基于改进布谷鸟搜索—高斯过程的橡胶配方预测研究

为提高橡胶产品的质量,根据实验设计数据,利用高斯过程回归构建橡胶产品性能与因素之间的配合过程模型,采用改进的布谷鸟搜索算法对高斯过程回归模型的超参数进行寻优,并预测橡胶产品性能。研究结果表明,该模型的预测结果有效,并能降低橡胶产品配方优化设计所需时间。     

自密实混凝土性能预测的神经网络模型

自密实混凝土具有优异的工作性能，但目前还没有有效的配比数学模型．为此，在自密实混凝土配比试验的基础上，利用神经网络理论，建立了自密实混凝土性能预测的神经网络模型．计算结果表明，用人工神经网络方法预测自密实混凝土的性能是可行的，能满足工程实际的要求．     

BP神经网络预测织物拉伸性能

采用BP神经网络技术建立反映织物结构参数、纱线参数与织物拉伸性能间关系的三层神经网络模型,根据影响织物拉伸性能的各种参主为量,用动量-学习率自适应调整的BP算法训练模型,通过预测值和实验值的比较,表明用神经网络方法预测织物拉伸性能有相当的准确性,从而在一定程度上实现用神经网络预测织物的拉伸性能。     

降低橡胶配方设计成本的途径

讨论了橡胶配方设计中，在保持胶料较高的物理机械性能的条件下，应用废短纤维硫化胶粉，改性轻钙补强填充橡胶基质，以达到降低成本和谋求经济技术上的合理。     

人工神经网络在水泵性能预测中的应用

分析了影响水泵机组性能变化的主要因素;根据泵性能与各因素之间的关系,利用BP人工神经网络构建了水泵性能的预测模型;以某轴流泵试验数据为样本,BP人工神经网络为工具,对轴流泵模型进行了泵扬程及效率性能指标与流量、叶片角度等相关因素间的性能预测研究.预测结果表明,将该模型用于轴流泵性能参数预测,不仅可以提高预测精度,而且可以缩短试验时间,降低试验成本.     

自组织原理在橡胶配方设计中的应用

自组织法又称数据组合处理方法（ＧＭＤＨ），是７０年代发展起来的一种启发式自组织建模方法。本工作将其引入橡胶配方设计中，提出一种配方过程非线性建模方法，初步结果令人满意。     

基于模糊感知器的路面性能预测方法

利用模糊感知器人工神经元网络尝试建立一个智能型路面性能预测模型，对神经网络原理和模型结构进行了系统的理论分析，给出了详细的算法，并以平整度历年调查资料为数据基础，对该模型进行了实例分析，证明了模型的理论与实际运用的可行性。该方法利用神经网络与模糊方法各自的优点，针对不同性能指标，建立对应的神经网络预测模型，来对今后的指标值进行预测，较好地解决了路面性能预测中的模糊性和不确定性。     

基于BP神经网络的高炉焦化预测方法

焦比是高炉生产过程中的一个重要技术经济指标，也是实际生产中需要进行控制的目标之一。因为高炉反应的复杂性，采用传统的经验方法对焦比进行预测存在较大的误差，文章采用一个9－9－1改进的BP网络对高炉焦比进行预报，实验结果证明，经过训练的神经网络对高炉焦比有良好的预测效果，其预测误差小于2％，并根据生产实际探讨了将神经网络和专家系统相结合，对高炉焦比进行在线预报的可能性。     

正交多项式回归在橡胶配方试验中的应用

应用均匀设计安排橡胶配方试验,研究四个因子（包覆剂M81、包覆剂M82、氯化钠和硬脂酸盐）对粉末氯丁橡胶500％定伸应力,邵尔A型硬度,永久变形三项性能的影响。采用正交多项式回归分析法建立回归模型,并对回归方程和回归系数进行显著性检验。结果表明,所得的回归方程可以良好地预测4项变量对粉末氯丁橡胶物理机械性能的影响。     

橡胶沥青室内配方研究与生产

通过对4种废胎橡胶粉、2种基质沥青及外加剂制备的橡胶沥青,采用常规室内试验方法,分析了影响橡胶沥青性能因素,寻找出适合本地区气候条件和交通条件的喷洒型橡胶沥青的各种原材料和适宜的工艺参数,并根据室内配方,指导橡胶沥青的生产。     

基于神经网络技术的泵站机组性能预测

性能曲线是反映泵变工况运行情况的一类曲线，通常该曲线均是通过实验或是以已有数据为基础的性能换算而获得，但前者费用昂贵，后者准确性差．为此，通过对BP人工神经网络模型的分析和研究，提出了利用BP神经网络技术进行泵站机组泵的性能预测的新方法，并以16CJ80型全调节轴流泵为例，进行了泵的性能预测，经济、可靠地获得了泵的性能曲线．简述了该BP神经网络所存在的缺陷及其改进的有效手段．这一技术的成功应用提高了泵站机组的可靠性、运行质量，同时也推动了神经网络等新技术、新手段在流体动力工程领域中的应用．     

神经网络方法在用水量预测中的应用

采用自适应变步长的后向传播算法(ABPM)构建了一个人工神经网络用水量预测模型。分别取一部分历史数据作为训练样本和测试样本,用训练样本对网络进行训练,然后用测试样本对模型进行评估。结果表明该模型收敛速度较快．预测精度高．为用水量预测提供了一种新的方法。     

一种新型神经网络在期货价格预测中的应用

文章利用随机变异-优化选择设计规则的神经网络对沪深300股指期货的价格时间序列进行仿真预测。研究发现该方法在解决实际问题的过程中效果更佳,能够解决BP网络参数不易确定,预测精度不高的问题。     

用人工神经网络预测黑火药燃烧性能

利用人工神经网络算法建立了黑火药燃烧热力学参数的定量BP网络模型,通过10组配方的元素组成及其输出参数测试值对模型进行了训练,用另外9组配方的测试结果与相应的预测结果进行了对比研究. 结果表明,该方法能较好地对黑火药的燃烧参数进行预测,预测值和试验值误差小于7%,精度较高,可作为功能黑火药配方设计、输出特性参数预测的工具.     

基于遗传-神经网络的交通量预测

分析了遗传算法 (Genetic Algorithm,GA)和人工神经网络 (Artificial Neural Network,ANN)的优缺点 ,在此基础上提出了将遗传算法与人工神经网络有机结合起来的遗传 -神经网络预测模型 ,并将此模型用于河北省交通量预测 ,其预测结果的精度明显得到提高 ,表明遗传 -神经网络预测模型可以作为交通量预测的一种有效手段。     

浅析橡胶沥青性能及应用

文章在分析橡胶沥青改性机理及主要技术性能的基础上,介绍目前橡胶沥青在我国主要应用的技术领域,指出在筑路工程中应用橡胶沥青能改善沥青混合料的路用性能并有减噪作用,具有显著的环保效益和经济效益,应大力推广。     

BP神经网络数值预测方法的研究

人工神经网络作为一个具有高度非线性映射能力的的计算模型,具有广泛的应用前景.在数值预测方面,它不需要预选确定样本的数学模型,仅通过学习样本数据即可以进行预测.本文在对其进行深入研究的基础上,探讨了利用BP神经网络进行数值预测的方法和应该注意的问题,并给出了一些有益的建议.     

BP神经网络数值预测方法的研究

人工神经网络作为一个具有高度非线性映射能力的的计算模型,具有广泛的应用前景。在数值预测方面,它不需要预选确定样本的数学模型,仅通过学习样本数据即可以进行预测。本文在对其进行深入研究的基础上,探讨了利用BP神经网络进行数值预测的方法和应该注意的问题,并给出了一些有益的建议。     

组合式神经网络企业产品销售量预测方法

采用回归分析法,去逼近预测模型中具有时间增长趋势的离散数据,用其逼近误差进行人工神经网络学习和训练,输出预测误差,然后对回归模型进行动态补偿,以实现对企业产品销售量进行组合预测。其预测结果比单一的回归分析法和线性规划法计算精度要高,表明组合式人工神经网络对预测企业产品销售量具有良好的适应性。     

基于焊缝成分的焊条配方预测

介绍了焊接过程高温时的热力学和动力学基本物理—化学方程 ,并以此方程建立了数学模型 ,采用计算机VisualBasic编程 ,在给定的所期望接头性能和焊接参数后 ,基于焊缝成分预测焊条的配方。