基于神经网络的细小液体管道堵塞预测模型

在分析反映管道堵塞工艺参数的基础上,提出了一种基于BP神经网络的细小液体管道预测方法,通过收集管道堵塞时的各种工艺参数,建立预测模型。仿真结果表明,模型预测结果与实际堵塞结果非常吻合,并能成功用于实际的细小管道的堵塞预测。     

电场作用下的十字流膜滤

针对普通十字流膜滤中膜滤速率低下问题，试验研究了附加电场下的十字流膜滤，实验观察了电泳迁移作用使膜面沉积层消失的过程及膜滤中的电渗流，并从理论上分析了附加电场使膜滤速率大幅度提高的机理。     

基于神经网络的预测模型的比较研究

随着经济预测、电力预测等各种预测的兴起,预测对各种领域的重要性开始显现.针对在建立预测模型时不能准确判别使用合适的神经网络,论文归纳了几种常用干预测的神经网络:BP神经网络、RBF神经网络、小波神经网络、组合神经网络,并总结了相应的优缺点,及其适用的预测范围.以某蓄电池厂近几年的销售量为例,检验各种预测模型的精度.预测结果显示,用单一预测模型进行预测时,因自身的局限,使其预测精度和稳定性不高.相比之下,组合预测模型更能有效提高预测精度,可以较充分的降低预测风险,保证预测结果的稳健性.     

基于牛顿冷却定律的炉温曲线优化模型

针对回焊炉加热电路板的炉温曲线优化问题,利用牛顿冷却定律和热传导规律,建立热传递模型和优化搜索模型.首先将整个加热过程分为3个区域,并分别建立对应模型.对于小温区,利用已知实验数据和最小二乘法求出时间参数;对于间隙区,先用热传导方程得到间隙区温度分布规律后求出时间常数;对于冷却区,采用多项式拟合的方法进行描述.然后,针...     

数字电路的神经网络模型研究

研究数字电路的Ｈｏ０ｐｆｉｅｌｄ神经网络模型,说明了这种模型的原理及建立方法,并指出这种模型存在的不足,然后研究电路手最优神经网络模型,给出了模型的相关定义,讨论了任意数字电路对应的最优神经网络的存在性,这些建模方法可应用于电路的测试、逻辑验证等领域,能提高相关的计算效率。     

发酵过程状态预估的BP神经网络模型实现

论述了利用改进的BP神经网络实现发酵过程状态预估模型的设计原理和方法,包括BP神经网络的拓扑结构选取、学习和测试样本的选择及处理,变步长引入动量项BP神经网络的训练方法以及全局收敛法的实现等。此外,用VC实现了发酵过程BP神经网络建模平台。经聚赖氨酸发酵过程验证,其模型具有良好的收敛性能和泛化性能,可应用于发酵过程状态参数的在线预估和测量。     

混合神经网络模型用于煤焦气化过程的模拟

以煤焦气化反应模型为基础,结合BP神经网络参数估计器,建立了用于模拟煤焦气化过程的混合神经网络模型。结果表明该混合神经网络模型能很好地描述煤焦的气化过程,可以得到在实验过程中无法测得的2个参数,即:在煤焦中具有活性的碳与总碳的比值A和具有活性碳的单位质量反应速率Rr。     

协同工作组织模型的神经网络仿真研究

研究个体在协同工作中所表现的行为特征是CSCW研究的基本组成部分。本文对在影响协同工作中的个体特征、通信和交互方式等各种因素进行了分析，建立了相应的仿真模型，并利用神经网络技术进行了仿真研究，得到了一些较有价值的结论。这一研究对CSCW系统的开发具有参考意义。     

全局优化学习算法下的高阶神经网络模型

研究了一个高阶神经网络模型，该模型采用全局优化学习算法，能使所有学习图样都成为系统的稳态吸引子，其存储容量远高于Ｈｅｂｂ－ｒｕｌｅ－ｉｌｋｅ型学习算法下的高阶神经网络模型，并能存储识别相关图样，对由３０个神经元组成的二阶神经网络系统进行了计算机模拟，模拟结果证实了上述结论。此外，还分析了初始突触强度对学习效果的影响，计算不同存储力图样数目下的平均吸引半径。     

神经网络模型与迭代优化算法

神经系统科学中知觉信息向神经中枢的传递以及神经中枢对信息的识别是一个信息的编码和解码过程.关于信息编码和解码的具体方式,外国有学者基于知觉信息可能包含在不同神经元发送动作电位的准确时差上的假设,运用极大熵模型进行描述.该文首先介绍此模型的具体思想,并在参阅国外相关文献的基础上,认为接收器在接收神经元所发出的动作电位时可能是通过记录各个神经元发送脉冲的不同顺序来识别的.在此假设下,该文借助Plackett-Luce模型对神经元的编码过程进行刻画;依据极大似然估计思想建立统计模型,运用MM算法求解迭代公式,并利用数值算法对模型进行求解实现.     

人工神经网络水质预测模型研究

水质预测物理模型在水环境保护中起着十分重要的作用,然而由于模型的参数识别问题,使其应用受到很大局限.对人工神经网络(A rtific ia l N eura l N etw ork,简称ANN)水质预测建模作了初步研究.用试错法,以训练时间和测试误差两项指标为依据,对比分析三层、四层网络结构,认为ANN模型适应于水质预测建模,并提出了适合的模型结构、学习速率、传递函数.     

地下水水位预测的人工神经网络模型研究

地下水系统是一个复杂的随机系统，根据地下水水位与其影响因素之间存在的相关关系，建立了一个基于神经网络的地下水水位预测模型，并将其用于研究区地下水水位的预测，结果表明该方法具有较高的预测精度。     

非线性神经网络模型及在粮食生产预测中的应用

本利用非线性神经网络BP模型，对我国粮食生产进行了实证预测研究。结果表明，用该网络建立的模型经过训练后，可得到影响粮食产出与各因子及其之间的非线性关系，网络模型新颖，具有较好的预测精度及较好的预测效果。可广泛应用于各种预测研究，有较高的应用推广价值。     

城市可持续发展调控预测模型的BP网络实现

根据1990-1999年10年时间序列上海市可持续发展评价指标体系的数据库,选取表征研究区域可持续发展的主要因子,即国民生产总值、人均用水量、人口自然增长率、海域环境质量、万元产值工业废水排放量及人均公共绿地面积,利用神经网络技术建立了上海市可持续发展的调控预测模型,取得了良好的效果.     

支持向量机和人工神经网络在期权价格预测中的比较研究

期权定价已成为金融市场的重要组成部分之一。 由于市场是动态的,准确预测期权价格非常困难。 因此,设计和发 展了各种机器学习技术来预测期权价格未来趋势。 比较了支持向量机(ＳＶＭ)模型和人工神经网络(ＡＮＮ)模型在期权价格预 测中的有效性。 在测试和训练阶段,２ 种模型都使用公开可用的基准数据集 ＳＰＹ ｏｐｔｉｏｎ ｐｒｉｃｅ－２０１５ 进行测试。 ２ 种模型均采 用主成分分析(ＰＣＡ)转换后的数据,以达到更好的预测精度。 另一方面,为了避免过拟合问题,将整个数据集划分为训练集 (７０％)和测试集(３０％)２ 组。 将支持向量机模型与基于均方根误差(ＲＭＳＥ)的神经网络模型的结果进行了比较。 实验结果 表明:神经网络模型优于支持向量机模型,预测的期权价格与相应的实际期权价格吻合良好。     

人工神经网络与遗传算法在高炉焦比预报中的应用

建立了遗传算法与BP神经网络相结合的高炉焦比预报模型。该模型用于预报在不同操作条件下适宜的焦比,寻求高炉诸多操作参数与焦比之间的映射关系,为高炉操作者提供调整炉况的依据。实际应用表明,该模型具有较好的命中率。     

一种模糊小脑模型神经网络及其仿真研究

在传统小脑模型的基础上,利用其特有的寻址方式,引入模糊逻辑的思想,采用模糊隶属度函数作为接受域函数,提出了一种模糊小脑模型神经网络。重点研究了接受域函数的映射规律、隶属度函数及其参数的选取规律和学习算法。仿真结果表明,该模糊模型具有良好的泛化能力和逼近精度,且可获得连续性强且有解析微分输出的复杂函数。     

基坑变形灰色人工神经网络预测模型及其应用

针对基坑变形预测中信息的灰色性和数据的非线性性,提出用灰色神经网络预测基坑变形的新方法。用一桩锚联合支护体系实例进行了预测研究,得到支护体系的不同预测模型的组合预测值。研究结果表明:灰色神经网络预测误差比GM(1,1)预测模型小;与BP预测模型相比,前期误差大,后期误差小。在基坑变形监测中,为了更准确地预测基坑变形,可以采用灰色神经网络预测与BP预测相结合的方法进行预测。     

MBR在污水处理中的应用研究

膜生物反应器（MBR）工艺是一种新型、高效、先进的水处理工艺,受到广大研究者的关注。介绍了MBR工艺的运行特点、应用现状,指出了MBR工艺中膜污染的原因以及控制方法,展望了其发展前景,为今后MBR的进一步研究发展奠定基础。     

人工神经网络技术在水质动态预测中的应用

根据前人研究,上海地区地下水的水质变化主要受人工开采和回灌活动的影响,然而,由于地下水流动的复杂性,水质变化与采灌井的开采量及回灌量之间存在着完全非线性的关系;加一方面,人工神经网络技术具有较强的解决矛盾样本（即非线性问题）的能力,因此,作者在收集已有观测资料的基础上,利用人工神经网络技术对上海地区第Ⅲ承压含水层的矿化变化进行了预测。算例表明,应用该法进行单井预测的相对误差只有2.07%,多井预测的相对误差小于1.5%。