基于RBF神经网络的跳频信号频率预测的研究

提出了一种跳频信号频率预测的解决方案——RBF神经网络．比较了BP神经网络和RBF神经网络在跳频信号频率预测中的性能差异．应用MATLAB针对一伴有随机噪声的信号进行了仿真实验，证明了该理论的可行性与优越性。     

基于BP网络的钢骨高强混凝土框架边节点设计

为了研究钢骨高强混凝土柱，钢筋高强混凝土梁框架边节点的承载力，在实验研究的基础上，分析了钢骨高强混凝土柱，钢筋高强混凝土梁框架边节点承载力的组成，明确了钢骨、钢强混凝土和箍筋所提供的承载力的计算方法，确定了钢骨高强混凝土柱，钢筋高强混凝土梁框架边节点承载力的计算公式。利用神经网络的原理，建立了钢骨高强混凝土柱，钢筋高强混凝土梁框架边节点承载力的BP神经网络模型，并根据试验结果，对网络进行训练，使其具有分析和判断的功能，从而形成一种新型的设计方法。     

黑龙江省一次能源消费总量和消费结构预测研究

以黑龙江省一次能源为研究对象,选取其1995~2014年一次能源消费的历史数据,构建了改进的BP神经网络模型来预测黑龙江省2015~2020年一次能源的消费总量;重构马尔科夫模型,预测黑龙江省2015~2020年一次能源的消费结构。结果表明：构建的模型模拟预测结果误差小,预测准确度良好。2015~2020年黑龙江省一次能源消费总量基本稳定在9200万吨标准煤;能源消费结构中煤炭、石油和天然气的份额均有所降低,清洁能源占比呈增长趋势;到2020年,一次能源消费结构中煤炭占比仍高达65.39%,清洁能源占比仍处于弱势。建议：降低一次能源的消费总量,尤其是煤炭和石油在一次能源消费中的占比;合理调整一次能源的消费结构,降低煤炭在能源消费结构中的占比;政府出台相关政策,引导消费理念,优先使用清洁能源。     

基于SIFT的车标识别算法

针对车标识别过程中匹配阈值难、识别速度慢的问题,提出一种基于尺度不变特征变换(SIFT)的特征匹配车标识别算法.利用SIFT算子对图像的视角、平移、放射、亮度、旋转等不变特性进行提取,并采用BP神经网络算法自主选取车标图像特征进行分类、匹配和识别.仿真实验结果表明,简单车标和复杂车标的识别率平均值均达90%以上,该算法识别速度较快、识别率较高,能满足实际应用的需要.     

泡沫陶瓷基氢氧化高镍催化剂的制备及模拟污水处理研究

本研究以活性炭为造孔剂制备泡沫陶瓷,通过浸渍法使NiCl2负载于泡沫陶瓷,再与NaClO和NaOH混合溶液反应生成NiOOH催化剂.以一定浓度的亚甲基蓝为污水模拟物,亚甲基蓝褪色时间来衡量NiOOH催化剂的催化性能.以催化剂量、次氯酸钠量、pH、温度为变量,分别通过单因素实验和正交试验探究了它们对催化效果的影响以及确定污水处理的较优组合条件.结果表明,在温度为55℃、pH为8、催化剂量为1.0g、NaClO量为15.0mL时,亚甲基蓝的完全褪色时间为131min.各因素对污水处理效果的影响顺序为温度催化剂量pHNaClO量.污水处理的最佳实用组合条件为温度为35℃、pH为8、催化剂量为1.0g、NaClO量为15.0mL.     

基于均匀设计和BP神经网络的花生油SFE-CO2萃取预测

利用均匀设计和BP神经网络相结合的方法,研究了SFE-CO₂萃取花生油工艺。以半烘烤并粉碎之后的花生为原料,针对萃取压力、温度、时间和CO₂流量4个因素,每个因素10个水平安排实验,利用均匀设计的实验数据作为网络训练样本,构造花生油SFE-CO₂萃取的BP神经网络预测模型,对萃取过程进行预测,分析各实验因素与出油率之间的关系,确定较优的工艺条件。最后确定4-9-1的BP神经网络模型,利用该模型所得出油率的预测值与实验值相接近,相对误差(绝对值)小于2%;构造的BP神经网络模型能较好地预测萃取过程中各参数影响下花生出油率的变化趋势。结果显示,当萃取压力30MPa,温度40.5℃,时间125min,CO₂流量187L/(h·kg)时花生出油率可达期望值47.5%。该方法为实现预测与控制SFE-CO₂萃取花生油过程奠定了可靠的理论基础。     

T-S模糊神经网络在冠心病智能诊断中的应用

 冠心病是一种最为常见的心血管疾病,近年来在中国的发病率与死亡率逐年升高,准确诊断和及时治疗是有效降低冠心病死亡率的主要措施。通过引入模糊系统的理论,在传统BP神经网络结构中加入了模糊层与模糊规则计算层,建立了T-S模糊神经网络模型。使用该模型对采集于克利夫兰诊所的297组数据进行分析预测,与传统BP神经网络预测结果对比显示,T-S模糊神经网络模型的平均准确率为82.93%,而传统BP神经网络的平均准确率为75.56%,表明T-S模糊神经网络模型在冠心病的智能诊断中具有较高的预测准确率。     

基于BP神经网络的避洪安置区选址研究

为了解决洪水灾害应急管理中避洪安置区的选址问题,在总结前人研究成果的基础上,从自然环境、可行性、生活条件、社会环境、实用性等5个方面出发,通过17个具体指标,构建了避洪安置区选址评价体系;在安置区的选址分析中引入BP神经网络,构建了基于BP神经网络的安置区选址模型,根据选址评价体系及相关经验确定网络模型各层次的神经元节点数量,并采用样本对模型进行训练分析,建立了稳定的网络结构,最终实例验证了该模型在避洪安置区选址问题中的有效性及可行性。     

An important functional group,benzo[1,3]dioxole,of alkaloids induces the formation of the human telomeric DNA G-quadruplex

Over the past few decades, numerous molecules have been discovered or designed to interact efficiently and selectively with a peculiar DNA structure named G-quadruplex. Some of these molecules have been developed as anticancer agents. To aid the design of anticancer agents, the ability of alkaloids possessing Protoberberine and Benzophenanthridine groups to induce the formation of G-quadruplexes were studied using CD spectroscopy. By careful examination of their structures, we found that a benzo[1,3]dioxole group plays an important role in influencing their inductive properties. The more functional groups the alkaloids have, the stronger their G-quadruplex inductive ability.     

离子液体中纤维素的溶解及再生特性

探讨了不同来源纤维素在离子液体1-丁基-3-甲基咪唑氯代盐(［bmim］Cl)中的溶解性能,并采用红外光谱、X-射线衍射及热重分析等手段对木浆纤维素在离子液体［bmim］Cl中溶解和再生前后的结构变化进行了分析。结果表明,未经活化的纤维素可直接溶解于离子液体［bmim］Cl 而不发生其它衍生化反应,原纤维素聚合度越低,溶解越容易。再生纤维素分子量较原纤维素有所降低,结晶状态由纤维素Ⅰ转变为纤维素Ⅱ,再生后纤维素热分解温度降低,热稳定性略有下降。