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．     

M-P人工神经网络用于核电站故障诊断系统

按照实际情况,将人工神经网络M-P模型应用于核电站机组故障诊断系统的部分诊断网络。根据核电站故障诊断信号和故障事件特点,提出在特定诊断网络中使用M-P模型的可能性和具体构建诊断网络的方法,对其优缺点进行了比较。使用M-P模型对核电站重要厂用水系统建立了简单诊断网络,进行了验证。该模型简单直接,可以避免若干使用其他人工神经网络模型时遇到的问题。该模型与其他模型结合使用于核电站故障诊断系统,尤其在处理逻辑判断性较强的诊断任务时,可以达到更好的效果。     

激光-线阵CCD技术的热轧机辊形检测系统

应用激光—线阵CCD成像技术，提出了一种高速、高精度热轧机辊形检测方法，阐述了激光—线阵CCD工作原理及CCD视频信号图像处理技术，介绍了激光—线阵CCD热轧机辊形检测系统。采用新的自适应快速边缘聚焦法。有效地降低了噪音对成像质量的影响，提高了处理数据的速度，使图像得到有效增强，成功地解决了除噪、边缘检测和特征信息提取等关键技术，并通过实验进行了验证。     

基于神经网络的冲击地压危险性预测预报

文章分析了影响冲击地压危险性的主要因素，首次利用神经网络模型模拟各个因素之间的复杂的非线性关系，消除了传统预测方法中的人为确定冲击危险指标的影响。检验结果表明：模型可靠，预测精度高。为冲击地压与人工智能等高新技术的进一步结合奠定了基础，进一步拓宽了神经网络技术的研究领域。     

分布式的网络性能管理专家系统模型

根据目前计算网络管理的需要，提出分布式和智能化的管理体系结构．建立了基于人工神经网络的网络性能管理专家系统的模型，并给出一个设计实例，在实例中重点介绍了数据传换和训练样本集的设计。     

冻粘土三轴流变特性的神经网络预测

针对冻粘土特殊的物理力学性质，通过详细的冻粘土三轴应力条件下长期蠕变实验，讨论了温度，轴压，围压三种因素对冻粘土蠕变特性的影响，并利用人工神经网络（ANN）方法对冻粘土三轴流变特性进行了预测，建立了BP网络模型，预测结果与实验值吻合，因而具有一定的理论和实用价值。