人工神经网络-近红外光谱法非破坏定量分析Norvasc药片

用人工神经网络(ANN)解析Norvasc药片的近红 外(NIR)漫反射光谱, 实现了对其中有效成分苯磺酸氨氯地平精确的非破坏定量测定. 设计了最佳的ANN模型, 分别讨论了输入层和隐含层节点数对测定结果的影响. 以HPLC法的测定结果为标准, 苯磺酸氨氯地平浓度预测值的相对误差RE(%)＜4.2%.     

基于人工神经网络法的遥感影像分类研究

在遥感和GIS的支持下,采用人工神经网络(ANN)法对研究区土地利用/覆盖进行信息提取,并对ANN改进前后的分类结果和最大似然法(MLC)的分类结果进行对比分析.实验发现采用改进后的ANN分类总体精度达到了93.91%,较改进前提高了2.16%,较MLC提高了6.44%.研究表明:使用ANN进行遥感图像分类,精度优于MLC,改进后的ANN精度优于改进前的ANN.与传统方法相比,ANN分类达到的精度更高,可更好地区分土地利用地类,提高土地利用信息的精度.     

环境友好正极材料磷酸亚铁锂中铁、磷的测定

研究用可见分光光度法测定磷酸亚铁锂中的总磷,发现锂离子和亚铁离子不干扰磷的测定.研究用高锰酸钾法滴定磷酸亚铁锂中亚铁离子,在锂离子或磷酸根离子的存在条件下,亚铁离子的回收率置信度为95%的置信区间分别是(100.09±0.18)%和(99.91±0.17)%,表明锂离子和磷酸根离子对亚铁的测定没有干扰.实测了一些磷酸亚铁锂样品,发现其中总磷和亚铁的含量和理论值接近.以上方法简单,易操作,成本低.     

L-苯丙氨醇在DMF-H2O混合溶剂中的体积性质

用振动管密度计Anton Paar DMA 602测定了303.15 K下,L-苯丙氨醇在N,N-二甲基甲酰胺-水混合溶剂中的密度,计算了L-苯丙氨醇的表观摩尔体积和极限偏摩尔体积,并由此得到L-苯丙氨醇的迁移偏摩尔体积.实验结果表明,当XDMF≈0.0350和XDMF≈0.3940时L-苯丙氨醇的迁移偏摩尔体积分别出现最小值和最大值.用结构贡献和结构破坏效应对结果进行了讨论.     

高炉铁水含硅量神经网络预测模型

按现代控制理论,将高炉视作多输入-单输出系统.引入人工神经网络(ANN)方法,选定若干参数作为硅含量的相关变量,建立标准的三层BP网络铁水硅预报模型.用该模型对津西5#高炉的生产数据进行离线预报,允许误差为±0.1%时命中率达到81%.     

人工神经网络水质预测模型研究

水质预测物理模型在水环境保护中起着十分重要的作用,然而由于模型的参数识别问题,使其应用受到很大局限.对人工神经网络(A rtific ia l N eura l N etw ork,简称ANN)水质预测建模作了初步研究.用试错法,以训练时间和测试误差两项指标为依据,对比分析三层、四层网络结构,认为ANN模型适应于水质预测建模,并提出了适合的模型结构、学习速率、传递函数.     

层状α-磷酸锆的制备和烷二胺插层α-磷酸锆及其结构表征

在常温常压下用HF直接沉淀法制取α-磷酸锆(α-ZrP),并采用粉末X射线衍射(XRD)、红外光谱(IR)等手段对α-磷酸锆的结构进行表征.结果表明,α-磷酸锆的结晶度较高,晶相比较单一,层间距为0.77nm.晶体结构中有—HPO4基团存在.并分别在不同条件下把烷二胺插入α-磷酸锆层间,研究了它的插层性能.     

用烷基醇Gemini表面活性剂替代烷基酚聚氧乙烯醚合成苯丙乳液

分别用琥珀酸聚乙二醇辛醇双酯磺酸钠(RCS-8),琥珀酸聚乙二醇十二正烷醇双酯磺酸钠(RCS-12)和琥珀酸壬基酚聚氧乙烯(10)醚酯磺酸钠(RCD-NP)为乳化剂合成了苯丙乳液,并进行了乳液表面张力、机械稳定性、粒径和粒径分布等的测试和比较.结果表明,烷基醇Gemini表面活性剂可以取代烷基酚聚氧乙烯醚用于苯丙乳液合成,其结构对合成乳液的性能影响大.采用RCS-8与RCD-NP为乳化剂合成的苯丙乳液其主要理化性能无明显差异,而其凝胶率、机械稳定性、粒径分布等方面优于后者.聚合温度为80℃,引发剂用量为单体质量的1%时,用RCS-8合成的苯丙乳液的粒径最小,粒径分布范围最窄.     

新型卡宾配体的合成及其在烯丙基烷基化催化反应中的应用

以L-苯丙氨醇为起始原料,经过氨基的氯乙酰基化、与苯并咪唑偶联和噁唑啉构筑等3步反应成功实现了中间体4的合成,总收率达到56.3%,并首次确定了中间体4的绝对构型.最后以乙腈为溶剂,用6种卤代芳烃在不同反应条件下较高产率地合成了5个具有单噁唑啉环和1个具有双噁唑啉环的新型目标配体(5a-5f),最高收率为87.7%,其中双噁唑啉环配体结构具有1个C2轴,此结构是当今此类配体研究的热点.同时,应用所设计的配体催化烯丙基烷基化反应,在最优配体和最优条件下,以1,3-二苯基-2-烯丙基乙酸酯作为底物的反应,配体5a使得反应收到了较好的催化效果,最优收率为73.5%.     

磷酸胆碱有机改性层状硅酸盐阻燃剂的制备和表征

以具有高热稳定性的磷酸基类脂化合物(磷酸胆碱)为插层剂，通过对钠基蒙脱土进行有机改性制备新型层状硅酸盐阻燃剂.利用红外光谱、热重分析和X-射线衍射等手段对所制阻燃剂进行表征，并将其用于环氧树脂的阻燃.结果表明：磷酸胆碱成功插入到钠基蒙脱土中，并且使蒙脱土的层间距从1.210 nm扩大到1.445 nm.将所制备的新型阻燃剂按质量分数1%、3%、5%、7%添加到环氧树脂中，所得样品的氧指数均高于纯环氧树脂，且阻燃剂添加质量分数为5%时，氧指数最大，相比不添加阻燃剂时提高了12.2%.     

自构形神经网络模型在天然气储量评价中的应用初探

在ＢＰ（Ｅｒｒｏｒ Ｂａｃｋ－Ｐｒｏｐａｇａｔｉｏｎ）算法基础上,采用ＢＩ（ＢａｃｋＩｍｐｅｄａｎｃｅ）算法,运用了自组织优化隐层节点数和自动化优化网络因子的方法,使得人工神经网络ＡＮＮ的计算速度、精度和柔韧性有所提高,且在微机上其操作变得更加容易。在勘探成熟的气藏中,按照天然气成藏理论,选取能够系统反映气藏的８个储量评估参数,进行网络学习,建立储量评估模型。应用所建的网络模型对正处于勘探阶段的气     

土壤侵蚀产沙量的人工神经网络模拟

在分析土壤侵蚀产沙过程和神经网络模型特点具有某些相似的基础上 ,采用三层前馈网络模型 (BP算法 ) ,模型的第一层有 5个结点 ,分别代表降雨强度、降雨历时、降雨量、前期降雨量 (用前 1 0天降雨总量表示 )、径流深 ;第三层只有一个结点 ,表示土壤侵蚀产沙量 ;隐层的结点数采用“试错法”确定为 3个。利用四川某地水土保持试验观测资料 ,对土壤侵蚀产沙量进行模拟及预测 ,通过分析比较 ,显示了具有较好的模拟预测效果     

前向神经网络的处理能力和推广性量度

目标问题的复杂程度和网络处理能力的适合程度是影响人工神经网络推广性的本质因素。为了衡量前向神经网络（ Ｆ Ｎ Ｎ）的处理能力,该文对 Ｆ Ｎ Ｎ 的插值误差进行了研究,得到了统计意义下 Ｆ Ｎ Ｎ 处理能力的估计值,进而定义了能间接反映神经网络推广性的推广性量度。该方法能够估计出适合目标问题的网络规模,应用于函数逼近和样本分类问题,仿真结果证实了该方法的有效性。     

模糊神经网络中长期负荷预报研究

采用动量法、自适应学习率和异变换函数对BP算法进行改进,并通过模糊神经网络对中长期负荷进行预测,还针对BP算法中隐层节点难以确定的不足,大胆采用预测误差曲面方法,使隐层节点个数选择具有科学的依据,算法计算表明,采用模糊神经网络提高了预测精度。     

基于HMM与神经网络的声学模型研究

神经网络能依靠权值进行长时间记忆和知识存储,但是对输入模式的瞬时相应的记忆能力比较差;而隐马尔科夫模型的短时记忆的能力比较强,但是假定的前提又与实际情况不符.因此,采用HMM和ANN的混合模型来取双方之长,并在这种混合模型的基础上,对神经网络从结构设计、训练、到训练后期的结构调整进行了全程的优化;应用隐节点剪枝算法,并利用广义的Hebb规则重新确定网络的参数.实验表明,这种混合模型在语音识别中取得了良好的效果.     

汽车性能数据库的建模

基于人工神经网络在非线性系统辨识中的优越性，依据整车的各项参数、动力性及经济性的试验测试结果，分析了系统辨识精度的评价指标，确定了两隐层BP神经网络的神经元数、初始权值及初始阈值，建立了汽车性能数据库的神经网络模型．该模型可实现正向预测与逆向推理功能，可缩短汽车的研发周期，并利用实例进行了说明与验证．     

人工神经网络混合剪枝算法

目前人工神经网络(ANN)应用中所遇到的挑战之一就是如何针对特定问题确定相应网络。基于进化算法和局部搜索算法两类策略的特点和不足,文中提出了混合剪枝算法HAP(HybridAlgorithmofPruning)。算法首先联合进化算法代表之一遗传算法(GA)和反向传播算法BP的不同优势完成ANN网络结构和权重进化的初步阶段;然后应用多权重剪枝策略(MW-OBS)进一步简化、确定网络结构。结合案例与以往的混合策略算法进行对比研究,结果表明HAP在寻优能力、简化网络结构、保证稳定性等方面均有明显优势,更加适合大规模ANN的优化问题。     

基于用户水质投诉信息的供水管网污染源的追踪定位

用户对水质异常情况的投诉是反映供水管网整体水质状况的重要信息,但由于投诉信息具有滞后性、非量化等特征,目前尚未有基于这些信息的管网污染源识别方法.基于模式识别理论,提出了一种根据用户投诉信息追踪定位污染源的方法.该方法首先根据投诉节点的位置信息确定污染源候选节点集合,通过水质模拟确定候选节点发生污染后的用户水质投诉顺序,并以此为基础构建模式识别神经网络.考虑到用户投诉信息的特点,采用有噪声的样本对神经网络进行训练,并对不同类型噪声的样本进行测试.结果表明,训练后的神经网络可以有效地识别用户投诉信息模式,进而确定污染物注入位置.     

人工神经网络在电磁带隙结构设计中的应用

文章采用人工神经网络对电磁带隙结构进行建模,并结合逆向方法训练网络;神经网络用于电磁带隙结构的设计,具有缩短设计时间、降低设计成本的优点;通过文中实例可以看出,人工神经网络设计的结果与数值仿真的结果吻合良好,显示出该方法的有效性。