基于配线法的BP神经网络求解Theis模型

利用非稳定流抽水试验资料确定含水层水文地质参数的配线法在具体应用中存在较大的随意性,用一种改进的反向传播(BP)神经网络方法来进行承压完整井非稳定地下水运动Theis公式中的水文地质参数识别,在一定程度上解决了现有的BP神经网络方法求解含水层参数中存在训练区间选择、网络拓扑结构复杂、网络泛化性能较低和过度拟合等问题.实例计算结果表明,提出的基于配线法的BP神经网络是求解水文地质参数的一种高效方法,对其他水文地质问题求解具有推广应用价值.     

过程质量控制的BP神经网络诊断方法研究

利用BP神经网络建立了过程质量控制图模式诊断模型，并采用单因素法优化了模型参数．仿真结果表明，神经网络能有效识别控制图模式类型，具有较高的识别率，模型符合过程质量智能诊断的基本要求．     

基于改进胶囊神经网络的乐音主频识别研究

为了提高乐音主频识别性能，采用胶囊神经网络用于主频识别，并对胶囊神经网络特征相似计算方法进行改进优化，以增强胶囊神经网络的主频识别适应度。对乐音音符的端点检测与有效分割后采用线性预测倒谱参数法获得乐音主频特征向量。建立基于胶囊神经网络的乐音主频识别模型，并采用动态路由获得稳定的胶囊神经网络结构核心参数。采用余弦相似度对传统的内积计算进行有效改进，优化特征差异判断策略。采用改进的胶囊神经网络算法用于乐音主频识别。试验结果证明，合理设置胶囊神经网络的耦合系数、平衡系数和类别阈值单音集和曲谱连续集均能获得较高的乐音主频识别性能。相比于常用乐音识别算法，该文所提算法能够获得更高的识别准确率和稳定性。     

基于改进BP神经网络算法的管道缺陷漏磁信号识别

海底管道漏磁检测信号处理的主要任务是根据霍尔传感器检测到的缺陷漏磁信号来识别缺陷的形态参数．根据漏磁检测原理设计了相关的漏磁检测电路，通过提取信号的主要特征量，利用Levenberg-Marquardt算法在对常用BP神经网络改进的基础上应用其来识别缺陷的尺寸参数，给出了BP神经网络各层数的确定及权值、学习率的调整方法和相应的漏磁信号数据处理过程．漏磁检测数据处理实验表明，该缺陷识别BP神经网络系统具有逼近精度高、收敛速度快等特点．     

地物波谱组合识别的神经网络模型

遥感探测是一个多参数、高混合度的综合识别问题。利用BP神经网络的全局训练特性，直接利用教师信号来训练，建立了一个多组合的地物识别模型。实例验证了这种组合识别模型具有简单性、实用性和准确分辨等特点。     

基于模拟退火遗传算法的水文地质参数识别

水文地质参数识别是一个复杂的非线性优化问题，针对传统人工调参方法的局限性，提出了水文地质参数识别的模拟退火遗传算法，实现了水文地质参数的自动识别，提高了计算效率，较一般遗传算法具有更好的收敛性能，最后通过实例验证了该方法的可行性与有效性。     

基于神经网络的超声无损检测缺陷定征方法的研究

针对超声无损检测中缺陷分类难、分类结果可靠性差等问题，给出了一种以神经网络为基础的缺陷特征分类方法。利用Ｆｉｓｈｅｒ线性判别方法对表征缺陷特征的时域信号的波形参数进行了选择，并将这些参数作为神经网络的输入矢量对网络进行训练，用该网络对缺陷特征进行了识别，结果表明：神经网络的识别率远大于传统的贝叶斯分类方法。     

基于神经网络的超声检测缺陷表征

提出了一种基于神经网络的缺陷表征方法．该方法采用Fischer线性判别分析对表征缺陷的时域信号的波形参数进行选择，并将这些参数作为神经网络的输入对智能缺陷表征系统进行训练，用概率神经网络和BP神经网络分别对缺陷的类型和大小进行识别．对135种人造焊接缺陷(裂纹、夹杂和气孔)的试验结果表明，文中方法对辨识缺陷表征信息和提高缺陷识别率非常有效．     

不稳定试井分析中参数识别的神经网络方法

在不稳定试井分析中,调整试井解释参数往往花费解释人员大量的时间。特别,当试井解释参数较多时,进行参数调整就更为困难,有时得不到一个合理的参数识别结果。因此,研究新的试井解释参数识别方法势在必行。目前,典型曲线的自动拟合方法是其研究成果之一,但由于数值计算方法的局限,使得该方法难于推广。文中研究了基于神经网络的系统辨识方法在不稳定试井分析参数识别中的应用。通过神经网络对一实际的油气藏系统进行建模和辨识,从而由新的神经网络模型可以获得参数识别结果。着重讨论了均质地层和双重介质地层的压力不稳定测试的参数识别问题,一个实例的分析显示了该识别算法的特性。     

基于神经网络技术的结构损伤探测

理论分析表明，工程结构损伤前后的固有频率的变化包含了结构损伤位置和程度的信息，在此理论基础上，构造了改进型BP神经网络的输入参数，分别对一个框架模型和一个桁架模型进行了损伤数值模拟计算，首先提取结构固有频率的变化，对神经网络进行训练，然后分别对结构的损伤位置和损伤程度进行识别，计算分析结果表明，该方法在结构损伤检测中具有较好的识别效果。     

BP神经网络算法在修正SIR传染病模型参数反演中的应用

研究了一类修正SIR传染病模型的参数识别问题,给出了参数识别问题的唯一性结论,并利用BP神经网络算法对参数识别问题进行数值求解,通过数值算例说明了该反演算法的可行性.     

滚动轴承故障诊断系统研究

在对滚动轴承振动信号特征分析的基础上，建立了AR模型，利用AR模型参数建立径向基函数神经网络，并用该网络对滚动轴承的故障模式进行了识别。最后应用Matlab语言强大的计算功能，建立了滚动轴承故障诊断系统。理论和试验证明了该系统的有效性，且具有较高的识别精度。     

一种基于RBF神经网络的英文字符识别方法

提出了一种基于RBF神经网络的英文字符识别方法。该方法首先提取字符的结构特征和统计特征，以它们作为神经网络的输入向量，然后用RBF神经网络进行识别。使用了高斯函数作为神经网络的激励函数，并以最小二乘准则对字符进行识别。对字符样本的识别结果显示，此方法在识别错误率和识别效率等方面均有很好的效果。     

Kohonen神经网络在雷达多目标分选中的应用

雷达多目标分选是电子侦察的重要内容之一，也是实施有效电子战的前提，神经网络在雷达多目标分选中的应用是电子侦察的一个新领域。目标的时域、频域、空域参数是多目标分选常用的分选参数。Kohonen神经网络具有自组织能力和识别聚类中心的能力，采用一维Kohonen神经网络对雷达信号进行分选试验，取得了很好的效果，并给出了确切的聚类中心值。     

常用神经网络的操作模型与算法

给出前馈神经网络（ＦＮＮ），径向基神经网络（ＲＢＦＮＮ）和子波神经网络（ＷＮＮ）的操作模型。分别导出它的识别，逼近和学习方程，并给出它的识别，逼近和训练算法。计算机模拟表明用径向基函数神经网络和子波神经网络识别入射波具有很好的频率，入射角及相位识别特性     

结构损伤状态识别的神经网络方法

分析了神经网络方法用于结构状态识别的可行性，提出了现有神经网络用于结构状态识别解决的问题和改进的方法，并针对梁类结构的裂纹识别，做了尝试性的探索。     

设备与结构故障智能诊断研究

综述了近年来人工神经网络技术在机械设备故障诊断和结构损伤识别中应用的主要研究成果。分析了神经网络在故障诊断中存在的问题和改进方法,总结了基于神经网络的结构损伤识别中各种输入参数的选取及其优缺点,对基于神经网络的智能诊断的发展趋势进行了展望。     

二维物体识别的暂态混沌神经网络方法

给出了一种二维物体识别混沌神经网络的方法,该方法采用图匹配方式的二维物体识别可以转化为一个组合优化问题求解。根据二维物体识别的能量函数定义式推导出一种新的暂戾混沌神经网络模型,它采用混沌模拟退火方式求解优化问题。随着分叉尺度参数的逐步降低,ＴＣＮＮ由混沌解逐步稳定在全局最优的解上,从而得出该方法优于Ｈｏｐｆｉｅｌｄ神经网络的方法。     

煤气化过程的混合神经网络模拟

为研究循环流化床煤气—蒸汽联产炉的气化室过程，在一个以蒸汽为流化介质的批给料小型常压流化床装置上，进行了煤的气化实验。提出了一个煤气化过程的混合神经网络模型，包括一个基本原理模型，和由一组人工神经网络组成的模型参数估值器。以晋城无烟煤的实验数据对人工神经网络进行了训练，获得了较好的过程模拟结果。提出了一个描述焦的综合反应性的参数“活性焦比”，并用神经网络对晋城无烟煤的这一参数进行了识别，得到了该煤种的这一参数随温度变化的情况。     

基于BP神经网络的桥梁移动荷载识别精度

为了识别作用于桥梁结构上的移动荷载,基于反向传播神经网络方法,开展了输入参数对荷载识别精度影响的分析.首先利用ANSYS模拟移动集中力通过简支T梁桥,得到了主梁跨中位移、速度和加速度时程曲线;其次基于MATLAB建立反向传播神经网络结构,分别将桥梁结构的位移、速度和加速度动态响应数据作为反向传播神经网络的输入参数,移动荷载大小作为输出参数,研究不同输入参数对荷载识别精度的影响;然后分别选取位移和速度、位移和加速度、速度和加速度以及三者组合的工况进行多参数输入的优化设计;最后,以某4跨预应力混凝土连续T梁桥工程为背景,以重车下的竖向加速度实测数据验证了该反向传播神经网络用于识别实桥上简单移动荷载的可行性.结果 表明:利用反向传播神经网络进行移动荷载大小识别时,单输入参数的识别精度由高到低依次为加速度、速度、位移,建议在实际工程中采用较易获取的加速度数据作为输入参数进行荷载识别;多参数组合输入可以提高移动荷载的识别精度,其中速度和加速度组合可以实现较优的识别效果;实测数据证明了该反向传播神经网络用于简单的实桥荷载识别是可行的.相关研究结果可为桥梁载荷识别及桥梁结构的性能评价提供参考.