考虑误差影响的力学参数反分析神经网络方法研究

通过求偏导技术将反分析的参数误差分别表示为模型误差与测量误差的函数，利用这些函数研究了模型误差与测量误差在力学参数反分析神经网络方法中的传递过程以及影响反分析结果的影响因素．研究结果说明：输入变量的选择严重影响力学参数反分析的精度，选取力学参数灵敏度大的测点位移作为神经网络的输入变量，可以减小模型误差与测量误差对反分析结果的影响．这对提高力学参数反分析的实用性与可信性有重要意义．     

一种基于属性抽取与整合的Petri网模型

将感觉神经检测机制融合于Petri网中，提出了一种新的基于属性抽取与整合的感觉神经检测Petri网模型，使得Petri网更加适合于对神经思维的描述，提高了系统的智能行为。     

船舶初步设计阶段智能决策支持系统的应用

提出了用于辅助船舶设计者在获取船型要素信息量有限情况下，进行船型方案优选决策的支持系统理论体系框架和模型。将该系统应用于某实船船型方案优选决策，证明该方法是可行的、可靠的。此外，对未来智能决策支持系统在船舶初步设计中的应用前景进行了展望和预测。     

混沌神经网络在分离叠加模式和信息恢复中的应用

提出了一种改进的混沌神经网络模型，该模型具有两个特点：①能从叠加模型恢复出被记忆的正确信息；②能通过部份信息恢复被记亿的全部信息．设计了一系列的仿真实验证明了所提模型的有效性。     

交通噪声预测的神经网络模型

运用 Matlab语言编程 ,构造预测交通噪声的 LM算法 BP神经网络模型 ,把预测因子 (轻、重型车流量、平均车速、受声点距路肩距离、敏感点高差 )作为样本输入到网络模型 ,噪声等效声级作为样本输出 ,反复训练网络 ,通过增加隐含层节点数、改进算法 ,以降低误差 ,缩短训练时间。     

基于神经网络技术提高红外气体分析器的选择性

应用前馈神经网络算法消除非目标参量对主传感器的干扰,从而提高了红外气体分析器的选择性.以检测甲烷为例,在干扰气体乙烯的体积分数变化了7600×10-6时,经神经网络融合处理后,分析器的选择性系数从3.17提高到422,主传感器输出的引用误差从58%降为0.65%,实现了对甲烷的准确识别.实验结果表明,该方法具有实际应用前景.     

人工神经网络在矿井突水预报中的应用

突水预报是一项重要的矿井水文地质工作。借助于人工神经网络在处理非线性问题或非结构问题方面的优势,采用BP算法,基于大量矿井突水样本实例建立了突水预报神经网络模型,并将该模型用于实际预报,并取得了较好的效果。结果表明,模型具有较强的实用性。为了提高模型的预测精度,在训练样本的选择上还应具有一定的代表性。     

基体改性对碳/碳复合材料烧蚀率影响的神经网络模拟

将人工神经网络的典型模型－－误差后传播（BP）算法用于改性的碳／碳复合材料氧化烧蚀率的研究，建立了碳／碳复合材料改性添加剂组成－氧化烧蚀率BP网络模型。研究结果表明，所建模型较好地反映了添加剂含量与试样氧化烧蚀率间的内在规律，预测的氧化烧蚀率与实验值间的误差小于0．32％。将模型筛选出的最优添加剂配方用于基体改性，试样的氧化烧蚀率下降49．3％，说明将人工神经网络用于基体改性是可行和有效的。     

用简单动态递归网构造固体散料流量模型

提出了用简单动态递归网来建立固体散料流量模型，针对动态递归网结构复杂，训练算法收敛速度慢的缺点，采用一种结构十分简单的递归网，对RPE算法进行了改进和补充，使之适用于简单递归网，用来对网络的权值和阈值进行调整，建模结果表明此方法收敛速度快，精度高。     

基于人工神经网络的地下矿山岩层移动研究

提出了采用人工神经网络方法进行地下金属矿山岩层移动预测，结合模糊数学对选取的地表移动影响因素进行了处理．计算结果表明，所选取的各因素之间及其与岩层的移动角之间存在着较强的非线性关系，移动角的大小与选取因素有着密切的联系，进而从理论上证明可以预测由于开挖引起的岩层和地表移动的范围问题．