人工神经网络技术在矿区土地复垦中的应用

针对中国土地复垦起步晚，新技术与新理论应用较少的问题，研究利用人工神经网络来辅助土地复垦的决策。介绍了利用自组织映射神经网络的自动分类功能对进行矿区土地复垦条件分类，为因地制宜地采取复垦措施提供依据。然后，基于BP神经网络，选取评价因子，通过对已有经验的学习，对复垦土地适宜性进行评价，并与传统的方法相比较，研究结果表明，利用人工神经网络辅助矿区土地复垦决策是可行的。     

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.     

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Mackey-Glass混沌储备池计算的多波形识别

人工神经网络在模式识别和智能计算等领域具有重要的应用,但目前的人工神经网络存在结构复杂、训练耗时、占用大量的硬件资源等缺陷.设计了一种简单的基于MackeyGlass非线性方程的混沌储备池计算系统,它把大量不同时刻的混沌状态当作虚拟节点,从而简化了系统结构.利用系统分别实现了3种波形和对应3种不同频率的共9个不同波的识别,分析了储备池计算系统主要参数对多波形识别效果的影响.在最优系统参数条件下,对3种波形和9个波识别的归一化均方根误差分别达到了0.11和0.22.     

用于AIS实时信号稀疏表示的追踪算法研究

为解决非周期船舶自动识别系统(AIS)信号的载波跟踪问题,利用信号稀疏表示方法对AIS实时信号进行重构,以获得AIS信号的信道信息,从而为实现定位信息的测量打下基础.从AIS信号特点和AIS实时信号处理的要求出发,对基于K-SVD算法所构造的自适应冗余字典,从信号处理时间、稀疏表示精度、误码率和受噪声的影响几方面对比了基追踪(BP)和正交匹配追踪(OMP)两种不同的追踪算法.实验结果表明,两种算法都能有效精确地重构AIS信号,BP算法相比OMP算法具有更好的稀疏表示精度和误码率,但是信号处理时间会更长.由于AIS对实时性的高要求,OMP算法更适合用于AIS自主定位系统.     

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。     

基于BP神经网络的村镇银行信用风险预警模型的构建

随着农村金融政策的调整,大量的村镇银行成立。在我国由于农村经济薄弱、贷款客户复杂、金融服务不佳,存在的信用风险相当严重。为了降低村镇银行信贷风险,提升农村金融水平,有必要对信用风险进行研究。通过建立信贷风险预警模型,可以改善贷款决策质量,为贷款决策提供参考依据和技术支持。本文建立了基于BP神经网络的村镇银行信用风险预警模型,为村镇银行信用贷款的决策提供了可靠的科学依据。