人工神经网络技术在柴河水库洪水分类预报中的应用

以柴河水库历史洪水资料为依据,采用人工神经网络方法进行分类,利用遗传算法进行不同类别洪水参数优选,根据洪水特征选择不同的模型参数和规则进行洪水调度,为提高柴河水库及与其类似水库的洪水预报精度提供参考。     

自优化模拟技术在水库兴利调度中的应用

自优化模拟在单库及多库兴利调度方面较一般模拟方法效果理想，且模型易于编程求解，有较好的实用性。采用自优化模拟技术，针对某地区水库部分入流(有外流域调水)可以调控的特殊情况，建立基于自优化模拟的逆时序模拟模型，确定了该地区水库运用方式和水库兴利调度图，调度结果较一般模拟方法要好，显示自优化模拟技术在水库兴利调度中较好的应用性。     

基于Copula-Monte Carlo法的水库防洪调度多目标风险分析

考虑干支流洪水不确定性对水库防洪调度的影响,提出了一种基于Copula-Monte Carlo(Copula-MC)法的水库防洪调度多目标风险分析方法,定量描述汛期干支流洪水不确定性给水库防洪调度决策带来的风险,并利用基于组合权重的理想点法对各调度方案进行多目标风险决策,最后将该方法应用于向家坝水库防洪调度风险分析中,计算了不同调度方案下水库自身和下游防洪区的风险,并通过决策给出了最优调度方案,为向家坝水库防洪优化调度提供技术支持。     

桃花江水库水位调度的气候决策方法

本文应用气象经济学的方法,探讨了合理利用水库库区气候资源,作好水库水位调度,充分发挥水库在抗旱和发电中的效益问题,分析结果表明:利用气候资料,计算出水库水位气候最优调度曲线,在此基础上进行水位调度,比按照气候平均值方法调度,平均每年可多获得3万元的经济效益,比目前实际调度方法,平均每年可多获得5.7万元的经济效益。并为水库优化调度提供了科学依据。     

多约束条件下的水库供水调度规则研究

研究多约束条件下的水库供水调度规则。针对深圳市铁岗水库的供水调度运行特点,分析影响水库供水调度的约束条件。从工程自身特征、境外供水系统和片区储备库容要求等方面分析影响水库运行的水位节点,从而梳理得到铁岗水库的实际调度规则。从实际出发,以合理、简单、实用为目的,进行水库调度原则的制定。     

灌区多水库联合优化调度研究

针对调水量与调水时机不确定的问题,建立基于供水系统全局风险最小化的多水库联合模拟优化调度模型,采用并行多种群混合进化的粒子群算法(PMSE-PSO)全局优化确定满足各水库供水要求的水库群调水规则和供水规则,并优化确定调水水库的最大调水规模,最后根据优化规则及调水规模进行水库调度计算,进而求出各计算时段调水量以及各水库区用水户供水量。本模型从缺水区域风险最优化的角度,优化确定水库供水限制线、调水控制线和调水水库的最大调水规模,模拟各时段实际调水量和不同用水户供水优先次序的供水量,实现了多水库联合调度的技术突破,为水库调度决策部门提供了一个新的调度思路。通过高关-短港水库灌区的实例应用,证明了该模型的科学性和有效性。     

突变评价法在水库调度多目标风险评价中的应用

针对水库运行期防洪、发电、供水和航运等目标相互影响,调度目标和影响因子相对重要性难以准确判断造成多目标风险综合评价难度较大的问题,在构建风险评价指标体系的基础上,建立了基于突变评价法的水库调度多目标风险分析模型。根据水库主要功能的不同,分别明确了将综合风险最低作为调度目标和防洪风险作为严格约束条件的两种多目标风险评价方法。将该方法应用于工程实例,评价结果与已有优化调度方案较为一致,说明该方法具有较好的可靠性与实用性,可为水库调度多目标风险综合控制提供一种新的方法和思路。     

南湾水库水力发电与调度运用回归分析

应用多元回归方法，对南湾水库多年水力发电与水库控制运用调度实际进行分析。通过分析揭示了水库控制运用调度各种变量与水力发电效益的相互关系，找出了影响发电效益的主要矛盾，为提高发电效益和水库调度指明了方向，为南湾水库工程管理开拓一条向管理要效益的新路。     

南湾水库水力发电与调度运用回归分析

应用多元回归方法，对南湾水库多年水力发电与水库控制运用调度实际进行分析，通过分析揭示了水库控制运用调度各种变量与水力发电效益的相互关系，找到了影响发电效益的主要矛盾，为提高发电效益和水库调度指明了方向，为南湾水库工程管理开拓一条向管理要效益的新路。     

混沌优化算法在水库优化调度中的应用

基于水库优化调度常用优化方法存在的不足，根据水库优化调度的数学模型，将混沌优化算法运用到水库优化调度中。根据混沌的迭代不重复性和遍历性，按照其“自身规律”不重复地遍历所有状态，利用混沌变量进行优化搜索，可以避免陷入局部最优点，取得全局最优，得到满意结果。将混沌优化算法运用到水库调度中，并与其他优化方法比较，结果表明混沌优化算法原理简单，计算方便，结果精度高。     

小波神经网络故障诊断系统的设计与应用

采用能量分布特征提取方法和优化BP算法，提出了一种基于小波变换和BP神经网络的故障诊断系统。利用该系统对汽车变速箱三挡齿轮磨损程度进行估计，诊断结果与实际完全吻合，表明该小波神经网络故障诊断系统的有效性。由于小波分析特别适用于非平稳信号的处理，因此该小波神经网络诊断系统对复杂机械设备的故障诊断有着广阔的应用前景。     

基于BP神经网络的黄河下游引黄灌区引水量分析

介绍了神经网络的基本原理及其 BP算法 ,建立了引水量预估的人工神经网络模型。实例分析表明该方法可行、预估结果可靠 ,为引黄灌区的引水分析预估提供了具有实用价值的基本理论和实施技术。     

基于遗传算法的卷烟质量评定神经网络模型

卷烟质量的优劣迄今仍是造卷烟评吸专家的感官进行了评定。由于受到多种主、客观因素的影响,评定结果的准确性往往难以保证。为此,作者提出了一种基于遗传算法的神经网络评定模型及获取网络权重参数的具体遗传操作方法。实例证明,该模型能够根据烟草中的６种化学成分（总糖、还原糖、总氮、烟碱、氧化钾及氯离子）的测量值为确定卷烟的质量。为今后对卷烟质量进行人工智能评定打下了基础。     

基于小波网络的电力负荷非参数估

区域电力负荷具有特殊的变化规律。利用小波分析和人工神经网络相结合，给出基于正交尺度函数的小波网络的基础上，建立非参数回归估计的小波网络预测模型，并对电力负荷变化进行了电力消耗预测。还与最小二乘回归的预测结果还进行了误差分析。结果表明，预测结果与当地过去电力负荷消耗增长规律相符，且小波网络回归预测结果较好。预测的结果数据可以作为当地决策部门的资料参考。     

基于改进BP神经网络的黑龙江农机总动力预测

BP神经网络在人工神经网络中起着至关重要的作用,通过分析标准BP神经网络的基本算法,指出标准BP算法的一些不足,并针对这些不足提出了以一种以相对误差作为误差传递信号的新的改进方法。经试验证明:该方法大大提高了BP神经网络预测结果的精度,同时这种新的改进思想也可以结合其他改进方法一起应用,以更大程度上地提高BP神经网络的运算速度和预测精度。     

BP神经网络PID控制器在温室温度控制中的研究

为了更好地实现对温室温度的控制,本文设计出了一种BP神经网络PID控制器,提出了BP神经网络PID控制算法,并对该算法进行了分析,最后以温室温度为控制对象分别对常规PID控制器和BP神经网络PID控制器进行了大量仿真研究。结果表明,基于BP神经网络整定的PID控制器具有较强的自适应能力和鲁棒性,其控制品质优于常规PID控制器。     

基于Boltzmann机人工神经网络的机构优化设计

研究了一种新型优化算法。利用 Boltzm ann机人工神经网络的理论和方法 ,结合模拟退火算法 ,构造合适的求解优化设计问题的人工神经网络 ,将优化问题的寻优过程和 Boltzm ann机的演化过程进行对应 ,将优化问题的目标函数和 Boltzmann机的能量函数相对应。以铰链四杆机构实现给定运动规律为仿真实例 ,进行了验证。     

Artificial neural network for modeling reference evapotranspiration complex process in Sudano-Sahelian zone

The major problem when dealing with modeling evapotranspiration process is its nonlinear dynamic high complexity. Researchers developed reference evapotranspiration (ET-ref) estimation models in rich and poor data situations. Thus, the well-known Penman-Monteith (PM) model always performs the highest accuracy results of ET-ref from a rich data situation. Its application in many areas particularly in developing countries such as Burkina Faso has been limited by the unavailability of the enormous climatic data required. In such circumstances, simple empirical Hargreaves (HARG) equation is often used despite of its non-universal suitability. The present study assesses the artificial neural network (ANN) performance in ET-ref modeling based on temperature data in Bobo-Dioulasso region, located in the Sudano-Sahelian zone of Burkina Faso. The models of feed forward backpropagation neural network (BPNN) algorithm type ANN and Hargreaves (HARG) were employed to study their performance by comparing with the true PM. From the statistical results, BPNN temperature-based models perform better than HARG. Beside, when wind speed is introduced into the neural network models, the coefficient of determination (r²) increases significantly up to 9.52%. While, sunshine duration and relative humidity might cause only 3.51 and 6.69% of difference, respectively. Wind is found to be the most effective variable extremely required for modeling with high accuracy the nonlinear complex process of ET-ref in the Sudano-Sahelian zone of Burkina Faso.     

BP神经网络在农业工程中的研究与应用

该文概述了BP神经网络在农机总动力预测、农业专家系统信息决策、虫情测报、农作物水分和养分胁迫、土壤墒情、变量施肥、分类鉴别和图像处理等领域的应用情况,总结了人工神经网络模型的优点,指出其在精准农业和智能农业中的重要理论技术支撑作用。      

基于神经网络的拖拉机可靠性模型的参数估计

针对拖拉机可靠性模型，应用数学方法和人工神经网络系统理论，提出了基于自适应线性神经网络的可靠性模型参数估计方法，并用该方法给出了拖拉机首次故障时间可靠性模型参数估计，得到了拖拉机首次故障时间的可靠度函数。