尺寸效应下Cu-Ag合金强度的神经网络预测

建立了基于尺寸效应的Cu-Ag合金抗拉强度反向传播神经网络和粒子群优化神经网络模型,将神经网络模型应用于Cu-Ag合金微细丝抗拉强度的预测.进行不同线径和银含量(质量分数)的Cu-Ag合金微细丝拉拔和微观组织试验.试验结果表明:铸杆微观组织由共晶树枝晶和共晶群体组成.拉拔变形量达98.06％时,枝晶组织基本消失,以变形...     

开有不同矩形孔缝的电大腔中场分布的统计分析

本文研究外部电磁波入射下开孔电大金属腔中的电磁场环境特征.由于电大尺寸带来的巨大计算代价和高频响应敏感性问题,很难通过由全波分析得到的特定条件下的场分布确定性解来评估腔内场环境的普遍规律.因此,本文研究了当矩形腔体上开有不同尺寸矩形孔缝时,腔体内部电场分布的统计规律,并且给出了可对开孔腔体内部电场均值、标准差以及电场值概率密度分布进行快速评估的图表.此外,还发现开孔腔体内电场各个分量概率密度函数与理想混响室中对应量的概率密度函数具有极高的相似性.上述统计规律可作为开孔电大腔体在设计阶段有效的参考依据,并可为相关的电磁兼容分析提供重要的指导.     

基于BP神经网络的矩形窗电磁耦合分析

窗耦合是外界电磁干扰进入电子系统的主要途经之一,研究窗耦合对于电子系统电磁兼容性研究具有重要意义.传统的解析法、全波分析、实验研究等方法在对复杂电子系统电磁窗耦合分析中存在一定局限性.本文探讨了基于BP神经网络的矩形窗电磁耦合分析方法,利用试验测试数据结合BP神经网络建立窗耦合分析模型,获得在外界电磁波辐射下耦合到屏蔽腔中的功率与入射波功率大小、窗尺寸、腔体中位置及入射波极化方式的关系.利用该模型预测的结果与实验结果一致,该模型易于推广到的非规则窗或其他边界复杂的窗耦合问题中.     

电大尺寸载体天线间宽带干扰耦合快速分析

为求解电大尺寸载体天线间的宽带干扰耦合度,建立了天线间干扰耦合分析模型,提出了自适应多层快速多极子算法作为求解该耦合分析模型的核心算法.该算法将阻抗积分表达式中的基函数和权函数分别用不同空间位置上的Dirac函数展开,使阻抗积分的计算得到大大简化,所有转移过程可由快速傅里叶变换计算完成,应用波形渐进估计技术计算载体表面及天线上的宽带电流值,最后结合微波二端口网络理论求得天线间的宽带耦合度.数值实验和实测结果证明,在精度相等的前提下,所提出的快速分析方法比传统快速分析方法的计算效率和存储效率均提高了30%左右.     

基于BP神经网络的高速公路交通量预测

基于甘肃高等级公路收费年收入的统计数据,结合其收入和交通量之间的粗略关系,运用BP神经网络预测高等级公路各收费站年收入,从而间接地对高等级公路交通流量进行预测,为提高高速公路的管理与服务水平,对提高高等级公路管理部门的信息感知能力和应急处置能力、提高路网运行效率、建设和谐高等级公路具有极其重要的意义。     

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．     

基于BP神经网络的交通流量预测设计

在研究交通流量特性的基础上,以交通流量控制为最终目标,建立了基于BP(Back Propagation)神经网络的交通流量预测模型.以某市某三叉口路段为例进行仿真模拟,结果表明预测系统能较准确地预测出交通流量状况.     

用BP神经网络预测股票市场涨跌

利用BP网络较好的分类能力,结合国内股票市场的特性,对于沪市综合指数涨跌的预测进行了初步探讨。大量数值实验结果表明,人工神经网络应用于中国股票市场的预测是可行和有效的,有着良好的前景。     

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．     

BP神经网络在围岩变形预测中的应用

利用神经网络，建立了围岩变形预测的BP神经网络模型，采用围岩变形的实测数据对网络进行了训练，以此训练好的BP神经网络对围岩变形进行了预测。预测结果表明，该模型具有很高的预测精度，为预测围岩变形提供了一种新的方法。     

基于RBF神经网络的热轧碳钢变形抗力预测

以凸轮式高速形变试验机得到的实验数据为基础,利用Matlab人工神经网络工具箱,建立了碳钢的变形抗力与其化学成分、变形温度、变形程度及变形速度对应关系的RBF神经网络预测模型.通过对函数newrb()中宽度系数的调整,确定了最佳的网络结构形式,提高了模型的预测精度以及网络的泛化能力.结果表明,与传统的BP网络模型相比较,RBF网络模型具有更高的精度和较强的泛化能力.     

基于BP神经网络的大型水轮发电机定子铁心的温度预测

阐述了神经网络ＢＰ模型和算法,构造了大型水轮发电机定子铁心背部温度预测的神经网络模型,并将计算结果与实测结果作了比较,结果令人满意。     

基于神经网络的交通参数预测方法

为能够迅速准确地采取相应措施处理交通拥堵问题,改善行车安全,进而提高路网效率,研究了基于神经网络的交通参数预测方法,预测了交通流量、速度和占有率.在分析常用BP(Back Propagation)神经网络算法的基础上,研究误差平方和最小化的L-M(Levenberg-Marquart)算法.相对于常规预测方法,基于神经网络的交通参数的预测方法对于随机的参数变化具有更好的适应性,能及时跟随交通参数的变化,所以精确度更高,适应性更好.仿真结果显示,L-M算法的训练速度相比于常规BP算法要快几十倍,预测交通流量、速度和占有率等参数的效果优于常用的指数平滑算法,因此基于神经网络的交通参数预测方法可以应用于交通领域.     

基于自适应神经网络的调频调幅信号预测

线性调频信号在雷达和声纳探测上有着广泛的应用,利用自适应神经网络理论对线性调频信号的预测进行了研究,建立了自适应神经网络预测控制模型．在Matlab里进行了仿真,从图上可以看出,尽管在预测的初始阶段误差较大,但经过一段时间后,误差几乎趋于零．结果表明自适应神经网络能较好地对线性调频信号进行预测．     

基于神经网络的公路网规模预测

路网规模研究是公路网规划的重要内容。考虑影响公路网合理规模的多种因素，提出了一种基于BP神经网络的公路网规模预测方法，并建立了模拟路网规模与其影响因素间的非线形关系预测模型。步骤依次为：改进传统的BP算法、合理确定影响因素、建立预测模型、模型的训练与检验、数据预测。预测结果表明，该方法客观、合理，预测精度高，实用性强，具有较强的理论与实际应用价值。     

基于神经网络的集装箱运量预测

概述了神经网络的有关理论。研究了神经网络结构设计的步骤,方法及应注意的问题,应用神经网络技术对上海港集装箱运量进行了预测,并与灰色预测结果进行了比较。结果表明ＢＰ网络的预测精度高,是解决高度非线性系统预测问题的有种有效的方法。     

基于多模集成神经网络的蛋白质二级结构预测

为提高蛋白质二级结构预测的精度,提出了一个由5个子网络集成的多模神经网络模型,预测结果由5个子网络综合得到。对于每个子网络采用神经网络分级思想分为二级网络,一级网络采用含进化信息的profile编码蛋白质序列作为输入,二级结构作为输出。二级网络编码一级网络输出结果作为输入,并将蛋白质序列用改进正交编码方式作为另一输入来提高二级网络的预测精度,输出仍为二级结构。采用子网络差异方式进行单独训练,结果表明该方法最终的预测精度达到71.3%,较大提高了蛋白质二级结构的预测精度。     

一种基于反向神经网络的航空器飞行轨迹预测

为了缓解终端区空域拥堵和降低航空器运行风险,提出一种基于反向神经网络(BP)的航空器飞行轨迹预测模型。首先,对航空器历史数据进行筛选和降噪处理,得到基准轨迹;其次,建立基于Hausdorff距离的轨迹相似性矩阵,采用模糊C-均值聚类(FCM)对所有轨迹进行自动分类;最后,综合考虑飞行轨迹的三维位置、速度和航向特征,利用BP神经网络对轨迹特征进行训练学习,建立飞行轨迹预测模型,用于对未来时刻的短期飞行轨迹多维特征进行预测。试验结果表明:该网络模型预测误差小、预测效果好,可以更加准确地进行航空器的飞行轨迹预测。     

基于多步预测的PID型神经网络控制

提出了一种基于多步预测的ＰＩＤ型神经网络控制方案,其控制机理类似于位置递式ＰＩＤ控制,但所产生的控制量是误差信号的比例、积分和微分量的一种非线性组合,可以有效地克服常规ＰＩＤ控制存在的快速性和超调的矛盾。通过利用多步预测误差对ＰＩＤ型神经网络控制器进行训练,可以弥补单步预测存在的控制信号波动较大的缺陷。仿真实验表明,基于多步预测的ＰＩＤ型神经网络控制系统有效随机干扰,具有较强的适应性和鲁棒性。