人工神经网络模型应用于大坝变形

利用已有的垂线原型观测资料，建立了基于人工神经网络的大坝变形计算模型，并用原型观测数据对其进行了校核和检验。结果证明，用人工神经网络建立坝体变形的神经网络模型对大坝变形能够进行较高精度的预测，并具有一定的优越性。     

神经网络法短期负荷预测

本文提出了基于神经网络的电力系统短期负荷预测方法，采用反向传播自学习算法，获取一个四层的前馈神经网络，将此神经网络用于电力系统按小时进行预测。     

煤层气发动机稳态空燃比前馈控制脉谱生成

基于煤层气发动机进气系统的物理特性,采用平均值、多项式和模糊神经网络建模方法,建立了用于稳态空燃比前馈控制的递阶模型,并通过该模型生成了三维初始控制脉谱图.借助于辨识的过量空气系数自适应神经网络模糊推理系统(ANFIS)模型,进行了静态空燃比前馈控制仿真.利用前馈控制模型生成的数据,检验了实际控制效果.结果表明,前馈控制模型具有良好的预测能力,模型最大和平均预测误差分别小于8%和5%.     

基于BP神经网络的大棚作物腾发量预测模型

在分析影响大棚作物腾发量的气象因子的基础上,以气象因子为输入向量,以大棚作物腾发量为输出向量,构建了气象资料不足情况下计算大棚作物腾发量的BP神经网络模型。利用鄂州节水灌溉实验基地逐日气象资料对所建模型进行反复训练和预测,并把预测结果与用传统的Penman Monteith公式计算而得的同期作物ET值相比较。BP神经网络模型的预测值与公式计算的ET值的相关系数为0．986。研究结果表明：构建的模型计算精度较高,方法简便可行,能满足实际生产需要。     

基于BP神经网络的降雨量预测研究

使用2种方法,即用前5年降雨量来预测后1年的降雨量和用气象资料预测降雨量,应用BP神经网络对降雨量进行预测,试图找出应用BP神经网络预测降雨的最佳方法.通过对青海省10个气象站的降雨进行预测分析,得到结论如下:两种方法均适合于降雨预测,其被选择概率均等.     

神经网络方法在钻孔孔径确定中的

通过对钻孔孔径与其诸多影响因素的分析，建立神经网络（Artificial Neural Network，简称ANN）模型，并对实测钻孔资料进行自适应学习训练，构建出钻孔的孔径同其影响因子之间的非线性映射关系模型。将ANN模型的计算成果同实测资料和回归模型计算结果进行比较。结果表明，采用ANN方法计算预测钻孔孔径简单方便、计算精度高、可操作性强、通用性好。     

基于误差建模分析的深度神经网络大蒜价格预测应用

本文主要研究使用深度神经网络进行建模分析,并使用误差建模方法对大蒜的价格进行预测,为此我们进行了三种分析方法的对比,第一种方法是先对数据进行时间序列分析,利用ARIMA直接对时间序列模型进行预测.第二种方法是建立循环神经网络,使用循环神经网络进行时间序列预测.第三种是利用组合模型,先求得观测值与时间序列模型之间的残差,...     

神经网络在温室小气候预测中的应用

近年来,随着以日光温室为主要形式的设施栽培技术的兴起以及神经网络在语音识别、计算机视觉、序列分类领域取得重大突破,作为一种实现时间序列预测的有效工具,越来越多的神经网络技术开始应用在温室小气候预测技术中。按照神经网络的发展顺序对不同类型的神经网络模型在温室小气候预测中的应用进行总结叙述,分别针对前馈神经网络、循环神经网络、深度神经网络及混合神经网络的发展现状和研究者对网络模型的优化情况进行详细的介绍。在此基础上,分析当前针对温室小气候预测的神经网络模型存在模型输入参数单一而无法考虑温室整体环境变化、模型结构单一导致鲁棒性不足以及模型可靠性检验方法不合适、深度模型难以实地部署的问题,提出建立混合模型、改进模型检验方式、优化深度模型网络结构等建议。以期为面向温室智能控制的进一步研究提供参考。     

递归神经网络在降雨量预测中的应用研究

递归神经网络(RNN)模型近年来在许多任务上表现出了优良的性能。运用具有长短期记忆(LSTM)单元的递归神经网络构建模型和通过时间反向传播(BPTT)算法更新网络权重解决长期降雨量的预测问题,较好地解决了高维数、非线性和局部极小问题。选取了前馈神经网络模型(FNN)、小波神经网络(WNN)模型和整合移动平均自回归(ARIMA)模型3种模型进行验证比较。仿真结果表明,递归神经网络模型优于其他模型,训练结果与实际值接近,预测精度较高。预测结果为农业用水管理、合理制定灌溉制度提供了重要的科学依据。     

波浪补偿控制算法综述

为了实现对船舶在波浪中的运动响应进行补偿,提高海上作业的效率,需要对波浪补偿设备采用更为先进的运动控制技术.采用前馈控制和反馈控制的分类方式,简述了适合用于波浪补偿设备的控制算法研究现状,以便于更好地了解波浪补偿控制技术的发展.其中属于前馈控制类算法的主要有卡尔曼滤波法、神经网络和时间序列分析法;属于反馈控制类的主要算法有PID控制算法和模型预测控制算法.分析这些算法在波浪补偿控制中的理论原理和研究进展,并且通过对相关学者的研究文献进行了对比分析,指出了卡尔曼滤波法、神经网络和时间序列分析法以及PID控制算法和模型预测控制算法的关键特征.在结论中根据不同控制算法的原理和特征给出了这些算法在波浪补偿控制中可能的研究方向,可以为波浪补偿控制系统的研究和发展提供指导意见.     

黄河龙门径流量预测模型研究

河川径流预测是一个十分复杂的问题,生命旋回模型在进行径流趋势预测时具有对资料要求少、计算简单等优点,但由于模型方程的限制,进行预测时得到的序列很难反映径流序列的随机波动变化,且存在预测结果精度不高的缺点。根据黄河龙门水文站提供的49a的径流水文资料。应用神经网络进行预测时和生命旋回模型建模使用,得到预测值。结果表明预测结果明显优于单一的生命旋回模型和神经网络模型,可以用于径流预测。     

一种根据时段平均流量和水位的水

根据实测的时段平均流量和水位的资料，建立了水均衡计算模型，通过简单的理想算例和实际观测资料，验证了模型的正确性和可靠性。同时以某灌区为例，利用前10年的实际月平均观测资料，反求了模型参数，并对后10年进行了水位计算，结果表明，模型简单、实用，可以用于大区域长时段的地下水均衡分析研究。     

人工神经网络在切削颤振类别诊断中的应用

讨论了再生型、模态耦合型和滞后型３种主要切削颤振类别的特征表达参数。使用多层感知器的前馈神经网络，研究了切削颤振类别的综合诊断方法，通过切削试验获取神经网络的训练和测试样本，使用误差逆向传播算法对神经网络进行训练。训练和测试过的神经网络可对切削颤振的类别作出正确的诊断。     

基于遗传算法和神经网络的泵站经济运行研究

以泵站总耗能最小为目标，建立了叶片可调节泵站站间和站内经济运行优化数学模型，采用遗传算法应用Matlab语言实现优化计算。对江都第4站1999年实际运行资料进行优化计算，总消耗功率比经验操作可减小3．39％左右。针对泵站的流量和扬程变化频繁而一般的优化计算方法速度较慢的问题，以仿真优化结果为样本，利用人工神经网络对相似工况进行预测，预测结果平均误差为1．99％。遗传算法和神经网络联合应用，求解精度和可靠性较高，是解决泵站优化运行问题的有效方法。     

基于RBF神经网络补偿的滑膜控制

探讨了一种基于粒子群优化算法的RBF网络补偿的自适应滑膜控制设计以及仿真方法的分析。首先对被控系统进行数学建模,其后设计RBF神经网络网络补偿器。在补偿器的设计过程中,采用RBF神经网络逼近算法,并在RBF神经网络中使用粒子群优化算法对神经网络权值进行优化。相比于多层前馈BP网络,RBF网络由于具有良好的泛化能力、网络结构简单、可避免不必要和冗长的计算而备受关注,且能在一个紧凑集和任意精度下逼近任何非线性函数。通过机械臂具体实例仿真,验证了设计方法的理论正确性。     

LVQ学习矢量量化神经网络模型在旱涝预测中的应用

旱涝灾害的预测对预防灾害和保护环境有着重要的作用。运用神经网络中LVQ学习矢量量化神经网络建立了旱涝预测模型，模型输入层神经元数目为3，输出层神经元数目为1，隐含层神经元数目采用实验法，最终确定为7。预测结果表明：该方法与传统的预测方法及BP神经网络相比，具有更强的容错性和鲁棒性，预测精度较高且计算简单等优点。     

ET_0的主因子和主成分神经网络模型比较

为了简化BP神经网络预测ET0的模型,将气象因子包括最高、最低和日平均温度、日照时数、相对湿度和风速进行主成分分析和偏相关分析,提取主成分和主因子,分别建立了基于主成分和主因子的三层BP神经网络模型,并对两种模型的训练和预测结果进行比较。选取湟水流域的乐都气象站2003年到2006年5月逐日的气象资料,采用Matlab神经网络工具箱进行模型训练与预测。结果表明主成分神经网络训练和预测模型的精度都优于主因子神经网络模型。主要是由于两种模型选取输入层的因子不同造成的。     

玉米秸秆热裂解产物产率预测分析

以影响热裂解液化过程的因素(输入功率、压差、氩气流量和进料率)为网络输入,热裂解液化产物为网络输出,应用BP神经网络模型法对玉米秸秆热裂解液化产物产率进行了预测分析,并将预测结果与非线性回归分析法进行了比较分析.结果表明,采用BP神经网络模型预测输出值与试验值间的相对误差总体上在5％之内,说明模拟预测的效果较好.对BP神经网络模型法与非线性回归方法的预测结果对比分析显示:在试验数据范围内,BP神经网络模型对玉米秸秆热裂解3种产物产率的预测值更接近试验值,计算精度比非线性回归方法略高.     

土坝观测资料的关联分析方法

应用灰色系统关联分析方法对土坝变形、渗流、库水位、气温及坝区降雨量等观测资料进行综合分析,利用实际观测数据在机上进行了计算和绘图,并对计算结果作出了分析。     

轴流转桨式水轮机神经网络建模与非线性仿真

针对水轮机非线性特性难以准确描述及轴流转桨式水轮机调节系统非线性仿真的复杂性，利用前馈神经网络强大的非线性逼近能力，首先建立轴流转桨式水轮机综合特性神经网络模型NZZM，然后建立水轮机飞逸特性神经网络模型，并据此迅速、准确地求得空载开度和空载流量，作为水轮机特性曲线向小开度特性扩展的控制点，进而得到全面描述大开度及小开度下流量特性和效率特性的综合特性神经网络模型NZZM。最后建立了轴流转桨式水轮机协联特性神经网络模型NZZC。NZZC与ZNNM及其他一些计算模块一起构成了轴流转桨式水轮机神经网络模型ZZ587。上述神经网络模型均采用Levenberg-Marquardt算法，进行离线训练，收敛速度快、模型精度高。采用Matlab语言及Simu-link仿真软件，对已建立的ZZ587进行非线性仿真，能快速、准确地得到系统以及轴流转桨式水轮机内部各种参数的变化规律。