六盘山集中连片特困区村域空间贫困及分异研究——以宁夏泾源县为例

贫困与反贫困是新阶段集中连片特困区面临和需要解决的重大课题.基于空间贫困理论,运用GIS和BP神经网络技术方法,以宁夏六盘山集中连片特困区——泾源县为研究对象,选取侵蚀堆积河谷平川区纯回族村、纯汉族村和回汉混居村各1个,剥蚀构造丘陵区回族村1个,侵蚀构造石山区纯回族村、纯汉族村和回汉混居村各1个,共7个样本村(均为贫困村),开展村域空间贫困及其分异研究.结果表明,灾损率、农作物总播种面积和到最近集市的距离等因素是泾源县空间贫困的主要致贫因素.侵蚀堆积河谷平川区纯回族村、纯汉族村和回汉混居村的空间贫困指数SPI平均值分别约为1.657,0.928,1.932,表明该类型区纯汉族村贫困程度较高;剥蚀构造丘陵区纯回族村的SPI平均值约为-6.971,表明该类型区纯回族村贫困程度很高;侵蚀构造石山区纯回族村、纯汉族村和回汉混居村的SPI平均值分别约为-6.583,-2.432,-2.022,表明该类型区纯回族村贫困程度很高.加强农业防灾减灾和提高作物单位面积产量和附加值以及建设农村商贸网络等是泾源县实现减贫的主要途径,而侵蚀构造石山区和剥蚀构造丘陵区的纯回族村是区域扶贫攻坚的重点村.     

平面流铸冷却辊热变形预测及恒间距控制

基于非均匀热流边界条件，采用热流固耦合方法，研究了喷嘴长度与宽度、合金液喷射速度、冷却辊厚度和转速对冷却辊热变形的影响。在此基础上，建立了基于广义回归神经网络(GRNN)的冷却辊热变形预测模型，进一步提出了基于该预测模型的恒间距控制方法。结果表明，相比冷却辊转速和厚度，合金液参数如喷嘴长度、宽度与喷射速度对冷却辊变形的影响更为明显；基于GRNN的神经网络预测模型的精度较高，平均相对误差为5.98%;与传统PID控制方法相比，本文提出的间距控制策略可实现喷嘴包快速、精确地跟踪冷却辊变形，保证了间距的恒定，显著提高薄带初始制备过程中的合格率和生产效率。     

神经网络用于油页岩热解特性的预测

这里利用神经网络方法在MATLAB 6.5环境下,利用神经网络工具箱中的RBF神经网络算法,通过油页岩的元素分析和工业分析对油页岩的热解特性进行了预测。获得了较好的效果,证明油页岩的基础特性与热解特性间存在一定的关系。     

现代科技创新全球协同研究

现代科学技术的发展,单靠一个国家的力量是无法完成的。随着知识经济社会的到来,创新作为一种内在的驱动力在社会各个层面发挥着越来越重要的作用。在全球日益一体化的21世纪,全球范围内的科技协同创新浪潮正在兴起。从当前全球科技协同创新现状出发,基于模糊神经网络,分析全球范围内全球协同的科技创新的必要性,并论述了科技创新全球协同的具体路径。     

自组织神经网络算法的原理及其应用

本文介绍了自组织神经网络算法（以下简称SOM）的原理,并对其应用进行了阐述,指出了SOM算法的应用领域和不足之处。     

铝包光缆生产线中的人工智能方案研究

针对铝包光缆（ＯＰＧＷ）生产线的控制特点，在英国ＢＷＥ铝包钢生产线的基础上，增加了人工智能控制模块，使其满足铝包光缆这种新产品的工艺要求，并在ＢＰ神经网络的基础上，对训练算法进行了有效的改进，采用Ｍｏｄｉｆｉｅｄ Ｐｏｗｅｌｌ法来优化权值和阈值。实验表明，这种方法对于加快网络收敛速度，优化网络等方面有着显著成效。     

基于RBF神经网络和RS理论的磨矿分级系统软测量模型

为了提高硫化镍选矿过程的效率并改善选矿产品的质量,运用RS理论研究了某选矿厂磨矿工艺多维数据的属性约简.在建立相应RBF神经网络预测模型基础上,给出了表征磨矿生产过程内在规律的最小知识表达,并基于该模型对选矿生产指标进行了预测.结果表明:磨矿工艺数据可以进行浓缩,生产过程经验操作能够找到相应的理论依据,从而加深了对生产工艺过程内在规律的认识;应用软测量技术获取了球磨机和旋流器内部状态主要关键参数,该模型分析过程相对简单,网络学习训练时间少、学习精度高;仿真结果表明估计值与分析值拟合良好.     

基于递推K—均值聚类算法的RBF神经网络及其在系统辨识的应用

提出了一种基于ｋ－均值聚类算法的ＲＢＦ神经网络递推快速学习算法，并用此对动态非线性过程进行辨识。仿真结果表明了本文方法的可行性。     

基于BP神经网络和模糊控制的PMSM-DTC研究

为了解决传统的永磁同步电机直接转矩控制中电磁转矩和磁链过大的问题,将BP神经网络和模糊控制引入永磁同步电机控制中.研究了基于BP神经网络和模糊控制的永磁同步电机直接转矩控制控制策略,将模糊控制器替换磁链和转矩滞环控制器,将BP神经网络控制器替换开关状态选择器.仿真研究表明:该控制策略能有效的减小转矩脉动和磁链脉动,系统稳态性能得到了明显改善,同时也保持了快速的动态响应特性.     

神经网络泛化改进研究

本文比较了5种改善神经网络泛化能力的方法。理论分析与具体的仿真实验均表明，增加样本数需要太多的样本，构造法包含剪枝法与逐步增加法，需要过多的运行时间，皆不实用。早期停止法仅对中等规模的数据有效，对较少数据容易造成过拟合更加严重。因此，正则化方法为最好的改善网络泛化能力方法。