Matlab在软测量技术的数据预处理中的应用

现场数据的预处理在软测量技术中有着非常重要的作用。但由于现场数据包含各种干扰样本,且数量众多,运用手工处理这些数据十分困难,甚至无法完成。可应用Matlab软件来处理数据中的过失误差和随机误差,使处理过程更加简便。     

基于Matlab的BP神经网络在太阳耀斑级别预测中的应用

太阳耀斑爆发与多种因素存在着非线性的关系,其中规律难以把握.选择时间变化长短,工作频率,路径大圆距离,VLF传播相位变化偏移量4个与太阳耀斑级别预测密切相关的重要因素,构建了BP神经网络模型;然后利用Matlab工具箱对网络模型进行系统仿真与多次训练,使网络的预测输出不断逼近期望输出,实现对太阳耀斑级别的预测,通过结果误差分析,表明这种方法具有有效性与可行性.     

改进的粒子群算法及其在软测量建模中的应用

提出了一种改进的粒子群算法,很好地解决了基本粒子群算法中易陷入局部最优的缺点。通过比较和分析几个标准测试函数的计算结果,改进的粒子群算法的优良性得到充分的证明。改进的粒子群算法被用于优化神经网络的结构和参数,结果表明:不但网络的结构得到控制,而且泛化性能有了较大的提高。同时,算法在优化神经网络上的有效性也在4-CBA含量的软测量建模中得到了很好的证实。     

用Matlab的ANN工具箱实现电力负荷的预测

人工神经网络法预测技术可以模仿人脑做智能化处理,对大量非结构性、非确定性规律具有自适应功能。ANN应用于短期电力负荷预测。利用Matlab的神经网络工具箱可以加快预测速度、降低预测难度,同时提高效率。     

Matlab人工神经网络工具箱中的BP工具函数及其应用

人工神经网络中的BP网络模型在函数逼近、模式识别等领域得到了广泛的应用，但利用神经网络解决实际问题时，经常涉及到大量的数值计算问题，而运用计算机高级语言编程对神经网络BP模型进行仿真和辅助设计是件十分麻烦的事情，为了解决这个矛盾，Matlab工具箱中专门编制了大量有关设计BP网络模型的工具函数。本分析了Matlab软件包中人工神经网络工具箱的有关BP网络的工具函数，并给出了部分重要工具函数的实际应用。     

多神经网络在软测量仪表中的应用

针对化工过程对象的复杂性和不确定性,介绍了采用以RBF神经网络作为子网络的多神经网络在软测量仪表中的应用。用粘度软测量仪表的实例证明了使用多神经网络建模的有效性。     

基于MATLAB7.2神经网络工具箱的混凝土抗压强度预测

为最大限度地利用回弹法和超声波法混凝土抗压强度非破损检测试验数据,应用通用数学软件Mat-lab7.2神经网络工具箱中的BP人工神经网络(BP-ANN)算法,通过优化网络结构和隐层节点数量建立了拓扑结构为2-10-1的BP-ANN模型;将其充分训练后,用于混凝土抗压强度预测。分析结果表明,混凝土抗压强度预测值与实测值的误差小于5.0%,能够满足工程需要;BP-ANN预测能力较强,具有一定的工程应用价值。     

径向基函数神经网络在精馏塔软测量中的应用

精馏塔是化工过程中最常用的操作单元，具有银强的线性和时变性，故很难进行机理建模分析或常规在线实时控制，因而提出一种基于径向基函数神经网络的优化控制方案。通过利用径向基函数神经网络建立精馏塔产品质量的软测量模型，将软测量结果与现场数据比较，表明本模型具有比较准确的跟踪显示效果，并将软测量模型进一步应用到精馏塔的回流量和釜液排放量的优化控制中。     

软测量技术在发酵过程中的应用研究

针对木糖醇发酵过程中关键参数在线测量难问题,建立基于均匀设计（UD）和遗传算法（GA）和神经网络（NNs)结构法,实现其在线软测量,实验表明,该模型可实现在线测量。     

基于神经网络的过程软测量

以神经网络实现对某厂萃取精馏塔产品成分的实时估计，神经网络选用多层前馈网络，具有６个输入结点、１个输出结点、单隐层结构、１０个隐结点。所点数据全部取自生产现场，共取１８组样本数据，其中１５组用于网络的学习，３组用于网络的检验，结构分析表明，年建立的社会网络可以所映实际对象。     

基于Matlab神经网络工具箱的颜色模型转换方法研究

由于计算机颜色量化系统的每个设备都具有不同的色域和色彩特征,颜色信息在该系统中的精确控制及传递就显得尤为困难,所以采用彩色亮度计对颜色量化系统进行标定.摄像机获取的彩色图像被表示成RGB值,从彩色亮度计获得XYZ值,两者之间的转换是非线性的,因此引入神经网络完成这一转换.借助MATLAB神经网络工具箱完成了训练程序、测试程序、预测程序的编写工作,用经过归一化的黄色训练样本与测试样本对隐层节点数为12的三层网络进行训练,结果表明经过训练的BP网络可以满足RGB空间向CIEXYZ颜色空间转换要求,达到了预定目标,使用该网络可以定量表达颜色.     

改进的小波神经网络及其Matlab仿真

针对小波神经网络存在的不足,对其结构进行改进：构造四层结构的小波网络,增加一层隐含层,并在这一层中将网络输入不同类型的参数进行分类综合.改进后的网络结构更具直观性和物理意义,且网络权值被大大精简,提高了网络的训练和收敛速度.     

基于Matlab的改进BP神经网络及其应用

讨论了BP神经网络及几种改进BP神经网络性能的算法．用Matlab编制出相应的BP神经网络算法程序，并将其用于处理紫外分光光度法同时测定Fe，Co，Ni，Cu，V的实验数据，结果表明L—M法收敛最快，精度最高．     

基于Matlab神经网络工具箱的颜色模型转换方法研究

由于计算机颜色量化系统的每个设备都具有不同的色域和色彩特征,颜色信息在该系统中的精确控制及传递就显得尤为困难,所以采用彩色亮度计对颜色量化系统进行标定。摄像机获取的彩色图像被表示成RGB值,从彩色亮度计获得XYZ值,两者之间的转换是非线性的,因此引入神经网络完成这一转换。借助MATLAB神经网络工具箱完成了训练程序、测试程序、预测程序的编写工作,用经过归一化的黄色训练样本与测试样本对隐层节点数为12的三层网络进行训练,结果表明经过训练的BP网络可以满足RGB空间向CIEXYZ颜色空间转换要求,达到了预定目标,使用该网络可以定量表达颜色。     

Matlab及其在数学建模中的应用

本文阐述了数学建模的一般过程,探讨了Matlab的功能与特点及其在数学建模中的应用;将Matlab用于数学建模可以提高数学建模的效率和质量,丰富了数学建模的方法和手段,同时具有重要的教学意义。     

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。     

流量试验装置介质油变黏度人工神经网络控制

设计了基于误差反向传播(BP)人工神经网络原理的自适应比例微分积分(PID)智能控制器.采用组件对象模型(COM)的调用技术,建立了MATLAB语言的底层控制算法与Lab VIEW虚拟仪器平台的无缝接口.将此控制器应用于流量试验装置的介质油变黏度控制,在变工作点的控制实验中,表明此方法是可行的.     

基于Elman神经网络的城市污水处理水质参数软测量

在介绍序批式活性污泥法(SBR)的城市生活污水处理工艺的基础上,针对反应过程所具有的多变量、非线性和动态复杂反应的特点,利用水质参数与多个过程可测参数间的关联关系,提出了基于Elman递归人工神经网络的水质参数软测量模型.以ORP,DO浓度和pH值作为输入参数,可实现对COD,NH3,TP水质参数的软测量.基于污水处理实验数据建立软测量模型,结果表明,上述软测量模型对污水处理水质指标COD,NH3,TP具有理想的预测效果.     

软基沉降计算的数值计算与神经网络混合方法

以福州江阴港铁路大型货场的软基处理项目为工程背景,介绍数值计算与神经网络混合方法在软基沉降计算中的应用.该方法可以依据较少的实测数据,通过大量数值计算以及神经网络参数反演,得到较符合实际的加固处理前后的土体参数,进而估算大面积吹填引起的前期沉降和软基处理完毕后的工后沉降。