基于神经网络的爆破块度预测

选择以对爆破效果影响最为明显的爆破参数作为神经网络输入层参数,建立神经网络预测模型,对爆破效果参数进行预测。将块度指标作为神经网络计算的输出层神经元,分析神经网络计算得出的块度指标是否满足设计精度。选择合理的样本数目进行训练学习,将模型计算结果与实测现场数据进行比较,输出结果的误差精度可以满足现场生产需要,能够达到指导实践中矿山调整爆破参数、改善爆破效果,节约成本的目的。     

基于BP神经网络的世界黄金价格预测

通过建立BP神经网络,把世界敏感度、美国的货币政策、中国的货币政策等因素作为网络输入端,将世界黄金价格分为几个区间作为网络的输出端,对世界黄金价格预进行了预测,实现了良好的网络训练和预测效果.     

基于BP神经网络的凿岩爆破参数优选

为了得到合理的凿岩爆破参数,使用BP神经网络进行优选.经过简化,以炮孔间距和排距作为输入因子,以总炸药单耗作为综合输出因子;通过有限次的爆破正交试验,建立网络学习、训练样本,优选出最佳的网络模型;增加各输入因子水平,组合成预测、优选样本,从而搜索出最优的凿岩爆破参数.以新桥硫铁矿为例,优选出炮孔间距为1.30 m,排距为1.10 m;预测总炸药单耗为0.459 7 kg/t,比原炸药单耗(0.828 8 kg/t)降低44.53%.     

用模拟退火神经网络技术进行波阻抗反演

利用基于模拟退火算法的神经网络技术进行测井约束的波阻抗反演，可根据数据本身之间的内在联系建立一个自适应非线性认知系统，只要在输入端输入特征数据，便能在输出端得到期望输出值，而不必关心系统本身的内部机理。在反演前，从测井资料中整理出地层波阻抗参数，用神经网络建立起波震波特征和地层波阻抗参数的映射关系，然后再利用这种映射关系进行外推，得到其它地震道所对应的波阻抗参数。在训练过程中，引入了模拟退火算法，     

图像目标检测算法研究

论述了一种图像目标检测算法。利用区域PCA对图像进行变化,用低维子空间描述高维空间中的图像。将低维子空间中的向量加载到BP网络的输入端进行训练,调整神经网络权值。然后利用建立起来的BP网络对图像中的目标进行检测;并且在此过程中,建立多种训练的目标库和背景库。最后编写了一个实现整个系统的软件,将图像输入软件,根据神经网络检测,输出端即可得到识别结果。     

多项式基函数神经网络模型

从函数逼近理论出发，用一组正交基函数作为三层前向神经网络各隐含单元的输出特性，以其加权和作为网络的非线性输出，构成一种单输入单输出正交基函数神经网络模型。建立了多输入的多项式基函数神经网络，并给出了非线性静态特性拟合，ＸＯＲ特性和动态特性拟合计算机仿真结果。     

基于遗传神经网络的科研项目经费预算方法

针对科研经费预算准确性与实用性无法兼顾的难题,提出基于遗传神经网络的科研项目经费预算方法.分析了科研项目经费构成及影响预算的关键因素,建立了影响因素的量化表达式,将量化结果作为输入,项目经费预算结果作为输出,利用遗传算法优化BP(Back Propagation)神经网络的权值和阈值,通过训练遗传神经网络预测模型建立输入与输出之间的非线性关系.运用预算实例对预测方法进行了有效性验证.仿真结果表明该方法有较高的预测准确性.     

用模拟退火神经网络技术进行波阻抗反演

利用基于模拟退火算法的神经网络技术进行测井约束的波阻抗反演，可根据数据本身之间的内在联系建立一个自适应非线性认知系统，只要在输入端输入特征数据，便能在输出端得到期望输出值，而不必关心系统本身的内部机理。在反演前，从测井资料中整理出地层波阻抗参数，用神经网络建立起地震波特征和地层波阻抗参数的映射关系，然后再利用这种映射关系进行外推，得到其它地震道所对应的波阻抗参数。在训练过程中，引入了模拟退火算法，使网络能有效地避开局部极小，这样可以提高收敛速度和拟合精度。     

基于BP神经网络的仓储信息资源管理评估研究

本文利用神经网络方法建立了仓储信息资源管理评估系统的数学模型。为了确保仓储信息资源管理评估的科学性和合理性,把评价指标作为神经网络的输入,把仓储信息资源的管理效益作为输出,基于最小二乘法原理,运用梯度搜索技术,力图使网络的实际输出值与期望输出值的误差均方值达到最小。经仿真分析,所建立的数学模型较好地拟合了部队仓储信息资源管理实践状况,具有较好的辨识精度。     

基于BP神经网络的市政工程造价预估研究

为了提高效率,提出了一种基于BP神经网络的工程造价预估模型。该模型在详细分析市政排水管道工程的项目特征和工作内容的基础上,找出了影响市政工程造价的主要因素,建立了造价影响因素和工程造价之间的映射关系,以工程的特征因素作为神经网络的输入向量,将所需的工程造价作为神经网络的输出向量,通过将已有相似工程的造价信息进行输入,训练网络函数,使函数不断修正改进,从而实现工程特征输入空间到工程造价输出空间的映射,达到了准确预估市政工程造价的目的。实验结果表明,本文建立的仿真模型切实可行,是比较理想的市政工程造价预估方法,可以预估到比较准确的市政工程造价。     

转换GPS高程的神经元网络方法

介绍了神经元网络BP算法的基本结构,提出了转换GPS高程的神经元网络模型－－经改进的5层BP网络结构。该BP网络结构包括：输入转换层,输入层,隐含层,输出层和输出转换层。由于BP网络激活函数的数据限定区间为[0,1],在工程应用中,增加设置输入转换层和输出转换层是必要的。通过某工程实例,对5层BP网络的具体模型结构进行了一些试验研究。如输入输出层的结构设计,隐含层最佳节点数的选取等。最后得到了一些有工程实用价值的结论。     

Elman神经网络在中子解谱中的应用

人工神经网络由于其优良的自我调节能力及学习能力,已经被广泛地应用在各领域的非线性分析中.在中国锦屏极深地下实验室(CJPL)中的低本底液闪中子探测器一直在记录着中子的本底数据,探测器输出的能谱实际上是核反冲能谱,与输入能谱可一一对应,并随着输入能谱的改变而发生改变;因此可以将探测器输出信号输入到训练过的神经网络中判断输入能谱.本论文采用的神经网络为Elman神经网络,训练神经网络采用的数据为Geant4模拟所得.将实验获取的核反冲能谱输入到训练过的神经网路进行反解,最后Elman网络反解出的Am-Be中子源能谱与真实谱误差在0.1%～11.8%,反解出的~(252)Cf中子源能谱与真实谱误差在0.1%～8.9%.     

基于RBF-BP复合神经网络的企业创新能力评价模型

为更加精准地测量企业创新能力,利用熵值法和相关性分析,从创新投入、创新产出、创新支撑3个维度建立企业创新能力评价指标体系,构建企业创新能力评价的RBF BP复合神经网络模型。该模型由1个输入层、1个RBF隐含层、1个BP隐含层以及1个输出层组成,其特点是将RBF隐含层的输出作为BP隐含层的输入。十折交叉验证与随机二次抽样2种方法检验表明,与单一RBF神经网络、单一BP神经网络相比,RBF BP复合神经网络模型的平均均方误差与平均绝对误差分别下降2821%、1519%和1251%、1255%,表明RBF BP复合神经网络模型具有最优的数据拟合能力,更适合于企业创新能力评价。     

基于残差神经网络的高强度运动超分辨率图像重构

针对实际拍摄的亚像素信息较少的低分辨率运动图像,重构图像通常较为模糊,甚至不能分辨。为此,提出一种新的基于残差神经网络的高强度运动超分辨率图像重构方法。令沿运动方向的亮度保持恒定,通过光流场匹配实现高强度运动图像的运动估计;根据运动估计结果和超分辨率重构的基本思想,将BP神经网络看作残差神经网络的基础建立残差神经网络,对残差神经网络进行训练,参照训练样本将经插值法放大若干倍的待重构高强度运动图像作为输入,将高分辨率图像和输入图像间的残差作为输出,把输入和输出累加获取超分辨率图像,实现若干放大倍数高强度运动超分辨率图像的重构。实验结果表明,所提方法运动估计准确,重构图像清晰、质量佳。     

遥感图象中波谱混迭象元分离方法的研究

提出用层次神经网络模型来解决遥感图象中波谱混迭象元的分离问题,即所谓的“同谱异构”问题,该模型由两级或多级神经网络级联而成,第一级神经网络主要用于波谱混迭象元的分类,采用第一个稳含层的BP网络,输入节点数目等于输入波段向量的维数,输出节咪数目等于期望类别数;第二级和后续层次的神经网络用于波谱混迭象元的分离,也采用只有一个稳含层的BP网络,其输入节点数目仍然等于波谱向量的维数,输出节点数目等于形成该混迭波谱的类别数,该模型可以高度精确地分离出波谱混迭的象元。     

旋转机械工况辨识的模糊神经网络方法

本文介绍了一种模糊神经网络分类器，针对其在旋转机械工况辨识中的应用，论述了网络的输入和输出模糊化问题，文中就旋转机械中几种典型的故障模式采用模糊神经网络进行了识别，并与传统的ＢＰ网络进行了比较，研究结果表明，模糊神经网络方法应用于旋转机械工况识别是有效的，它比传统ＢＰ网络更适合于处理分类边界模糊的数据。     

启发式神经网络在异步电机矢量控制速度估计中的应用

研究了三相感应电机矢量控制系统中的速度估计部分,引入了BP神经网络进行预测控制.在分析其数学模型之后,针对神经网络输入与输出频率存在的不匹配情况,通过改进BP神经网络解决黑箱问题时的输入参数,使用启发式算法对网络的输入参数进行预处理,取代了以电机定子电压电流参数作为训练输入的方法.仿真研究表明,该改进方法具有良好的跟踪性能与静动态性能,且具有更小的超调量.     

应用模糊神经网络反演大坝弹性模量

根据大坝实测位移资料，应用模糊神经网络反演坝体和坝基的弹性模量，其中两种水位下的位移的水压发量差值作为网络输入矢量，待求的坝体和坝基的弹性模量作为网络输出矢量，计算结果表明，应用模糊神经网络反演大坝弹性模量，具有精度高、速度快的优点。     

基于神经网络的光伏电站气象-功率模型

基于双层前馈神经网络建立光伏电站输出功率与辐照等气象因素间的非机理模型。建立光伏电站输出功率与气象因素的神经网络模型;对功率模型的输入特征进行选择,分析不同气象因素的组合作为输入变量对模型准确度的影响,明确功率模型的输入变量;分析该模型网络的训练算法、隐含层神经元个数及训练次数对模型准确度的影响,据此确定功率模型的最优结构与参数;基于光伏电站的实际数据对功率模型进行验证。结果表明,基于双层前馈神经网络的光伏电站气象-功率模型具有较高的准确度。     

钢包精炼炉的电极系统智能建模及控制

针对钢包精炼炉电极控制系统具有非线性、时变、模型不确定、大滞后、多输入多输出耦合的特点,提出一种基于神经网络实时在线辩识的内模控制方案.控制器采用神经网络解耦,将混沌机制引入到BP算法中,用以加快学习的收敛速度.仿真结果证实了控制策略的有效性.