人工神经网络-红外光谱法对人体血糖的无创监测分析

针对人体血糖无创监测的近红外光谱分析, 提出一种血液红外吸收光谱分析的新技术, 通过对正常人的全血和血清与高糖全血的红外吸收光谱进行测量, 应用人工神经网络BP算法, 以16个特征波长处的吸收值作为网络特征参数, 进行网络训练. 结果表明, 网络训练11次即可达到误差精度要求, 误差在-0.01~0.03 mmol/L, 达到了国家计量检测规程关于生化分析的要求.     

基于神经网络灰色Verhulst算法的装备研制费用预测模型

为了提高装备寿命周期费用LCC(life cycle cost)中研制费用的预测精度,对于呈S型的研制费用累加序列,利用灰色Verhulst模型对其预测.构造基于时间序列的人工神经网络输入输出模式对,利用BP神经网络对灰色Verhulst预测结果进行训练.仿真实例表明,该组合算法预测结果比单纯使用灰色Verhulst模型所得到的结果总体误差要小,将神经网络引入到灰色Verhulst模型中能较好地提高预测精度.     

基于气象大数据的配网故障数量预测

将配网故障抢修历史数据与庞大的温度、降雨、雷电等气象数据相结合，建立了一种具有天气敏感性的神经网络组合预测模型.该模型利用最大相关系数实时调整导致抢修数量变化的主要气象因素，精确预测故障发生的数量、类型和变化趋势，为抢修人员和物资的提前部署提供定性、定量指导.     

简化分类相关器模型——DCR模型

本文提出一个DCR模型——以深度结构DA、竞争结构CA和相关联想结构RA为一体的模型,通过DA进行输入向量的特征集分类,再通过CA竞争出最重要特征,再由RA找到与之关系最紧密的特征表达,并进行相应的回忆,从而实现重要特征的提取和联想,并作为系统输出或控制结构的决策参数。     

基于神经网络的自适应距离保护研究

随着电力系统的发展和对安全运行要求的提高,常规的继电保护和故障诊断技术已经不能适应不断发展的系统要求,因此自适应继电保护越来越受到重视,并已有广泛研究.运用人工神经网络所具有的自适应能力,提出了一种自适应距离保护的神经网络模型.该模型不仅能够随着系统运行和故障类型的变化自动改变故障判别的最佳条件,还能在发生任何故障时准确判别故障相和故障方向,测定故障距离和过渡电阻.对模型进行仿真,验证了所提出模型的可行性和优越性.     

预应力混凝土梁疲劳挠度计算的神经网络模型

在分析多种疲劳损伤累积准则的基础之上,针对混凝土材料疲劳损伤发展受多种因素影响,损伤累积过程表现出非线性,难以用较准确的数学函数模型对其进行描述和分析的问题,建立了基于神经网络的预应力混凝土梁疲劳挠度计算的仿真模型,提出了3种仿真模拟方法,并在结合预应力混凝土梁疲劳实验结果分析的基础上,分析了各方法的精度、优势和适用范围.结果表明,3种仿真模型误差范围在5%~15%之间,可用于预应力混凝土桥梁结构抗疲劳设计及疲劳耐久性评估.建议根据不同情况需求选取合理高效的仿真模拟方法.     

电力变压器故障预测的人工神经网络方法研究

准确预测电力变压器故障不仅能够避免电网故障,而且能避免维修不足或过度维修的状况,具有重要的实际意义和经济价值。利用油中溶解气体法和人工神经网络法预测电力变压器故障是目前使用最为广泛的方法之一。本文针对电力变压器的故障预测问题研究采用三层改进BP神经网络为主要模型结构,利用MATLAB中的神经网络工具箱,建立起三层改进BP神经网络变压器故障预测诊断模型。实验表明本文提出的方法准确、可靠。     

软土蠕变特性的神经网络预测

针对软土复杂的蠕变特性,根据软土三轴蠕变试验,运用人工神经网络原理,建立了软土蠕变的神经网络预测模型.对BP网络进行了三方面改进(附加动量项、自适应调整学习率,贝叶斯正则性能函数),利用三轴蠕变试验资料对已训练好的软土蠕变神经网络模型进行验证,并将该模型应用到某软土地基的沉降预测中.研究结果表明:神经网络预测模型直接利用数据建模,避开了传统本构建模时的人为假设,能客观反映软土的非线性蠕变特性.