河道水量还原计算中的遗传BP人工神经网络方法

将遗传算法GA及人工神经网络BP算法结合起来运用于河道水量的还原计算.结果表明:基于GA BP的河道水量还原优化算法能够克服BP算法自身不可优化的弊病,较好地改善网络全局寻优能力,提高网络速度,防止网络陷入局部最小值.同时该算法较确切地反映出河道水量还原计算中河道水量形成非线性这一本质现象,提高了河道水量还原计算结果的精度.     

基于GABP神经网络的液压互联悬架建模研究

液压互联悬架(hydraulically interconnected suspension, HIS)是一种非线性系统,运用机理分析法建模存在建模精度和速度不可兼得的缺点。为解决上述矛盾,提出了一种基于遗传算法(genetic algorithm, GA)优化的反向传播(back propagation, BP)神经网络对HIS系统进行建模的方法。首先,通过Simulink建立的液压互联悬架模型仿真获取网络的训练数据。其次,使用遗传算法优化BP神经网络的初始权值和阈值;然后,两种建模方法对比验证GABP建模方法优点;最后,通过液压互联悬架台架实验获取实验数据,与神经网络训练结果进行比较分析。结果表明：在垂向模态下,低、中、高3种频率下相对误差百分数分别为4.12%、2.27%、1.51%;在侧倾模态下,低、中、高3种频率下相对误差百分数分别为7.64%、4.07%、4.35%。与机理建模法相比,GABP建模方法兼具较好的建模精度和速度。     

人工神经网络在新疆蘑菇湖水库水质评价中的应用

调查分析了蘑菇湖水库的污染源,选取蘑菇湖水库污染的6项水质监测数据作为评价指标,采用Matlab建立了蘑菇湖水库水质评价的三层BP网络模型,并以这6项指标为训练样本,对BP网络进行训练,将训练好的网络用于水质进行评价,得出的蘑菇湖水库水质评价结果是劣Ⅴ类,采用分级评分法对计算结果进行了比较分析,结果表明：BP神经网络方法收敛速度较快,预测精度很高,蘑菇湖水库已丧失养殖功能,并且已不能满足农业灌溉的标准。     

大坝变形监测的BP网络模型与预报研究

建立有效实用的大坝安全监测模型,对于馆控大坝运行意义重大。针对目前国内外常用统计模型、确定性模型等的不足,提出将基于误差逆传播算法的BP神经网络模型用于大坝变形监测数据的拟合分析及其预测预报研究,最后以福建水口混凝土重力坝变形监测为例,对坝顶垂直位移实测值建立了BP网络模型,并将模型用于坝顶垂直位移预报,结果表明,BP网络模型的拟合和预报精度明显优于相应的统计模型。     

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。     

红外光谱-人工神经元网络法测定海藻培养过程中的碳酸盐浓度

用傅里叶变换红外光谱法测定海藻培养液中碳酸盐浓度时,由于pH对碳酸盐特征吸收峰影响严重,本文用人工神经元网络处理红外光谱,用该方法计算得到：对标准样品的预测标准误差为NaHCO3 0．08g／L,pH值为0．12,优于偏最小二乘法的结果。用该方法对实际螺旋藻培养过程中的碳源浓度进行了测定,预测标准误差为0．65g／L。     

遗传算法改进神经网络的电力系统谐波检测法

提出了将遗传算法与神经网络结合起来用于电力系统谐波幅值与相位测量的方法。根据电力系统谐波的特点,构造了用于谐波检测的神经网络模型,阐述了网络训练样本的形成方法。借助Matlab提供的遗传算法与神经网络算法工具箱,先用遗传算法对前馈神经网络进行全局训练,再用BP(back-propagation)算法进行精确训练。仿真结果验证了该方法的有效性和可靠性。通过与传统BP算法测量谐波的方法相比较,该方法具有训练速度快,不易陷入局部极值,测量精度高的优点。最后用未训练的样本检测训练好的神经网络,验证了该网络同时也具有较好的泛化能力。     

基于BP神经网络建立石油射孔枪盲孔结构分析器

首先分析了射孔枪的盲孔结构,得出建立结构分析器的必要性;其次基于人工神经网络的高度并行和非线性映射的功能,提出用三层BP神经网络代替有限元分析软件,来描述结构设计变量和结构响应之间的映射关系,建立了盲孔结构分析器。经过算例分析比较,结果表明结构分析器的建立是合理的,有效的。     

Levenberg-Marquardt神经网络在煤矿作业人员人因可靠性评价中应用研究

依据人因可靠性原理、事故致因理论,结合煤矿生产系统的特点,提出了观测可靠度的概念,确立了一系列便于统计和赋值的人因可靠性评价指标.针对人因失误事件过程的动态性、复杂性以及数据的不完整性,利用BP神经网络对非线性动态系统的自学习性和自适应性的特点,建立了基于BP神经网络的煤矿作业人员人因可靠性评价模型.运用Levenberg-Marquardt算法改进的BP神经网络,克服了收敛速度慢,容易陷入局部极小点的缺点,提高了预测精度和稳定性.对于岗位工龄短或有效记录不足的煤矿作业人员,采用BP神经网络模型进行了人因可靠性评价.评价结果表明,基于BP神经网络的煤矿作业人员人因可靠性评价方法具有较好的适用性和可行性.     

基于动态递归模糊神经网络的动态系统辨识

模糊系统和神经网络由于具有逼近任意连续非线性映射的特性而广泛应用于系统的辨识和控制,但是传统的模糊神经网络是一种静态映射,不适用于动态系统的辨识,而现实工程中的控制对象反映的是系统的动态行为.为了提高动态系统的辨识精度,提出了一种新型的动态递归模糊神经网络,并根据动态递归神经网络的数学模型推导其动态反向传播学习算法及其改进算法.仿真结果表明:由于动态模糊神经网络的辨识过程同时利用了系统的当前数据和历史数据,对动态系统的辨识,特别是对具有纯时间延迟动态系统的辨识,较传统模糊神经网络在辨识精度和稳定性方面具有更好的效果.同时,确定网络权值和隶属函数参数初始值的方法可使动态系统的辨识过程具有更快的收敛速度.     

A Precise Algorithm for Non-Integer Harmonics Analysis Based on FFT and Neural Network

By means of an artificial neural network (ANN) model, higher measurement accuracy of integer harmonics can be obtained. Combining the windowed fast Fourier transform (FFT) algorithm with the improved ANN model, we present a new precise algorhhm for non-integer harmonics analysis. According to the result obtained from the Hanningwindowed FFT algorithm, we choose the initial values of orders of harmonics for the neural network. Through such processing, the time of iterations is shortened and the convergence rate of neural network is raised thereby. The simulation results showthat close non integer harmonics can be separated from a signal with higher accuracy and better real-time by using the algorithm presented in the paper.     

用模糊神经网络建立GNP与产业结构的关系模型

给出了一种ＧＮＰ值与产业结构的关系模型的算法,利用一个多输入单输出的模糊神经网络（ＭＩＳＯ－ＦＮＮ）,提取关于人均ＧＮＰ值与工业比例,农业比例及人口关系的模糊的规则。利用模糊神经网络进行学习,调整隶属函数的形状及结论部分的参数;同时,还提出了一种在学习过程中动脉筛选模型规则的方法,仿真结果验证了算法的有效性。     

小波变换和神经网络用于红外光谱定量分析

为扣除开放光路法红外光谱中的背景干扰 ,发挥开放光路法的优势 ,提出了针对多组分气体体系的小波变换(WT)和人工神经网络 (ANN)相结合的红外光谱定量方法。该方法在数据处理阶段利用小波变换方法扣除了样品光谱中的背景干扰 ,然后通过计算谱峰强度和组分浓度之间相关系数的方法确定了待测组分的特征峰 ,最后利用 ANN技术实现了定量分析。该方法用现场实测光谱进行了检验。结果显示其综合性能优于其它几种常用的方法 ,是一种有效的红外光谱定量方法     

神经网络车辆轮胎模型的分析与研究

轮胎力学特性的分析是研究车辆振动分析的基础,但使用经典的数学方法来解决非线性问题是很难实现的,因此我们论述把神经网络理论应用到汽车动力特性控制上,主要使用BP神经网络对汽车轮胎的力学特性进行建模分析．     

基于神经网络技术自动筛选Monastrol抑制剂的算法研究

带自动荧光显微镜的HCS（high content screening）系统是一种新兴的显微摄影、筛选和处理系统.HCS系统在摄影过程中会产生大量数据,人工筛选和识别费时费力.本文为了进行Monastrol抑制剂的筛选,基于前馈式神经网络技术研究了一种对HCS系统摄影的大量细胞同时进行特征提取和细胞显型识别的自动算法.在得到各个通道分离的图像后,对不同通道图像进行并行预处理,并采用神经网络和逻辑运算相结合的算法进行处理.我们将该方法运用于Monastrol抑制剂的筛选中,并将结果与人工识别结果进行分析比较.相比较前人提出的multi-phenotypic mitotic analysis（MMA）算法自动识别的正确率得以提高,可更好评估抗癌药剂效用.     

Digital Watermarking Algorithm Based on Wavelet Transform and Neural Network

An effective blind digital watermarking algorithm based on neural networks in the wavelet domain is presented. Firstly, the host image is decomposed through wavelet transform. The significant coefficients of wavelet are selected according to the human visual system （HVS） characteristics. Watermark bits are added to them. And then effectively cooperates neural networks to learn the characteristics of the embedded watermark related to them. Because of the learning and adaptive capabilities of neural networks, the trained neural networks almost exactly recover the watermark from the watermarked image. Experimental results and comparisons with other techniques prove the effectiveness of the new algorithm.     

补偿递归模糊神经网络及在热工建模中的应用

在传统的模糊神经网络中引入递归环节和补偿环节,构成了一种新型补偿递归模糊神经网络(CRFNN),改善了网络的动态响应特性和学习能力.在此基础上,采用一种新型序贯监督策略对网络进行结构辨识,能够有效地确定模糊规则的条数以及相关参数的初始值.针对CRFNN的结构特点,提出了改进的BP算法,能够对网络的结构参数进行进一步的学习.对典型的热工对象以及复杂的ALSTOM气化炉进行的建模计算结果表明,提出的CRFNN具有优良的动态响应特性和很强的学习能力,值得在热工建模与控制领域中推广应用.     

一种基于人工神经网络的有害信息实时动态监测系统模型及其实现

在有害信息监测过滤的研究过程当中，包捕获及处理速度、决策准确性以及系统的经济可行性等方面都是需要考虑的基本问题。依据有害信息过滤的目标及宗旨，本文提出了一个基于人工神经网络的有害信息实时动态监测系统模型，并用软件实现，取得了良好的应用价值。     

基于RBF人工神经网络的X级以上太阳耀斑预报研究

采用第23太阳活动周X级以上耀斑的数据,通过回归分析、Gauss拟合和RBF人工神经网络等方法对X级以上耀斑进行预报研究.结果表明,将黑子群的位置、卡灵顿经度、耀斑爆发时间与黑子群达到最大面积的时间关系、每7d黑子群的最大面积、太阳耀斑流量的积分值、CME速度和F10.7射电流量7个预报因子作为参量对RBF人工神经网络预报模型进行训练,训练后建立的RBF模型的输出结果和训练数据的相关系数高达98%,对耀斑强度的预报结果与观测结果的误差在0.5以内,预报模型符合耀斑短期预报的要求.     

人工神经网络在7175高强铝合金时效动力学研究中的应用

用人工神经网络方法研究了形变、固溶时间对７１７５高强铝合金时效动力学的影响，研究结果可用于寻找适合于７１７５铝合金的最佳热处理工艺。