＰ算法的人工神经网络．训练结束后的神经网络即成为一个知识基的本构关系模型．预测结果和实验结果对比表明神经网络模型具有较高的精度和推广能力．     

自动电压控制中不良数据辨识的研究

自动电压控制（AVC）系统由于缺少对发电厂遥测量数据的真实性进行有效和准确地辨识,容易引起装置误动。支持向量机（SVM）是数据挖掘中一种具有优良模式识别性能的新方法。本文提出了利用SVM建立辨识发电厂遥测量中不良数据的模型：首先应用SVM非线性回归对各种运行情况下发电厂正常的遥测数据进行曲线拟合（即训练）;然后运用训练好的模型对历史遥测数据(包括正常遥测数据和不良遥测数据)进行预测,取得预测值与实际遥测数据的误差百分比;再结合历史遥测数据正确与否,应用SVM分类功能训练分类网络;最后将实时遥测数据输入到训练好的曲线拟合网络和分类网络中,就能够迅速判断该遥测数据是否为不良数据。仿真算例验证了SVM模型的有效性和准确性。     

基于卷积神经网络的重力异常反演

重力异常反演是地球勘探中常用的方法,它是通过地表观测重力异常推断地下介质的密度分布。针对传统反演方法存在的多解性、初始模型依赖和计算时间较长等问题,本文提出一种基于卷积神经网络(CNN)的重力异常反演方法,该方法首先通过大量正演计算获得训练数据集;然后采用该数据集训练CNN网络,使其建立从地表观测重力异常到地下密度模型之间的映射关系;最后将重力异常数据输入到训练好的卷积神经网络,得到对应的地下密度模型。实验结果表明,该方法能快速、准确的反演出地下重力异常体的密度、位置和形状,具有较强的泛化能力,能有效解决重力异常反演问题。     

BP神经网络技术在声波测井曲线重构中的运用

基于神经网络的曲线重构法是提高声波测井曲线质量的有效方法。该方法通过神经网络技术的非线性算法,在声波曲线与自然电位、电阻率、自然伽马等多条测井曲线之间建立一种非线性关系。运用BP神经网络技术综合了自然电位、电阻率、自然伽马等多条曲线的信息对声波曲线进行重构,以此增加曲线重构的信息量,为曲线重构的准确性提供了保障。通过在准噶尔盆地石南地区的运用,证明该方法能大大提高受井壁垮塌影响的声波测井曲线的质量。     

中厚板平面形状控制的立轧参数神经网络识别

根据中厚板轧制过程平面形状立辊控制的原理和现场生产数据,采用人工神经网络方法,建立了立轧参数的识别模型,应用效果良好。并用该神经网络模型计算,得到了各影响因素驿立轧量设定值的影响。     

人工神经网络预测非饱和土的特征参数

针对测定非饱和土的吸力既费时,费钱,又困难,而且往往是通过水分特征曲线间接求取,以致其精度不够理想这一问题,尝试采用人工神经网络进行预测研究,将部分已有的试验数据（含水量,吸力数据）作为输入模式进行训练,然后利用网络参数进行相应的参数预测。结果表明,神经网络预测技术十分有效,为工程应用提供了一种新的工具。     

基于遗传算法优化的BP神经网络的PEMFC动态特性仿真研究

针对一辆小型燃料电池电动车的2 kW质子交换膜燃料电池(PEMFC)动力系统,利用遗传算法优化的BP神经网络建立其电压输出特性模型,将PEMFC部分实测数据作为遗传算法优化的BP神经网络的训练样本对其进行训练,利用训练好的神经网络对电堆电压输出特性进行预测,并与实验数据进行对比,结果显示:网络预测的输出电压与实测输出电压之间的最大相对误差均保持在4;之内.     

中国高铁和民航网络结构特征比较

为增强对高铁和民航网络结构差异的认知,以2019年高铁列车和航班时刻表数据为基础构建无向网络模型,从网络紧凑性、节点中心性、联系强度异质性、网络层次性几个方面对全国高铁和民航网络拓扑结构特征进行比较。结果表明：高铁和民航网络具有较为接近的特征路径长度和集聚系数,但高铁网络密度更大、紧凑性更强;平均而言,高铁网络中节点连通性更好,而民航网络中节点具有更强的中转作用和全局可达性。高铁网络节点“流”联系强度表现出更强的异质性,从东、中、西三大分区来看高铁列车流主要发生在东-东、东-中、中-中部之间,航班流主要发生在东-东、东-中、东-西部之间。从核心边缘层次结构来看,高铁网络中与桥接层相关联的列车流占比较高,民航网络中与桥接、边缘层相关联的航班流占比较高。     

一种利用多层感知机和I-V特性的光伏组件建模方法

为了提高光伏组件模型的准确度和可靠性,本文提出了一种利用多层感知机和不同工况下实测的I-V特性曲线数据集的建模新方法。首先,使用双线性插值法对实测I-V曲线进行重采样,以提高I-V曲线上数据点分布的均匀性;进而使用基于温度-辐照度的网格采样法对数据集进行下采样,降低数据冗余度。其次,提出一种基于多层感知机神经网络的光伏组件模型,并基于预处理的I-V曲线数据集,使用Adam算法训练该模型。最后,采用美国国家可再生能源实验室提供的实测I-V特性曲线数据集,验证和测试了所提出的建模方法,并与支持向量机、梯度提升决策树等机器学习算法进行对比。实验结果证明,所提出的建模方法具有最高的精度和泛化性能。     

储层粒度神经网络预测模型研究

国内外多年的研究表明,储层粒度特征值（d50）、非均质系数（d40=d90）是防砂设计的基础。常规获取粒度分布 范围的方法主要有激光粒度测试法（LDA）与筛析法（SA）,两种方法均需要通过岩芯粒度测试来获取数据,而在制定 开发井的完井防砂措施时往往没有实际开采层位的岩芯,只能参照探井粒度数据进行设计,从而导致较大的误差。针 对该问题,从测井的角度出发,开展了储层粒度与多种测井曲线的响应关系的研究,采用神经网络技术,建立了探井伽 马、密度测井项与实测粒度特征值三者样本库,训练出满足工程需要的学习网络,进而结合开发井测井资料,获得了整 个粒度纵向分布剖面,为防砂分层设计提供准确的基础数据支撑。目前,该方法在中国海上多个油田的分层防砂优化 设计中获得了成功应用,预测误差可控制在10% 以内。     

发展调度集中 提高区段通过能力

本文概括地论述大重量、高密度、中速度政策与行车调度工作的关系,重点讨论大力发展调度集中设备的问题.其中包括:改进行车调度工作,调度集中的重要性,以及今后应大力发展调度集中系统.