水污染对流弥散数学模型中弥散参数神经网络模拟

应用BP神经网络方法,建立了多孔介质参数与弥散参数之间的非线性映射关系.为加速网络的收敛速度,采用了局部学习率自适应的DBD(deltar-bar-delear)算法.通过对Klozt的部分实验数据进行训练和检验表明,神经网络方法具有预测精度较高、自学能力强、考虑不定性能力强等特点.     

综合集成过程中研讨信息记录模式的识别方法研究

运用人工神经网络理论和方法,建立研讨信息记录模式识别模型,并经"基于WEB的开放式群体决策研讨平台GASS"研究项目的实际应用,表明该方法具有较强的学习、联想和容错功能,能够根据具体的研讨活动状况定量评价信息记录模式,改进了以往仅评主观选择研讨信息记录模式的方式,从而在综合集成体系中提供更加有效的决策支持.     

系统近似建模技术的研究与比较

对于大系统的优化,子系统由于分析模型计算复杂而大量采用近似模型代替与优化。常用的近似建模技术有响应面模型(RS)、计算机试验设计与分析模型(DACE)和神经网络中的误差后向传播模型(BP)。拟对以上三种近似建模技术进行了比较研究,简要阐述了三种近似建模技术的理论基础,并应用实例分别进行了考核。在各近似模型的近似精度和计算费用等方面进行了初步探讨与研究。     

基于组合策略的Lyapunov指数谱的计算

分析了基于BP神经网络模型的Lyapunov指数谱计算法存在的不足,提出了一种新的基于组合策略的混沌时间序列Lyapunov指数谱计算方法.由于该方法能够同时逼近给定目标函数的非线性部分与线性部分,因而具有更高的计算精度.最后将新方法应用于Henon映射Lyapunov指数谱的计算中.通过分析与比较,表明该方法具有更高的计算精度及更强的实用性.     

BP 神经网络网络结构优化问题的研究

将灰色关联分析法应用到BP神经网络隐层结点数的确定中,实现了BP神经网络网络结构的优化,提高了网络的预测精度.仿真结果表明这种方法非常有效,同时也对BP神经网络的进一步研究提供了一种全新的思路.     

改进的BP人工神经网络预测软土地基固结沉降量

采用改进的BP人工神经网络较强的非线性映射能力和学习能力,提出了一种有效的沉降预测方法,并用于深港西部通道软土地基固结沉降量的预测.本方法利用实测资料直接建模,避免了传统方法计算过程中各种人为因素的干扰,所建立的模型预测精度高,与实测值较吻合,简便易行,因而具有广泛的工程实用价值.     

基于人工神经网络的云自动检测算法

为实现卫星观测数据的高效云自动检测技术,提出了基于人工神经网络的云检测方法,并针对中分辨率成像光谱仪（MODIS）的观测数据建立了BP神经网络模型,给出了算法的应用实例.通过实例分析表明,基于人工神经网络的云检测算法具有良好的时空适应性,检测效果较好,检测速度快,具有业务实用价值.     

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ANN和FUZZY的装载机故障诊断模型

提出了一种基于神经网络和模糊理论的层次诊断模型、针对装载机的特点建立的模糊系统可自动生成和调整隶属度函数，构造了一种平行的神经子网络，网络训练的速度和诊断准确率有明显提高．模型缩小了知识库，减少了计算量．本模型具有比较强的除噪能力，能将对故障信息敏感而对噪声不敏感的信息提取出来．经仿真实验证明，识别效果良好，有效减少了误判和漏判．     

GMAW 温度场计算及其焊接质量的特征建模

根据传热学、流体力学、物理冶金等理论，在熔化极气体保护焊(GMAW)的三维非稳态熔池的数学模型基础上建立了有限元模型，并使用通用有限元软件ANSYS对熔池温度场进行了计算．通过熔宽和熔深的测量值与ANSYS计算值进行比较，误差均控制在8％以内，表明使用ANSYS来计算GMAW温度场是可靠和可行的．结合智能诊断的基本理论，还建立了GMAW焊接质量的人工神经网络预测模型，并且采用软件MATLAB6．1对模型进行计算．结果表明，模型与实际过程符合较好，对于非线性的焊接过程，神经网络的适应性较强．