ADCP方向谱估计的倾斜修正算法研究

声学多普勒流速剖面仪(ADCP)是用来测量不同深度上海水流速的仪器,在测流基础上可以通过速度测点组成阵列反演海洋表面波浪。当ADCP倾斜时,速度测点位置发生偏移,导致方向谱估计出现误差,为提高测量精度,有必要对测点位置进行修正。本文在引入旋转矩阵的基础上给出了当ADCP倾斜时的测点位置修正方法,通过仿真和实测数据分析表明,当ADCP倾斜时,方向谱估计误差不仅和俯仰角横滚角有关,同时与ADCP安放深度有关。该倾斜修正算法,同时考虑姿态角和安放深度,提高了ADCP倾斜状态下的方向谱估计精度。     

基于神经网络修正的结构有限元模型简化

介绍了神经网络修正技术在结构有限元模型简化中的应用，并根据实际工程润扬大桥桥塔的现场实测模态数据对所建的有限元模型进行修正简化．建立了结构物理参数与结构自振频率之间复杂非线性关系的BP神经网络模型，反演仿真数据代入的有限元计算结果与实测结果较为吻合，证实了该方法的有效性．     

ADCP陆上检测装置的设计与实现

声学多普勒流速剖面仪（ADCP）是近20年来发展起来的一种新型海流遥测计,由于其在大深度水中才能进行性能检测,故造成检测困难．为解决ADCP陆上检测的难题,介绍了一种ADCP陆上检测装置：通过设置回波信号相对于发射信号的延时实现了任意深度矢量的模拟,通过设置回波信号相对于发射信号的多普勒频移实现了任意速度矢量的模拟;通过对接阵将模拟的信号耦合到ADCP换能器中,经过ADCP处理后给出相应的高度和速度信息,对比ADCP的返回值和ADCP陆上检测装置设定值达到检测的目的．这样就可以在陆上通过ADCP陆上检测装置来检测ADCP．实验室试验和工程使用表明,该模拟装置使用效果良好．     

基于BP神经网络的海洋声学仪器信号识别方法

分析了几种常用海洋声学仪器信号的基本特征,提出一种基于误差反向传播(back propagation,BP)神经网络,以实现对信号特征参数进行分类、识别的方法.该方法采用短时傅里叶变换提取信号特征参数,运用Levenberg-Marquardt算法训练BP神经网络.以实测海洋声学仪器信号的特征参数进行训练后,采用实测和仿真样本对BP神经网络的识别能力进行测试.实验结果表明,BP神经网络能够有效地区分不同海洋声学仪器的信号,识别准确率达到95%以上,且虚警率低于5%.该研究成果可用于识别海域中不同海洋声学仪器,检测海洋中声学仪器的工作状态.该识别方法对于其他海洋声信号的识别研究也有一定的参考价值.     

基于BP神经网络模型的高等教育学费研究

高等教育学费是当前的一个热点问题。以部分高校的相关数据作为样本,建立基于BP算法的神经网络模型。首先对样本数据进归一化处理,然后利用matlab进行模型的运算与分析,确定了高等教育学费的四个主要影响因素对学费影响程度的大小,从而得到了一个较为精确的高等教育收费数学模型。     

BP神经网络算法在修正SIR传染病模型参数反演中的应用

研究了一类修正SIR传染病模型的参数识别问题,给出了参数识别问题的唯一性结论,并利用BP神经网络算法对参数识别问题进行数值求解,通过数值算例说明了该反演算法的可行性.     

基于BP神经网络方法的财务预警模型研究

本文通过BP神经网络方法来建立我国上市公司财务失败的预警模型,该模型对检验样本的预测正确率为85%,实证研究表明,该模型具有较好的预测效果。     

长江口悬沙输运观测中ADCP的应用

在近些年的声学流速测量仪器当中,ADCP（声学多普勒流速剖面仪）是应用非常广泛的仪器之一。该仪器在获得悬沙浓度数值方面,其工作方式主要构建现场取得水样与回声强度的回归关系式,并利用该关系式来计算悬沙浓度数值。通过ADCP（声学多普勒流速剖面仪）在长江口悬沙输运观测中实际应用,结果显示,在长江南槽与南港的全部悬沙输送的过程中,平均流输运作用发挥着非常重要乃至主导的作用,同时,影响潮平均悬沙输运的各种因素中,斯托克斯漂移效应（Storks-drift）导致的输运作用是非常关键的。在本文中,笔者主要探讨了ADCP（声学多普勒流速剖面仪）在长江口悬沙输运观测中实际应用情况。     

基于BP神经网络模型的水质评价方法探讨

运用人工神经网络理论和方法,建立了水质评价的BP神经网络模型,并对长治市10眼水井的地下水水质进行了评价,并与综合指数法、模糊综合评判法的评价结果进行了比较。结果表明,用BP神经网络模型评价水资源水质是可行的,为水资源水质评价提供了一个新的方法。     

基于BP神经网络的学生分层算法研究

计算机网络已经渗透到各个领域,日常教学也广泛的使用到,利用网络所获取的有用信息快速对班上学生分层,从而进行因材施教有一定的实用价值;本文基于网络辅助教学系统,对学生利用网络上交作业信息进行挖掘分析,利用BP神经网络的自适应学习特点,于上交作业时间与上交作业的质量为基础,挖掘出与成绩的关系。     

基于AR模型和BP网络的表面EMG信号模式分类

提出了一种以AR模型和BP网络相结合的表面肌电信号处理方法 .首先 ,将采集到的肌电信号进行预处理 ,提取AR系数作为其特征值 ;其次 ,设计了一个三层的BP神经网络 ,利用AR系数对手臂的各种肢体动作进行运动模式的分类 .实验表明 ,这种方法不仅减少了计算工作量 ,同时取得了比较理想的识别效果 .     

改进的神经网络算法在瓦斯涌出量预测中的应用

针对传统神经网络存在的收敛速度慢、容易陷入局部最小等缺陷,采用改良的BP算法———双权值迭代优化法,提高神经网络传统BP算法的训练速度。以三层神经网络为例,对权值进行优化。实验对比表明：双权值迭代优化法应用于瓦斯涌出量的预测,比一般BP网络有更高的预测精度和程序运行速度。     

基于BP神经网络的关口电能计量装置测量误差预测及校正

关口电能计量装置造成的误差通常会给电网公司带来巨大的经济损失,因此提高关口电能计量装置的准确度,具有十分重要的应用价值.通过对关口电能计量装置的历史数据进行分析,采用BP(back propagation)神经网络算法进行误差预测,筛选出最适合关口电能计量数据的优化模型,并且校正计量异常值,从而减小电能计量装置产生的误差,提高电能计量的准确性.实验表明,误差预测及校正模型能准确预测关口电能计量装置误差,修正异常值.     

改进的BP算法在地震灾害损失预测中的应用

神经网络因其自组织性、自学习性与高度非线性广泛应用于各种预测领域。针对传统神经网络存在的收敛速度慢,容易陷入局部最小等缺陷,为提高神经网络传统BP算法的训练速度,以3层神经网络为例,通过对权值的分析与优化,推导出改良的BP算法———双权值迭代优化法,将该算法应用于地震灾害损失的预测中去并取得较好效果。     

基于Delphi和MATLAB混合编程的波浪估计算法实现

针对在Delphi 7下编写波浪估计算法效率低且不易实现的问题,本文采用基于Delphi 7和MATLAB 7.0混合编程的方法,实现了上位机软件的波浪估计能力。该方法简单,开发周期短。将上位机软件估计结果与Nortek公司商用软件Quickwave对比,结果表明本文的上位机软件估计结果准确,采用混合编程方法可准确地实现ADCP上位机软件中波浪估计的功能。     

基于BP神经网络模型的新疆水资源承载力情景分析

水资源可持续利用是科学发展的重要基础,"跨越式"发展愿景下的新疆面临水资源约束的严峻挑战!以2004—2013年水资源统计资料为基础,运用BP神经网络模型模拟分析了2个情景下(情景Ⅰ:趋势外推,情景Ⅱ:跨越式发展)2014—2020年新疆的水资源承载力.结果表明:1)水资源承载力综合评价指数呈上升趋势,但情景Ⅰ中水资源开发利用率过高,情景Ⅱ中农业用水比重大、效率低,成为新疆水资源可持续利用的瓶颈;2)以提高水资源的生态效益为目的,提出了情景Ⅲ:可持续利用情景,可逐步解决供需矛盾.关键在于改变传统粗放的用水方式,在提升水资源的利用效率的基础上,优化水资源利用的空间结构以缓和水资源对社会经济发展的瓶颈作用;3)BP神经网络模型与情景分析结合评价新疆水资源承载力是一种可行的尝试.     

基于BP神经网络模型的磨床部件动态灵敏度分析

利用ANSYS的APDL语言建立磨床部件的参数化模型，计算出磨床部件的动态特性，快速采用得到BP神经网络模型的学习样本，建立基于BP神经网络的动态分析模型，将磨床部件结构参数与其动态特性之间的关系反映为神经网络模型的网络输入与网络输出之间的数学关系，从而方便地，快速地对磨床部件进行了动态灵敏度分析，结果表明，在BP神经网络模型上进行磨床结构优化要比在有限元模型上方便，快速，该方法特别适用于对大型复杂结构的优化设计计算。     

基于BP神经网络颜色单通道温度测量及比较

基于高温物体的颜色与温度存在着非线性映射关系,提出一种基于神经网络的图象颜色测温方法.将获取的高温物体图像进行R,G,B(红、绿、蓝)三色素分离,分别独立地送入BP神经网络,通过样本训练后,拟合其与温度的非线性关系.实验证明,R,G,B都有良好的测量精度效果,其中绿色单通道精度最高且测量范围最大,说明此温度测量方法是切实可行的.     

基于BP神经网络的供应商选择研究

供应商的选择在整个物流系统中占有非常重要的地位.本文建立了基于BP神经网络的供应商评价指标体系,给出了BP神经网络的评价模型,并结合算例进行分析.实例证明,该方法是可行的.     

基于整体优化算法电爆冲击波人工神经网络模型

电爆冲击波产生机理及影响因素较复杂,很难对其产生过程建立精确的数学模型。在实验研究的基础上,将基于整体优化算法的前馈神经网络用于该问题,建立了电爆冲击波人工神经网络模型。可作为电爆冲击波理论和实际应用研究的参考模型。