地下水水质评价的人工神经网络方法

应用人工神经网络理论与方法建立了地下水水质评价的BP神经网络模型,对涡北井田地下水水质进行了评价,并与灰色聚类结果进行了比较。结果表明,BP神经网络模型能很好地解决评价因子与水质等级间复杂的非线性关系,评价地下水水质简便可靠,预测精度高,具有通用性和客观性。     

地下水水质评价的人工神经网络方法

应用人工神经网络理论与方法建立了地下水水质评价的BP神经网络模型，对涡北井田地下水水质进行了评价，并与灰色聚类结果进行了比较。结果表明，BP神经网络模型能很好地解决评价因子与水质等级间复杂的非线性关系，评价地下水水质简便可靠，预测精度高，具有通用性和客观性。     

组合灰色神经网络法在地下水动态预测中应用

为了更好的预测地下水水位,在对现有的地下水动态预测的方法深入分析的基础上,利用某地区地下水位监测数据,采用灰色动态模型与人工神经网络相结合的方法,对该地区地下水水位进行了建模预测分析,并对未来可能的变化进行预测.预测结果与实测结果吻合较好,达到了较高精度,该方法对于地下水的动态预报具有一定的实用价值.     

基于人工神经网络改进的地下水水质评价模型研究及应用

针对人工神经网络无法确定主要污染因子的缺陷,结合单因子评价,优化地下水水质评价模型,既可以得到客观的地下水水质综合评价等级,同时又能确定主要污染因子.利用基于人工神经网络改进的地下水水质模型对山东某水源地地下水水质进行综合评价,结果表明,该水源地地下水水质基本达到Ⅲ类水标准,满足大型供水水源地供水要求;但多数地区存在污染物超标情况,地下水中总硬度普遍偏高,有机污染物污染情况有差异.评价结果较准确地符合水体水质情况.     

人工神经网络在地下水动态预测中的应用

应用人工神经网络中的BP算法，根据地下水动态的时间序列数据，建立地下水动态模型，对地下水动态进行模拟和预测，并与灰色－周期外延组合模型方法及数据处理组合方法的结果进行比较，结果表明，其预测精度较高，说明神经网络方法不仅简单、实用，又具有很强的处理地下水动态非线笥及周期性变化问题的能力，可以在地下水动态等方面广泛使用。     

基于神经网络的地下水质量评价模型

基于人工神经网络理论采用误差反向传播的BP算法建立地下水质量评价模型,充分利用神经网络的"黑箱特性",取6种地下水水质评价指标对肥城市地下水质量进行评价,并将BP算法结果与综合指标法以及模糊评价法结果进行比较,表明一致效果良好;同时该模型能起到优化状态的作用.     

基于改进的BP神经网络的地下水水质评价研究

运用人工神经网络的理论和方法,建立地下水水质评价的BP神经网络模型。根据《地下水质量标准》(GB/T14848—1993),通过训练该模型对昆明盆地实测12个孔隙水井的地下水水质进行评价,并与层次分析法的评价结果进行了比较。对比结果表明,用BP神经网络模型评价地下水水质是可行的,该模型训练速度快、精度高,能如实地评价地下水质情况。     

企业人力资源价值评价及应用研究

笔者以企业人力资源价值评价及应用为研究对象,给出了人力资源价值评价的层次模型,并计算出该模型各个指标因素的判断矩阵相关参数.在此基础上应用人工神经网络模型进行人员的等级评价,并进行了预测仿真,取得良好结果.     

模拟退火神经网络模型在地下水质评价中应用

采用模拟退火算法与神经网络相结合的方法建立了地下水水质评价的SA-BP神经网络模型,并对阜新新邱露天煤矿地下水水质进行了评价.结果表明,模拟退火算法具有快速学习网络权重和全局搜索的超强能力,有效地解决了BP算法的局部收敛的问题.应用此方法评价地下水水质简便可靠,预测精度高,具有通用性和客观性等优点.     

低渗透性含水层矿坑涌水量预测

针对低渗透性含水层矿坑疏干时,矿区地下水运动表现出明显的三维空间流场,而矿区外围地下水垂向运动不太明显,以二维平面为主,本文采用三维流和二维流藕合的数值模型来模拟地下水渗流,预测低渗透性含水层矿坑涌水量.结果表明方法是可行的,预测结果是可靠的.     

有机灰色神经网络模型在河流水质预测中的应用

针对灰色预测对波动较强的序列只能预测大致变化的缺陷,在分析河流水质动态变化的基础上,结合灰色理论中的GM(1,1),无偏GM(1,1)和RBF神经网络的特点,提出有机灰色神经网络预测模型,将灰色模型得到的数值作为神经网络的输入,原始数据作为神经网络的输出,训练得到最佳神经网络结构.以某地区河流水质为例,根据其变化规律,应用有机灰色神经网络模型进行预测,结果表明,该模型拟合误差小,预测精度高.     

注水开发油田产油量产水量动态预报的新方法

对注水开发油田,提出一种新的产油量、产水量动态预报方法。该方法对油田开发过程的时变性和各种随机干扰因素具有自适应性。文章从信息论角度出发,利用神经网络非线性时间序列预测模型,构造了油田产油量、产水量的神经网络预测器。结果表明,该预测器具有较高的预测精度,适合于各个阶段的产油量、产水量的动态预报。并且该方法完善了油田产油量、产水量动态预报的理论。最后给出了两个动态预报的实例,具有较高的预报精度。     

用小波神经网络预测高速公路软土地基最终沉降量

高速公路软土地基的最终沉降量与软土工程特性、应力历史、路基剖面形态以及地基处理方法等许多因素有关 ,根据这些因素计算最终沉降量是一个非线性建模问题。利用小波神经网络在非线性建模中的收敛迅速等优越性 ,提出利用小波神经网络预测高速公路软土地基的最终沉降量的方法。通过实例分析表明该方法收敛迅速 ,预测精度高。     

实数编码遗传算法优化的神经网络模型在岩溶水水位预报中的应用

岩溶地下水资源的准确评价是一个重要而又难以解决的问题,采用了遗传算法的最新成果,建立了以实数编码的遗传算法优化的前型神经网络模型以预测岩溶水动态水位,模型继承了传统遗传算法的优点,兼具神经网络强大的函数逼近功能,同时又克服了传统神经网络优化方法易隐入局部最优解的,产例的训练和预报结果表明：实数编码遗传算法优化的神经网络预报模型精度较高,适合于岩溶区的地下水资源评价。     

神经网络方法在城市需水量预测中的应用

本文详细阐述了采用BP神经网络和模糊神经网络进行城市需水预测的方法,并将这两种方法和灰色预测模型应用到石河子市需水预测的实证研究中.通过对这三种方法进行比较研究,发现在相关因素数据比较齐全时,两种神经网络的模拟结果精度较高,模糊神经网络方法的模拟精度最高.     

基于人工智能技术的原油含水率动力学模型研究

基于介电常数法测量原油含水率,往往受油水两相流态、温度、矿化度、非线性特性等多因素的影响。本文设计了一套基于多传感器的油水两相流实验室模拟系统对多个参量进行测定,提出基于智能信息处理方法的粗糙集预处理器、支持向量机分类器和遗传神经网络预测器建构了原油含水率预测模型,对原油含水率的高精度、智能化测量进行研究。实验结果表明,该模型在很大程度上改善了油水乳化液相转变、黏度、温度、矿化度等因素对原油含水率测量的影响,具有良好的模式识别性能和稳健的泛化能力,克服了原油含水率常规测量方法的弊端,是一种高精度智能化新型测量方法。     

改进BP神经网络在郑州市需水量预测中的应用

水资源供需矛盾日益突出,需水量预测已成为广泛关注的焦点．需水量预测可以为“三条红线”的实施提供依据,以强化水资源管理和节水监督管理,缓解水资源供需矛盾．基于BP神经网络模型,采用自适应调整的算法,改进了BP神经网络模型中学习率的求解方法,并将其应用到郑州市经济社会需水量预测中,预测了2012年和2015年经济社会需水量,分别为14．41亿m3和14．84亿m3;通过与BP神经网络模型、主成分回归分析结果对比,发现改进后的BP神经网络模型根据迭代误差自动调整学习率,求解速度和计算结果精度明显提高,适用于郑州市需水量预测．     

基于遗传与BP混合算法神经网络预测模型及应用

提出用遗传学习算法和权重调整BP算法相结合的混合算法来训练模糊模式识别神经网络预测模型；即先通过遗传学习算法进行全局训练，再用权重调整BP算法进行精确训练，使网络收敛速度加快和避免局部极小。作为实例，以新疆雅马渡站的实测径流资料和相应的前期4个预报因子实测数据作为样本进行训练并用以预测雅马渡站的年径流量。结果表明，该方法具有收敛速度快和预测精度高的特点。     

基于递归函数链模糊神经网络的永磁直线同步电动机位置控制

针对高精度永磁直线同步电动机(permanent magnet linear synchronous motor,PMLSM)存在参数变化、负载扰动、摩擦力等不确定性因素而影响电机伺服性能的问题,提出递归函数链模糊神经网络控制(RFLFNN)保证系统的伺服性能。首先在磁场定向控制下建立PMLSM伺服系统动态数学模型。其次,将函数链神经网络(FLNN)和递归模糊神经网络(RFNN)相结合设计RFLFNN控制策略,利用FLNN实现神经网络的函数扩展,提高系统的非线性逼近能力并对系统参数进行辨识; RFNN采用反向传播算法实时更新并调整神经网络的参数值,对系统中存在的不确定性因素进行估计以抑制不确定性因素对系统的影响。最后,通过系统实验证明所提方法的有效性,实验结果表明,与RFNN相比,该方法极大地改善了PMLSM伺服系统的位置跟踪性能。