BP人工神经网络在聚合物溶液体系活度预测中的应用

应用不同BP人工神经网络对不同聚合物溶液体系的活度进行了训练，共12个系统，613个数点，总的平均相对误差为0．0263，在采用相同BP人工神经网络对聚合物PS与不同溶剂溶液体系的活度进行试练时，总的平均相对误差为0．0212，而利用相同BP人工神经网络对同一聚合物不同溶剂溶液体系的活度进行预测时，总的平均相对误差为0．0484。     

基于改进MNN的森林健康评价方法研究

为了更好地支持森林的可持续经营,探讨了森林健康评价方法.与传统的单一人工神经网络相比,集成神经网络（Modular Neural Networks,MNN）在解决复杂分类问题时更加有效,因此利用MNN作为森林健康评价的具体方法.此外,常被用来训练神经网络的反向传播（Back Propagation,BP）算法存在收敛速度慢且易陷入局部极小值等不足.为了解决这一问题,将具有极强全局寻优能力的人工蜂群（Artificial Bee Colony,ABC）算法与BP算法相结合,形成一种混合ABC-BP算法的改进MNN模型,并将其用作构成MNN的单一神经网络的学习算法.通过试验对比分析,验证了改进MNN模型的有效性.     

人工神经网络在电力系统无功电压优化中的应用

电力系统无功电压的优化是提高电能质量.保证电压稳定的有效而重要的手段,国内外对无功优化的研究历时已久,但系统中实时的无功优化控制仍是一大难题.人工神经网络集若十新兴学科于一体,具有强大的信息分布式存储和并行处理功能,适于解决大型复杂的非线性多变量系统的相关问题.利崩人工神经网络中的BP网络.对目前愈趋复杂的电力系统的无功电压优化问题提出解决方案,避免了求解多变量非线性混合约束方程组的难题.使得问题的解决方案更简易可行.通过对IEEE-30节点系统和辽宁省某局的实际数据分析测试表明,BP神经网络应用于无功电压优化是可行的.同时,探讨了BP神经网络中的结构参数和算法参数的改进对网络泛化性能的影响,从而提出了一些提高神经网络泛化性能,减小泛化误差的有效措施,使神经网络的输出精度得到进一步提高.     

基于支持向量机的面向对象软件可维护性预测

以面向对象软件的度量准则作为预测因子,以维护期间所修改的代码函数作为可维护性,运用支持向量机回归原理,构造了面向对象软件可维护性预测模型.为了评价模型的性能,同时构造人工神经网络模型.在R软件环境下仿真,通过误差的可视分析和RMSE分析知,SVM模型预测面向对象软件可维护性具有较好的性能,效果明显优于ANN模型.     

基于BP神经网络的河川年径流量预测

运用人工神经网络模型对松花江流域年径流量径流序列做出预报,表明了人工神经网络模型在水文预报中具有一定的优势。通过对基本BP网络算法和L-M算法的比较工作,得到了适合该神经网络模型的训练算法,既L-M算法,提高了预报的精度。以松花江流域哈尔滨站年径流量实测序列为研究对象,在数值试验的基础上找到了适合于松花江流域哈尔滨站年径流序列预报的人工神经网络预报模型结构,提高了该模型的预报准确性。     

人工神经网络在农业自然资源研究中的应用

人工神经网络是一种模拟人脑思维过程的计算模型,具大规模并行处理、信息分布式存储、较强自适应性、自组织性和容错性等优良特性,在非线性关系模拟中更具优势。在对人工神经网络和农业自然资源进行简单介绍的基础上,综述了人工神经网络在农业自然资源研究领域中,在预测预报、评价(评估)、分类和识别以及优化计算方面的应用,并对人工神经网络的应用前景作了概括性的展望。     

林分保留密度的人工神经网络模型研究

为探索人工神经网络在林分保留密度研究中的应用效果,以马尾松人工林为对象,481块标准地资料为基础数据,用MATLAB的正切“S”形函数tansig为神经元的作用函数,以年龄和密度的标准化、归一化数据为训练样本,构建和训练林分保留密度的人工神经网络模型,并与幂函数进行对比研究.结果表明,密度与年龄的关系用幂函数(y=axb)描述,拟合精度为91.29%;用人工神经网络描述,拟合精度为94.27%.可见,人工神经网络能比常规方法更好地模拟林分密度随年龄的变化规律,特别能有效地模拟经营活动下的复杂过程.     

Pattern recognition and size determination of internal wood defects based on wavelet neural networks

This paper presented the results of a preliminary study on detecting internal wood defects using an ultrasound technique coupled with wavelet transform and artificial neural networks analysis. At room temperature in the laboratory, the type and size of the wood defects in 275 Elm specimens were detected using a RSM-SY5 ultrasonic instrument. The original signals of the Elm specimens were decomposed using wavelet packets, the energy variation of each node in the fifth layer was calculated, and back-propagation artificial neural networks (BP ANN) were trained and employed for wood defect recognition. The energy variation caused by wood defects mostly depends on the degree of the defect's deterioration (i.e., the more serious the wood defect's deterioration, the larger the energy variation). By comparing the energy variation of all 32 node signals in the fifth layer wavelet packet, the variation of the node (5,0) was the largest and contained the most defect information. The node (5,0) was used as the input in back-propagation artificial neural networks in order to detect the type of defects. The accuracy rate for Elm specimens was at least 90%. The same method was used to test the size and position of the hole-defects in Elm specimens with an accuracy rate of at least 80%.     

专家系统与神经网络相结合的汽油机故障诊断系统

通过人工神经网络与专家系统的结合,用TurboProlog和TurboC语言在微机上开发了汽油发动机故障诊断系统。其特点是利用人工神经网络浅层模块进行浅层推理,再进入深层专家系统进一步确诊,并以神经网络来完成自学习功能。     

基于BP神经网络的淮海经济区城市竞争力评价

运用人工神经网络(ANN)的理论和方法,构建了ANN模型分析中应用最为广泛的BP网络,并对2005年淮海经济区的20个城市竞争力水平进行了评价,求出各城市的竞争力评价值;根据评价结果,采用聚类分析法,将淮海经济区城市竞争力水平分为城市竞争力强、较强、中等、较弱、弱5个级别,并相应给出评析。结果表明:山东和江苏的城市的竞争力占有明显的优势,其中徐州的评价值最高;区内城市竞争力评价值高于平均值和低于平均值的城市个数相近,说明区内城市竞争力水平差异并不悬殊。