利用BP神经网络预测原油粘度

神经网络是一种抽象的数学模型,研究BP神经网络的特性并利用该网络预测原油粘度,建立了一个BP神经网络模型,最后利用MATLAB环境下的神经网络工具箱开发相应的程序。并最终将其用于原油粘度的预测。     

利用神经元网络实现门尼粘度的预估

介绍了基于神经元网络的预估门尼粘度的软仪表。其中包括输入变量的选择、网络的构造、信号的预处理及在线修正方法等，文章最后报告了软仪表的现场运行结果。     

基于对角递归神经网络的粘度软测量模型

采用对角动态递归神经网络,基于生产过程的可测参数,构造聚酯(PET)的粘度软测量模型,实现PET粘度的在线估计。实验表明了方法的有效性和可行性。     

聚酯（PET）切片特性粘度的测试与应用

本文描述了聚酯（ＰＥＴ）树脂的主要性能指标－－特性粘度的定义和测试理论；说明了聚酯特性粘度测试的一般方法；从聚酯成型瓶的加工流程上阐述了特性粘度对其影响程度，提出了不同特性粘度聚酯的主要用途范围。     

基于实时推理的工业聚酯粘度智能控制系统

针对某工业聚酯粘度控制问题,研究了建立基于专家知识和实时推理的专家智能控制系统,它能有效地对 粘度进行识别及控制,现场的在线运行结果令人满意。     

水溶性聚酯的制备方法

介绍了一种水溶性聚酯的制备方法,包括酯化阶段和缩聚阶段。通过改变三单体的加入量、调整缩聚时间等得到水溶性聚酯。该聚酯水溶温度75℃,水溶效果较好,缩聚周期为120min,切片杂质较少,粘度和熔点也达到了要求。     

用蒙特卡罗方法计算恒磁场中流体的粘度

用蒙特卡罗方法研究了水分子体系的结构、内能与磁感应强度的关系。计算结果表明，外加磁场能影响水的内能及水的结构，水的粘度与磁感应强度呈多极值函数关系。     

用蒙特卡罗方法计算恒磁场中流体的粘度

用蒙特卡罗方法研究了水分子体系的结构内能与磁感应强度的关系，计算结果表明，外加磁场能响水的内能及水的结构，水的粘度与磁感应强度呈多极值函数关系。     

用MD方法计算磁场条件下水的粘度

将水系统视为正则系统,采用分子动力学模拟（Molecular dynamics simulation简称MD)对磁场作用下水的内能、粘度和径向分布函数进行了计算。研究结果表明：磁场可以影响g(r)的分布,使水的结构发生变化,从而导致水的粘度发生改变;粘度与外加磁场强度的关系呈多极值特征,且在B＝0．25T以及常温下磁化效果最为明显。     

利用卷积神经网络的显著性区域预测方法

针对神经网络的显著性区域预测存在数据采集代价大、处理繁琐等问题,提出2种卷积神经网络,即从头开始训练的浅层卷积神经网络,以及前三层源自另一个网络的深层卷积神经网络。其中,浅层网络结构简单,可避免过拟合问题;深层网络可以充分利用最底层的模型参数,收敛更快,效果更好。所提卷积神经网络应用于回归问题,均没有直接训练特征图的线性模型,而是在迁移层上训练了一堆新的卷积层。从端到端的角度解决显著性预测,将学习过程演化为损失函数的最小化问题。测试和训练在SALICON,SUN和MIT300数据集上进行,实验结果验证了所提方法的有效性。其中,深层网络和浅层网络在SALICON和SUN数据上的结果相似,深层网络在MIT300上的结果更优,与其他方法相比,所提方法具有不错的表现,而且具有跨数据集的鲁棒性。     

动态误差时间序列小波神经网络预测模型

基于现代误差修正技术,研究小波神经网络建立的动态测量误差预测模型,以进行误差修正,提高动态测量精度,避免了传统神经网络需要人为干预网络结构参数的不足。文章介绍了建模方法,重点对大轴圆度误差测量过程中的动态测量数据进行实例分析,结果表明,该模型预测精度高,具有重要的应用价值。     

比较BP神经网络和RBF神经网络在基金净值预测中的应用

基金市场的活跃程度直接影响基金净值的变动,市场内部的影响因素具有较强的非线性特征,神经网络模型强大的非线性处理功能能够更为精准地预测基金净值的走势.本文采用BP神经网络和RBF神经网络对华夏成长基金进行实证分析,比较2种方法的预测精度.实证结果表明:RBF神经网络的仿真结果与真实值匹配程度较好,具有更高的预测精度.     

基于BP神经网络的高炉熔渣黏度预测

建立一种BP神经网络模型来预测多元组分CaO-SiO2-Al2O3-MgO系高炉熔渣的黏度,并对其测量值进行实验验证。结果表明,采用BP神经网络模型对高炉渣黏度预测的总平均误差为2.36%,较好地解决了预测结果与实验结果之间的非线性关系,且预测结果与实验结果相吻合。     

神经网络在成品油价格预测中的应用

列用BP神经网络和线性神经网络,进行了成品油价格的预测. 应用某炼油厂的两种原料油胜利原油和进口原油的价格、90#汽油的产量、销量、0#柴油的产量、销量共6个变量为输入矢量,预测了该炼油厂90#汽油和0#柴油这两种成品油的价格.     

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.     

用神经网络进行投标报价中的变量选择

针对在建筑行业的投标报价过程中，如何在众多的信息中选出对最终报价影响较大的几项因素以及如何确定这些因素与最终报价这间的关系这两大难题，提出了一种基于神经网络的变量选择方法，其基本思想是：经过两次选择，消除了两个多余的变量，将最初的10个变量缩减为8个，并以这8个变量作为输入建立新的报价模型，从网络的泛化结果可以看出，经过变量选择后，网络的泛化能力有了较大的提高，表明了该方法的有效性。     

动态模糊神经网络研究

针对静态网络无法处理暂态问题，对具有递归环节的动态模糊神经网络进行了研究。通过在网络第二层中加入内部反馈连接，使其具有动态映射能力，从而对动态系统有更好的响应。网络使用遗传算法与反向传播BP(BackPropagation)算法相结合来训练，避免陷入局部最优解。采用时序预测和动态非线性系统进行了仿真研究，结果表明，动态模糊神经网络较之普通模糊神经网络在收敛速度、预测精度和网络规模等方面都有较大的改善，并具有更好的动态系统处理能力。     

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.