车内声品质主客观评价模型对比分析

为了研究轿车理想的车内声品质主客观评价模型,采集某轿车在时速为60 km·h~(-1)时,车内播放不同音乐时的驾驶员双耳噪声样本.对声样本进行剪辑、等响及分频段等预处理,基于成对比较法进行车内声品质主观评价试验、客观参量计算并建立了多元线性回归、BP神经网络和径向基函数(RBF)3种评价模型.评价模型的预测效果表明:多元线性回归评价模型各个频段的误差较大,稳定性较差,车内声品质的评价为非线性过程;BP神经网络预测模型整体频段的误差最小,频率为160~1 280 Hz时的误差较大,相比多元线性回归模型误差进一步缩小,但距理想的预测效果还有一定的距离;基于径向基函数评价模型误差基本能控制在20%以内,且稳定性较高,能够较好地预测此试验工况下的声品质.     

基于BP神经网络的江西省铁路货物周转量预测

采用灰色关联分析法筛选出江西省铁路货物周转量的主要影响因素,在此基础上建立了BP神经网络预测模型,并采用多元线性回归模型、二次指数平滑法、灰色GM(1,1)模型分别对江西省铁路货物周转量进行预测,再对结果进行比较和误差分析。研究表明,BP神经网络模型预测精度明显高于其它三个模型,平均误差为0.76%,可用于实际预测。     

基于神经网络冷再生层最大剪应力预测

目的针对乳化沥青冷再生路面内部剪应力过大易导致路面产生车辙等路面破坏问题,对其内部剪应力进行预测,减少此类病害,更好地选择路面结构参数,提高冷再生层内部抗剪强度.方法以乳化沥青冷再生层的厚度、模量,水泥稳定碎石的厚度、模量以及土基模量为输入参数,以冷再生层最大剪应力为输出参数,运用遗传算法对初始参数进行优化,运用灰色神经网络理论构建冷再生层最大剪应力预估模型;构建多元线性回归模型预测最大剪应力,对二者的预测能力进行分析.结果笔者建立的神经网络模型预测值与实测值拟合效果良好,最大误差仅为4.119 2%,能够进行准确预测.多元线性回归和灰色神经网络预测模型,都可用于冷再生层最大剪应力的预测,但灰色神经网络模型对冷再生层最大剪应力数据的预测结果较优.结论把灰色神经网络预测模型与沥青路面结构的设计联系起来,可以更好地控制乳化沥青冷再生路面的剪切破坏.     

滑带黄土振陷预测中的BP神经网络方法

目的针对陇海铁路沿线密集的黄土滑坡灾害,对其振陷系数提出一种新的预测方法。方法以滑带黄土动三轴试验资料为基础,运用MATLAB建立滑带黄土振陷的BP(error back propagationneural network)神经网络预测模型,并与多元线性回归方法建立的模型进行误差对比分析。结果BP神经网络模型预测的结果要比多元线性回归模型预测的更准确。结论滑带黄土振陷预测的BP神经网络模型是一种比较理想的预测方法,对黄土地区的滑坡稳定性评价和铁路地基沉降的分析具有重要的价值。     

基于多元线性回归和BP神经网络的单井能力预测

为提高单井能力预测的精度和可靠性,提出利用地震属性数据,结合多元线性回归方法和BP神经网络方法进行预测。首先提取了研究区目的层的地震属性,然后利用多元线性回归方法和BP神经网络方法建立了单井能力与地质、地震属性之间的函数关系,得出了半定量-定量化的单井产量设计模型,并且验证了模型的预测结果。结果显示:单井能力预测精度总体在80%以上,其中BP神经网络模型预测精度更高,吻合度更好,证明了利用多种地震属性联合预测单井产能是一种卓有成效的方法。     

金矿浮选回收率预测模型

浮选回收率是金矿选矿过程重要的生产指标,目前主要是通过人工化验的方法检测获得,人工检测周期较长,造成金矿厂不能及时把握浮选工艺水平.在大量现场生产数据的基础上,分别采用多元线性回归和BP神经网络的方法,建立了金矿厂浮选回收率的预测模型.预测误差分析表明,BP神经网络预测模型能较好地预测金矿厂的浮选回收率,当预测相对误差在±3%范围内时,模型的预测精度达到91%,对于实际生产具有良好的参考作用.     

主成分分析在线性模型与非线性模型的应用研究

为了解主成分分析在线性模型与非线性模型预报中的应用效果,在2001—2011年热带气旋历史观测资料基础上,采用主成分分析方法,结合线性回归模型和神经网络模型,开展西北太平洋热带气旋的强度预报技术研究试验．根据提取的主要影响因子构造线性回归模型与BP神经网络的输入样本进行不同样本的台风强度预测．计算结果表明,主成分分析通过降低线性回归模型和BP神经网络模型的维数,减少自变量之间的复共线性,减小模型的预报平均绝对误差．     

灰色神经网络模型在图书采购复本量预测的应用

针对图书采购复本量预测问题,提出了基于灰色神经网络的采购复本量组合预测模型.根据现有文献记载5年来的G类图书的流通率、拒借率和平均复本量数据,运用组合预测方法对G类图书复本量进行了预测,并与多元线性回归模型以及BP神经网络模型比较.结果表明:组合模型预测值的相对误差更小,精度更高.     

基于BP神经网络的油松林小气候的模型研究

为了检测林缘、农田的小气候是否可定量预测林分小气候,从模型角度分别研究林缘、农田与林内小气候的相互关系,为油松人工林小气候预测、林分生态效益的定量评价及森林资源经营管理提供科学依据,本研究利用延庆不同密度油松人工林林分、林缘及农田的小气候监测数据,构建了林缘-林分、农田-林分立体空间的BP神经网络模型和多元线性回归模型.借助回归估计标准误差对2种模型的预测精度进行了比较.结果显示:对于集合小气候环境梯度,林缘-林内的BP模型预测精度整体高于农田-林内的BP模型预测精度;BP神经网络模型对气温、相对湿度及光照强度小气候要素测精度明显高于利用多元线性回归模型.结论:选用BP神经网络构建的林缘-林分模型实用性强,模拟精度高,可达到评价林分小气候、定量预测的目的.     

基于线性回归与神经网络的储层参数预测复合方法

为提高储层参数的预测精度,提出一种利用测井资料,结合多元线性回归和神经网络预测储层参数的新的复合方法,具体分两步:(1)通过多元线性回归分析建立回归值y'的计算模型,将y'作为储层参数的初步预测值;(2)通过RBF神经网络建立y'的残差Δd的预测模型,将预测结果Δd作为y'的非线性误差补偿,最终建立储层参数解释模型,y=y'+Δd。基于该方法,结合测井资料和岩心数据,建立了鄂尔多斯盆地某致密砂岩气田M3井区S_2~2、T_2~2段孔隙度和含水饱和度的测井解释模型,结果显示,新方法建立的模型预测值与S_2~2、T_2~2段实际岩心孔隙度、含水饱和度值的平均相对误差均小于17%,明显优于单独根据多元线性回归分析或RBF神经网络建立的解释模型,预测精度更高。     

略论现代煤矿设备管理与点检维修制

本文首先论述了设备点检维修制与设备管理现代化的关系;然后结合我国煤矿现行设备管理情况,分析在煤矿推行点检维修制的必要性和可行性;最后就逐步提高点检维修管理水平需不断解决的有关问题进行了探讨.     

浅谈前端平台监控系统在有线电视维护中的作用

介绍了在有线电视前端机房设备不断增加的情况下,采用传统人工方式进行设备维护的劣势。公司使用前端机房平台监控系统之后,提高了维护工作效率,降低了维护成本。     

高校实验室仪器设备维修管理的探索

高校仪器设备是教学和科研工作的物质基础,做好仪器设备的维修工作、保持实验仪器的完好率是保证教学和科研顺利进行的必要条件。文中从日常保养机制、维修策略与体系、提高水平三方面着手,探索了如何搞好仪器设备的常规维修管理工作。     

试论县乡公路的养护工艺

针对我国农村县乡公路的实际状况,给出了其相应的养护工艺及养护设备。     

高速公路预防性养护之我见

高速公路养护管理中,预防性养护工作的好坏直接影响高速公路的使用,因此,预防性养护越来越被重视。结合运城高速公路侯运段的路面预防性养护的实例,阐述了高速公路预防性养护的具体做法。     

瓦斯发电机组保养技术探讨

结合卡特彼勒G3520机组的各项保养工作,介绍了机组保养的目的、方式及内容,阐述了安全注意事项,确定了机组的保养周期与保养项目。     

电厂设备状态检修可行性分析

分析了电厂设备计划性检修制度存在的弊端,指出了实施状态检修的必要性,阐述了对状态检修管理的实践。     

路面预防性养护

阐述了路面预防性养护的含义,分析了道路预防性养护作业的必要性,介绍了常用的路面预防性养护手段。     

水电工程施工设备状态检修应用研究

状态检修是运用综合性的技术手段，准确掌握设备状态，预测设备故障发生、发展情况，借助技术经济分析，进行检修决策和管理的一种先进的设备检修模式．本文着重介绍了国内外水电工程施工设备状态检修的现状，介绍了推行设备状态检修的意义，并针对目前我国水电工程施工设备检修体制的缺陷，提出了开展水电工程施工设备状态检修的基本步骤．     

可动态维护的软件体系结构

将软件维护的方法和技术划分为方法级、源代码级和目标代码级等３个层次,并给出了可在目标代码级支持软件动态维护的软件的体系结构。