基于经验模式分解与LM一BP神经网络的大坝变形预报模型

提出一种基于经验模式分解(EMD)与LM-BP神经网络相结合的模型进行大坝变形预报的方法.先利用EMD具有根据信号本身特征进行自适应分解的功能将变形时间序列分解为一系列不同尺度的固有模式分量IMF,再根据各个IMF的变化规律采用相匹配的LM-BP模型进行预报,最后对各分量的预报值进行叠加得到最终的变形预报结果.实例分析...     

基于BP人工神经网络的路基压实度预测模型研究

在大量路基碾压实验的基础上,通过对BP人工神经网络的分析,建立了路基压实度预测神经网络模型,并利用MATLAB环境下的神经网络工具箱开发了相应的程序.预测结果表明,该模型程序具有学习能力强、预测精度较高、快速方便等特点.这项研究为路基碾压施工工程中土的压实度预测研究提供了新的研究思路.     

空间实体碰撞预报算法及其自适应步长设计

为避免空间飞行实体碰撞漏报并提高计算效率,提出了通用性的基于仿真的多空间飞行实体碰撞预报方法。采用自适应调整仿真计算步长,给出了相应算法,并通过典型算例验证了其正确性和有效性。     

SVM在金属塑性成形摩擦系数预测中的应用研究

针对金属塑性成形过程中摩擦系数较难确定的客观情况,提出一种基于支持向量机的能够快速预测摩擦系数的方法。利用支持向量机建立了金属塑性成形中润滑油、模具表面粗糙度、滑动速度和金属材料表面粗糙度与摩擦系数的支持向量机模型．实验结果表明这种模型具有很好的精确度和预测性,为摩擦学设计和程序化计算和分析提供了一种方便且有效的工具。     

人工神经网络在空气污染预报中的研究进展

人工神经网络是20世纪80年代迅速兴起的一门非线性科学,特别适用于对具有多因素性、不确定性、随机性、非线性等特点的对象进行研究,而空气污染预报正是这样的一类问题。简单介绍了人工神经网络的基本概念,详细地回顾了国内外人工神经网络在空气污染预报领域的研究应用情况,最后讨论了人工神经网络在空气污染预报领域中的研究方向和发展趋势。     

一种基于支持向量机的CFG桩复合地基承载力预测方法

提出一种基于SVM的CFG桩复合地基承载力预测方法并建立相应预测模型.为获得模型参数,对18组CFG桩复合地基试验资料进行训练,训练值与实测值符合较好.用建立的SVM模型对4组CFG桩复合地基试验数据进行预测,预测结果与实测值相差较小.理论分析和实例结果验证表明:基于SVM的CFG桩复合地基承载力预测方法具有较高的预测精度和可靠性.     

基于灰色理论的设备状态预测

针对一般GM(1,1)多步预测方法的不足,提出了一种基于代谢递补GM(1,1)的状态预测方法.该方法首先对原始信号进行预处理,再通过递补思想进行多步预测,然后利用更新数据进行代谢预测,最后计算设备状态的预测值与真实值误差,根据预测值的趋势判断设备的未来状态.实例分析结果表明,该方法所需数据样本少且数据训练时间短,后八步的预测精度可满足工程精度,能有效地应用于设备的中长期在线状态预测.     

混流式水轮机内部流动的整体解析及气蚀预测

采用计算流体力学方法,将整个水轮机划分为蜗壳、固定导叶叶栅、活动导叶叶栅、转轮和尾水管等几个域,对混流式水轮机进行整体解析,并根据各个域的残差履历,以转轮残差的充分收敛作为迭代计算是否收敛的判据.最后以某水电厂的混流式水轮机作为研究对象,得到了混流式水轮机的静态压力场,并利用压力场预测了转轮叶片出口负压面气蚀的发生时刻及发生部位,所得结果与实际转轮出口负压面气蚀结果一致,表明了文中方法的有效性.     

导电高分子复合材料逾渗阈值的预测

逾渗阈值是表征导电高分子复合材料导电性能的重要参数之一,但是由于影响因素异常复杂,逾渗阈值的预测存在不确定性.文中从导电复合材料的微观角度出发,分析了导电高分子复合材料的逾渗行为及机理,并基于Flory的凝胶化理论和Bueche的无限网链模型,提出了一种新的预测导电高分子复合材料逾渗阈值φc的方法,最后将理论预测值与其它研究成果进行了比较分析.结果表明:由此方法计算得到的逾渗阈值更加接近高密度聚乙烯/碳黑导电复合材料的实验结果.