基于神经网络方法的湿地生态脆弱性评价

应用BP神经网络模型对扎龙湿地的生态脆弱性进行了评价.采用7-2-4-1结构,以计算得到的各湿地类型样本栅格单元生态脆弱指数EⅥ值作为训练集,通过最大1 000次的误差反向传播训练,获得的最大误差是1.1%,最小误差0,成功实现了扎龙湿地7维评价指标变量到1维变量即扎龙湿地生态脆弱性指数的映射,得到了研究区全部栅格单元...     

神经网络反向传播模型用于CmI的能级分类

将神经网络反向传播算法应用于Ｃｕｒｉｕｍ的关于组态的分类计算。用４个特征变量（能级值、郎德ｇ日子、Ｊ量子数和同位素位移）表征每一个能好。为检验神经网络预报能力，采用ｌｅａｖｅ－ｎ－ｏｕｔ方法（奇宇称ｎ＝１，偶宇称ｎ＝５）对所有已知实验样本进行了预报。其中奇、偶宇称能级预报正确率分别为９２．７％和９７．４％。利用相同的神经网络结构，得到了１２个奇宇称和４２个偶宇称的未知能级的预报结果。     

自适应学习速率法在变压器故障诊断中的应用

为了提高电力变压器故障诊断的准确率,针对油中溶解气体分析,提出了一种基于误差自动调节修正因子的自适应学习速率法,使神经网络通过自身的误差变化过程自动调整学习速率修正因子,保证网络总是以最大的可接受学习速率进行训练,从而提高网络收敛速度。针对电力变压器故障气体及故障类型的特点,建立了电力变压器故障诊断BP(Back-Propagation)网络模型,应用该算法和原算法对该故障诊断网络模型进行训练。仿真结果表明,该算法的训练次数减少了35.4%,收敛速度提高了44.9%,有效地改善了网络模型的性能。将该算法应用于电力变压器故障诊断,能较为精确地判断出电力变压器的故障类型,故障诊断准确率达90.8%。     

前向神经网络学习速率的自适应算法

学习速率是控制神经网络学习过程的一个重要参数,影响神经网络的稳定性和快速性。提出了一种能够满足实时性要求的神经网络学习速率的自适应算法,并证明了在该学习速率下,神经网络的学习过程是Lyapunov意义稳定的。该方法通过为神经网络的输出增加一个输出修正量来补偿多个未知因素对学习误差的影响,从而构造使学习误差快速收敛到零的学习速率自适应算法。通过对神经网络在线逼近一个非线性对象的过程进行仿真,结果证明了该方法的有效性。     

基于气测资料的储层含油气性识别方法

基于气测资料构造适当的综合指标，分别利用模糊模式识别和误差反向传播（BP）神经网络两种方法对储层含油气性进行了分析。结果表明，气测资料与储层含油气性具有较强的相关性。模糊模式识别方法可以用来确定气测综合指标与储层含油气性之间的模糊关系，而且对待识别样品气测资料的随机性具有较强的适应性；神经网络法能够较准确地建立气测综合指标与储层含油气性之间的非线性关系，但在待识别样品气测资料具有随机性的情况下，识别结果具有随机性：利用模糊模式和BP神经网络方法对储层含油气性进行识别具有一定的可行性，能快速为储层含油气性分析提供一定的参考依据，并且前一种方法的识别效果优于后一种方法。     

基于BP网络的装备维修质量评估设计

依据有关规定和武器装备的特点，提出了装备维修质量评估的指标体系，并给出了指标体系标准化处理的方法。在此基础上，建立了基于BP网络的装备维修质量评估模型。通过训练，该模型具有了对装备维修质量的评估功能。实验结果表明：该模型用于装备维修质量评估，减少了传统装备维修质量评估方法中人为因素的影响，并且评估误差很小。     

国际环境下的项目政治风险评价模型

在分析国际环境下项目政治风险的基础上，根据最优化原理和Lagrangian算子性质，得到国际环境下项目政治风险识别和选择的最优性条件，提出基于反向传播（BP）神经算法的国际项目政治风险评价模型．通过对60个国际项目进行政治风险的识别、选择、评价和分析，仿真试验结果表明，该模型及算法效果良好，可以综合众多专家的知识，计算结果精度较高，能准确评价政治风险对项目成本的影响．     

应用级联神经网络预测供热锅炉次日小时热负荷的初步研究

通过对供热锅炉房热负荷的分析，建立了基于两个BP网络的级联神经网络(CNN)。相关性分析表明，可将时间序列负荷数据作纵横向分离，横向相关系列负荷可作为CNN前一BP子网络的输入数据，纵向相关系列负荷可作为CNN后一BP子网络的输入数据。前一BP子网络用于小时负荷的初始预测，其预测结果加入后一BP子网络的输入系列，实现对负荷的精确预测。按照此模型，建立了某一印染厂锅炉房次日小时蒸汽负荷的CNN预测模型。程序运行结果表明该模型在预测时足够准确可靠。     

Groundwater Level Predictions Using Artificial Neural Networks

IntroductionThe prediction of groundwater level fluctuation fordifferent natural conditions and usage rates is ofgreat importance for the use and management ofgroundwater resources.However,groundwaterlevel fluctuations are influenced by many factors,such as precipitation,infiltration,usage and thehydro- geological properties of the aquifer.Therefore,the groundwater level fluctuations arecomplicated and difficult to predict,especially indeep areas.Wells are commonly drilled tounderstand aquifer…     

基于网络响应面的多目标优化方法

为提高多目标优化算法的收敛性以及Pareto解的分布均匀性,构建了基于网络响应面的多目标优化方法.将前馈（BP）网络以及自适应共振（ART）网络的优点相结合,充分利用各子目标每1次独立优化时获得的最优解,并将其作非占优判断后作为初始样本自适应地构建网络响应面,从而提高了Pareto解的收敛性以及多样性指标.对网络获得的每个新类进行各子目标值计算,同时对该子目标值做相似度计算,进一步剔除相似度高的样本,从而提高了Pareto解的分布性指标.通过常用的多目标优化测试函数验证该方法,并与改进的非支配排序遗传算法（NSGA-Ⅱ）以及随机权和算法作对比,结果表明该方法能明显改善多目标优化方法的各性能指标.