从高频雷达海面回波多普勒谱提取浪高参数

将浪高谱表示为级数形式，通过高频雷达的二阶雷达截面方程反演出浪高谱，进而计算出浪高。由双站雷达系统计算的有效浪高随风向变化小，说明双站探测优于单站。     

改进的非相参导航雷达探测有效浪高算法

针对X波段非相参导航雷达对海杂波的成像,研究了利用信噪比和布拉格散射探测有效浪高的方法,提出一种用最大流速带通滤波来分割信号与噪声获取信噪比的算法。结合信噪比与有效浪高的关系,经相关定标处理,得到探测区域连续的有效浪高。与传统的X波段导航雷达测高方法相比,该算法不需要得到雷达探测区域精准的流速,简单高效,占用资源少。与舟山浮标有效浪高数据的对比,表明其有效提高了雷达测浪高的便捷性和稳定性。     

基于BP神经网络的探地雷达图像识别技术

探地雷达作为一种常用的物探方法,在工程和科研方面都具有广泛的应用,在应用中由于地下介质的复杂性,常使得图像的反射原因较难判断,对于地下介质的典型特征也较难统计.为了更好的解译以及快速准确的分析统计出雷达反射图像中的各类特征,本文利用神经网络的高度模糊识别能力,将标准雷达图像输入到神经网络模型中,并通过一系列的改进,提高了网络性能.通过仿真试验表明,改进后的神经网络可以较为高效的对雷达图像中的典型反射特征进行识别与统计,具有很好的应用前景.     

高频地波雷达的东海试验

“高频地波雷达海洋环境监测技术”是由武汉大学主持的国家“863”计划海洋领域的重大课题，本课题组研制了两套高频地波雷达OSMAR2000，并于1999年底，在浙江省舟山市朱家尖和宁波市象山分别建立了两个雷达实验站，进行了一年的现场自检试验和与传统海洋测量仪器的对比验证试验，试验结果表明，雷达探测海流和海风的距离达到200km，探测浪高的距离达到120km，系统整体性能达到国外同类雷达20世纪90年代后期先进水平。     

基于BP神经网络的海上目标检测

为了减少展宽的一阶海杂波谱对空间超分辨谱估计技术的影响,提高MUSIC算法的检测性能,用BP神经网络实现海杂波预测和对消.利用神经网络的可对任意非线性函数模拟的特性,对展宽的海杂波进行模拟.用模拟后的结果实现一阶海杂波的对消,来满足MUSIC算法的应用条件.最后,用MUSIC算法分辨海上目标的方位信息.实验结果表明,对消前后目标背景噪声子空间特征值发生改变,对消后更接近于MUSIC算法的假设条件,提高了MUSIC算法的检测性能,扩大了MU-SIC算法的应用范围,实现在非高斯噪声背景条件下应用MUSIC算法检测目标.     

高频地波雷达反演海浪的海上对比验证方法研究

在介绍高频地波雷达反演海浪要素工作原理的基础上，利用2000年10月在浙江舟山海域进行的OSMAR2000和SZF1－Ⅱ海上对比验证实验中所获取的资料进行系统比较分析，验证了OSMAR2000探测海洋海浪要素的精度，并分析了OSMAR2000反演海浪时的误差成因。     

基于BP神经网络的人口预测

利用BP神经网络建立三层神经网络结构模型,以全国人口的出生率,死亡率,老年抚养率等5个指标作为输入样本,对全国总体人口进行预测.隐含层采用多种方法使人为因素降到最低,同时文中采用自适应学习速率和附加动量法相结合的方法,对网络进行训练和学习.将BP预测人口和其他数学方法做比较,预测结果显示该方法是可行的.     

基于BP神经网络的水质评价

将人工神经网络的理论和方法运用于各类水环境的评价,建立水质评价的BP神经网络模型.运用MATLAB丰富的神经网络工具箱函数设计仿真程序,并对多个水质样本进行等级评价,为防治水污染提供了科学依据.     

时域有限差分结合BP神经网络反演各向异性材料电磁参数

本文以时域有限差分(FDTD)法数值模拟了各向异性材料的散射特性,在此基础上利用人工智能技术-BP神经网络对各向异性材料电磁参数进行了反演研究.以各向异性介质球的雷达散射截面(RCS)作为训练样本信息,经过适当的训练,实时重构了各向异性介质球的相对介电常数和电导率.反演结果显示了该方法的有效性和准确性.     

基于BP神经网络的高知识群体失业率预测研究

基于MATLAB仿真平台建立了高知识群体失业率预测的BP神经网络模型,应用数据插值及曲线拟合的方法,补充了高知识群体失业调查中未采集与未公布的数据,解决了失业率预测中的不完全数据问题,训练集和检验集与实际失业数据的仿真实测误差符合实用要求,有效提升了高知识群体失业预测的精确度.     

基于动量BP神经网络的英文字符识别

英文字符识别已经广泛地应用于很多重要领域.已有的英文字符识别算法很多,一种典型的算法是BP神经网络算法.但是,BP神经网络算法有时不收敛,或陷入震荡.这就导致识别率下降.为此,本文研究了一种改进的称为动量BP神经网络算法用于英文字符识别.这种算法在BP神经网络算法的网络参数控制中添加一个动量系数和一个动量项.这样可以避免迭代的震荡,加快收敛速度.提高识别率.利用动量BP神经网络算法,对52个英文大小写字符进行了识别试验.实验结果表明,这种算法能获得满意的识别率.     

一种基于遗传BP神经网络的分数阶参数整定方法

对于离散、非线性、大时滞等复杂系统BP神经网络具有优越的处理能力。而将遗传算法引入与之结合,能够有效的弥补神经网络的缺陷,从而能显著提高收敛速度并且减小系统误差。本文运用遗传算法来改进BP神经网络,实现改进的BP神经网络具有更好的收敛性,然后采用改进的BP神经网络对分数阶PID控制器参数进行整定,通过具体实例在Matlab平台下进行仿真,验证所提方法的有效性。仿真结果表明遗传算法能够有效的改善神经网络在收敛速度和预测精度上的不足,基于本文改进方法对一个复杂分数阶被控系统进行分数阶PID控制器设计,通过仿真曲线证实了所提方法设计的控制器能够取得良好的控制品质。     

基于BP神经网络的高炉熔渣黏度预测

建立一种BP神经网络模型来预测多元组分CaO-SiO2-Al2O3-MgO系高炉熔渣的黏度,并对其测量值进行实验验证。结果表明,采用BP神经网络模型对高炉渣黏度预测的总平均误差为2.36%,较好地解决了预测结果与实验结果之间的非线性关系,且预测结果与实验结果相吻合。     

基于BP神经网络的故障诊断

本文论述了BP神经网络的结构和学习算法以及应用到故障诊断中的原理和过程。详细地分析了拖拉机变速箱的工作原理,并讨论了利用BP神经网络的优点,应用到该工程的故障诊断中。通过试验证明,基于神经网络的故障诊断已经逐步走向成熟。     

基于BP神经网络的平板叶片阻尼反演方法研究

航空发动机在工作中容易受到外物撞击,包括跑道砂石、鸟体、机身零件等,对风扇和压气机造成损伤,导致机毁人亡的严重事故,故需要模拟外物撞击转子叶片,建立动态响应数值分析模型。其中阻尼系数是叶片振动分析最重要的物理参数之一,但其无法直接测量,本研究采用BP神经网络反演的方法得到平板叶片阻尼比。先取二十组阻尼比的叶片撞击仿真模型中的振幅和衰减时间,通过训练BP神经网络理论得到振幅、衰减时间与阻尼比的映射关系,再将实验得到的真实振幅和衰减时间输入映射关系,反演出真实结构的阻尼比。最后将阻尼比代入另一组参数的叶片撞击仿真,与试验结果进行对比,两者一致性较高,表明反演得到的阻尼参数是合理可靠的。     

基于Simulink的BP神经网络实现研究

BP神经网络是人工神经网络中的一个典型代表,但利用BP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BP神经网络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中的Simulink提供了大量的可用于实现BP网络的模块,本文通过应用Simulink中的模块构建了一个BP网络,并通过一实例验证了所构建的BP网络的可行性.从而使应用BP网络来解决许多领域的实际问题变得非常方便和有效.     

基于BP神经网络的卧虎山水库水质评价

在MATLAB环境下,建立适用于水库水质评价的BP人工神经网络模型,将模型应用于卧虎山水库2010年8月到2011年12月的水质评价。结果表明,2010年8月到2011年6月在丰水期时比枯水期时水质高,水质稳定为Ⅱ类水,2011年7月到12月在枯水期时比丰水期时水质高,水库水质为Ⅲ类水。将经过训练的模型应用于卧虎山水库水质评价的结果说明,该模型能够准确评价卧虎山水库水体的未知水质类别。     

基于BP神经网络的股市预测模型

本文介绍了神经网络的基本概念,建立BP神经网络模型,以某个股实际收盘价为原始数据样本,对网络进行训练后,对股票价格进行了短期预测,并计算出预测值和实际值的误差。通过实验发现该模型收敛速度快,预测精度高。     

基于BP神经网络指纹识别的算法

通过对多种指纹分类算法的研究和分析，提出了一种基于BP神经网络对指纹模板进行分类的新算法．首先在对指纹图象进行预处理后建立起指纹模板库，然后采用时间模拟退火函数进行学习因子修正的方法来减少BP算法迭代次数，以提高收敛速度及跳出局部最小．仿真证明：该算法与传统的指纹识别算法相比，分类速度明显高于传统的固定步长的BP算法．     

基于BP神经网络的艾滋病预测模型

利用神经网络的自学习、自适应及非线性逼近能力,建立了艾滋病预测模型,并利用Matlab的神经网络工具箱进行开发实现.经过实证研究,表明了该模型的有效性,为艾滋病预防提供了一种科学、可行的预测模型。