基于神经网络的恒星大气参数自动测量

提出了一种基于神经网络的恒星光谱大气参数的自动测量方法,该方法能够根据恒星的光谱自动得到恒星的三个重要参数:有效温度Teff,表面重力log g和金属丰度[Fe/H]的估计值.首先对实测恒星光谱进行预处理,包括小波去噪,光谱波长统一化;然后通过对训练样本进行PCA分析获得特征空间变换矩阵进行数据降维;最后通过训练好的神经网络得到参数的估计值.实验结果分析表明,该方法比其它估计方法如非参数估计、支持向量回归和偏最小二乘回归具有更高的测量精度.     

基于可变形卷积网络的恒星大气物理参数自动测量

为解决海量恒星光谱数据自动处理问题,更准确地对恒星光谱物理与化学性质的研究,同时更加直观地反映恒星性质参数,通过利用可变形卷积网络(deformable convolutional network,DCN)方法对恒星大气物理参数进行分析,系统地研究了恒星表面有效温度(Teff)、表面重力(logg)、金属丰度([Fe/H])3个物理参数,实验结果对比梯度下降法神经网络(back propa-gation neural network,BPNN)、人工神经网络(artificial neural network,ANN)、径向基神经网络(radial basis function neural network,RBFNN),评价标准为平均绝对误差(mean absolute error,MAE)、均值误差(mean error,ME).基于SDSS-DR9、LAMOST-DR3恒星光谱数据得到Teff、logg、[Fe/H]的DCN-MAE分别为97.2136 K、0.281 2dex、0.125 2 dex,DCN-ME 分别为106.596 3 K、0.385 6 dex、0.175 3 dex.实验结果显示DCN效果优于BPCNN、ANN、RBFNN,为进一步分析与反映恒星真实情况提供参考.     

一种基于CNN和RF的恒星大气参数测量方法

随着LAMOST项目的相继实施,基于光谱的恒星大气参数自动测量方法的研究成为天文光谱分析的重要课题之一。本文使用“伪二维光谱”进行恒星大气参数自动测量,提出了卷积神经网络（Convolutional neural network,CNN）和随机森林（Random Forest,RF）结合的方法,利用卷积神经网络的特征提取能力和随机森林的回归拟合能力实现对恒星大气参数的高精度预测。通过对比实验得出,有效温度、表面重力、化学丰度三大参数的平均绝对误差分别达到123.65K、0.2055dex、0.1486dex,与传统方法相比精度提升5.24%,15.50%,15.52%。实验结果验证了该算法的有效性,也证明了利用基于一维光谱设计构造的伪二维谱可以保留更多相关的特征信息,进而提升了恒星大气参数测量结果的精度。     

基于偏差估计卷积神经网络恒星光谱数据自动分类

天体物理学科中恒星光谱具有极其重要的研究前景,中国自主研制的大科学天文巡天项目大天区多目标光纤光谱望远镜(large sky area multi-object fiber spectroscopy telescope,LAMOST)自启用以来,已经成为世界上空间光谱获取数据量最大的科学装置.目前,第6期数据(sixt...     

基于神经网络的混凝土大坝弹性参数识别方法

基于人工神经网络方法,根据云峰大坝坝顶水平位移观测资料识别大坝混凝土和岩石基础的弹性模量,采用修正的ＢＰ学习算法,并通过对迭代步长的优化计算及对观测数据的归一化处理,提高了参数识别的速度和精度,云峰大坝的工程实际应用表明,用神经网络方法识别材料参数具有识别精度高和收敛速度快等特性,拟合误差小于０．１５ｍｍ。     

基于神经网络的发电机参数辨识

介绍了人工神经网络(ANN)在发电机传递函数参数辨识中的应用,提出了一种隐层有七个神经元的BP神经网络,使用该网络对发电机参数进行辨识,并利用MATLAB/SIMULINK软件对所设计的BP神经网络进行了仿真,结果表明,所设计的神经网络能够有效地辨识发电机参数,并且具有训练时间少,没有局部极小化现象等优点.     

有行星系统恒星的金属丰度研究

计算了7颗类太阳恒星（带有类似太阳的行星系统）的大气参数和多种金属无互的丰度，所有样本星的金属丰度平均值为0.101，其中HD98230的值为－0.271，相对其余6颗星的值小很多（其余6颗星的平均值为0.184），比银盘附近类太阳星的平均值（[Fe/H]≈-0.3）相对较高，计算结果表明行星系统的形成与恒星的富金属丰度存在着一定的联系。     

基于残差神经网络的恒星-星系分类器

使用残差神经网络（residual neural network,RNN）算法对斯隆数字巡天（Sloan digital sky survey,SDSS）提供的天体伪彩色图片进行分类,直接从图像中获得特征．使用带有光谱信息的星系与恒星图片作为训练集和测试集．经过训练,在测试集上的准确率达到98.23%,召回率达到98.80%。这表明:RNN可以实现对星系和恒星图像的精确分类,分类器给出的恒星-星系概率是有效的,可用于分类可靠度评估;还可以尝试将此分类器应用到未来巡天中,进一步测试其性能．      

恒星光或有助测量恒星表面重力

这些一闪一闪的恒星光是科学家对恒星调查的重要途径。     

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.     

焊接热影响区性能的神经网络预测模型

针对四类２４种钢材，将其化学成分和ｔ８／５性能的数据作为样本，构造学习空间，建立了一种新的预测方法ＢＰ网络预测模型，并讨论了网络参数对网络收敛速度及误差函数的影响     

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.     

均匀设计法优化神经网络参数的研究

提出采用均匀设计法设计优化ＢＰ神经网络参数的方法,实验表明,通过采用均匀设计法可以有效地降低调节网络参数所需的实验次数,并降低训练误差,取得了良好的效果．     

神经网络在储层参数描述中的应用

神经网络是生物神经系统的一种高度简化的计算机模式，已应用于许多领域，包括模式识别、分类和信号处理。文章研究了神经网络应用于石油勘探中储层参数描述的可能性。结果表明，神经网络对储层参数的描述提供了一种简单而又很有潜力、非常有用的工具。     

高边坡施工期变形预测遗传神经网络模型

基于BP网络存在的不足,将遗传算法引入到BP网络模型中,建立了高边坡施工期相邻层开挖暂停阶段变形预测遗传神经网络模型,对边坡时效变形进行预测,并对预测的结果进行检验,结果表明模型取得较好的预测效果,可供类似工程参考使用.     

RCC坝热学参数人工神经网络反馈分析

基于人工神经网络的方法,建立了碾压混凝土坝施工期热学参数反馈分析模型．根据某碾压混凝土坝坝体温度观测资料,对碾压混凝土坝施工期热学参数进行反演,结果表明此法适用于解决这类复杂非线性问题．具有较好的稳定性和收敛性．反演结果满足工程需要．     

基于人工神经网络模型的臭氧生成灵敏度预测

本文将臭氧生成灵敏度指标Φ=k_HC+OH［HC］/k_NOx+OH［NO_x］及其影响参数作为输入参数,建立了人工神经网络模型,预测了日本海利尻岛海洋大气边界层臭氧生成的控制因素及其灵敏度特征。预测结果与化学模式计算结果基本一致,证明文中所建立的人工神经网络模型具有较好的预测性能。研究结果表明,人工神经网络模型可以作为一个有效的工具用于对流层臭氧生成灵敏度特征的确定及相关的臭氧消除策略制定。