建筑照明仿真软件的开发

在将人工神经网络理论应用于建筑照明的计算和设计的同时,以MATLAB作为开发工具,构建了一个建筑照明的仿真软件,本文论述了该软件的开发和实现方法。     

一种分类挖掘算法及其应用

提出一种增量式混合型分类挖掘算法,将基于概率论的符号学习与神经网络学习相结合,能够对既包含离散属性又包含连续属性的多个概念进行有效的分类处理,且具有较强的增量挖掘能力。该算法在法院决策支持系统中得到了运用,取得了较好的效果。     

人工神经网络及其在金融预报中的应用

讨论了人工神经网络在金融汇率预报中的应用。其中介绍了广义交互验证(Generalized Cross Validation)法如何应用于确定神经网络中隐层的个数,并用实例说明了该方法甚至对复杂的非线性函数也可以得到很好的逼近。详细地介绍了运用人工神经网络作两周向前汇率预报的计算步骤。其平均相对误差(APE)为10*E-3的数量级,而国际上通用的状态空间模型及Box-Jenkins的ARIMA模型的预报误差都在10*E-2的数量级。     

油套环空和空心抽油杆掺化学剂抽油井举升工艺计算模型

针对稠油井井筒流体流动难的特点 ,利用节点系统分析方法 ,建立了空心抽油杆和油套环空掺化学剂的抽油机井举升工艺计算模型 ,并研究利用化学方法改善井筒流体流动的条件。结果表明 ,M型化学剂通过乳化和热力降粘作用可改善流体的流动性和抽油杆柱的受力状况 ;在启动过程中掺入化学剂的温度对油井生产有一定的影响。     

人工振动降粘试验研究

人工振动采油技术是一种新的油藏增产处理措施。在试验室条件下 ,通过正交试验研究了人工振动对原油粘度的影响 ,分析了影响人工振动降粘的各种因素 ,并对人工振动降粘的参数进行了优化。结果表明 ,人工振动可以降低原油粘度 ,降粘效果与振动参数有关。振动幅度越大 ,降粘效果越好。在辽河油田进行了人工振动采油现场试验 ,取得了明显的经济效益 ,累积增产原油 6.5万t。     

试井设计风险评价

试井测试计划的安排往往带有一定的主观性和盲目性,设计目标可能与实施效果存在较大的差异,导致获取的测试资料可解释性差、结论不可靠。这一问题来源于两方面的困难:一是难于准确估计油气井、流体和储层的特性参数,二是缺少系统化的测试设计评价方法。通过建立测试模拟器实现全过程模拟,针对某组确定的设计参数产生解释诊断曲线,能够对设计方案进行评价。试井设计过程本身所涉及参数不确定性问题,应用蒙特卡洛模拟方法评价试井设计风险:不确定性参数随机抽样和测试模拟,以人工智能方法识别诊断曲线和评价测试合格率,确定出测试合格率的概率分布,从而指导优选设计方案,降低设计风险。     

基于BP网络改进算法的模拟电路故障诊断

将BP神经网络的改进算法应用到模拟电路故障诊断中,并在MATLAB7．0中运用神经网络工具箱中的函数加以实现,对实验结果进行比较研究．     

神经网络专家系统对导弹测试车的故障诊断

研究了基于神经网络的故障诊断专家系统的理论与方法 ,并介绍了具体实现过程 ,同时又将此方法应用于某大型导弹武器系统的局部故障诊断之中 ,结果表明了该方法的有效性     

基于案例推理的信息系统构建方法研究

提出一种构建信息系统的基于案例推理的新方法及实现技术,为信息系统的方案设计提供一个有效的支持.在案例库的支持下,运用基于案例的推理方法快速实现系统设计方案.提出的方法能有效支持以网络结构设计为主的信息系统方案设计.     

神经网络拟合电位滴定法测定铬（Ⅵ）

建立了电位滴定E—V曲线的神经网络插值模型,对铬(Ⅵ)的电位滴定曲线进行拟合．使用拟合一阶导数和拟合二阶导数确定电位滴定终点．使用改进的BP算法,避免产生麻痹现象．测定了电镀液中铬(Ⅵ)浓度．分析结果表明,该方法准确、快速,在电容量分析方面有广阔的应用前景．