人工神经网络NIR定量分析方法及其软件实现

在Visual C＋＋环境中采用面向对象技术，开发了PCA-MBP-NIR定量分析模型软件。通过40份小麦样品的原始光谱、加噪光谱（信噪比为14dB）与含水率所建立的PLS-NIR与PCA-MBP-NIR模型，对10份未知小麦样品的原始光谱、加噪光谱分别进行含水率的PLS-NIR与PCA-MBP-NIR预测分析。分析表明，对于含噪声的光谱，与PLS建模相比，使用PCA-MBP-NIR对未知样品预测结果具有更高的相关系数，更低的预测误差标准差。     

神经网络模糊PID算法在温室温度控制中的仿真研究

为了更好地实现对温室温度的控制,提出了温室温度控制的一种新的控制方法;通过仿真比较证明了此方法的有效性,并对其动静态特性、鲁棒性和抗干扰能力进行了探讨。结果表明,采用神经网络模糊PID算法的温室温度控制方法具有较好的动静态特性、鲁棒性和抗干扰能力。     

基于迁移学习的无人机影像耕地信息提取方法

随着精准农业技术的发展,对农作物用地信息快速、准确提取的需求越来越高。同时,无人机技术以其方便、高效、具有低空云下飞行能力等优势被广泛应用于自然资源的调查中。但无人机影像普遍光谱信息较为匮乏,因此很难准确、快速地提取出耕地信息。基于此,提出了一种利用迁移学习机制的耕地提取方法(TLCLE)。首先,利用深度卷积神经网络(DCNN)剔除线状地物(道路、田埂等),然后,通过引入迁移学习机制将DCNN特征训练过程中得到的特征提取方法迁移到耕地提取中,最后,将所提方法与利用易康(e Cognition)软件进行耕地提取(ECLE)结果进行对比。研究结果表明:对于实验影像1、2,TLCLE方法耕地提取总体精度分别为91.9%、88.1%,ECLE方法总体精度分别为90.3%、88.3%,2种方法提取精度相当,在保证耕地地块完整、连续性上TLCLE方法优于ECLE方法。     

基于BP神经网络的牡丹花热风干燥含水率预测模型

针对热风干燥制作牡丹压花时含水率不便实时测定的问题,探讨了干燥过程中热风温度、风速、压花板孔密度和牡丹花初始质量对干燥速率的影响.利用BP神经网络建立了干燥时间、热风温度、风速、牡丹花初始质量、压花板孔密度与牡丹花干燥过程中含水率之间的关系模型,采用Matlab神经网络工具箱对模型参数进行训练和模拟.结果表明,利用神经网络建立的模型仿真结果与实测值接近,预测性较好.     

基于BP神经网络数据挖掘方法的政府投资项目投资估算方法

政府项目投资失控问题业已引起社会广泛关注,而造价估算不准是其中主要原因之一。许多不确定因素影响着项目造价,并且这些影响因素与造价之间呈高度非线性关系,传统统计方法难以对新建项目造价进行准确估算。本文利用BP神经网络在已完工程资料中“提取”“规则”,实现了对项目造价的准确估算。本文对BP网络基本理论作了简介,并用举例说明BP网络预测工程造价的准确性。从例子可以看到,预测值与实际值的相对误差很小,足以满足造价估算的要求。     

基于径向基神经网络的叶轮轴面投影图优化

为了提高余热排出泵的效率,采用拉丁超立方试验设计方法对叶轮轴面投影图上的前盖板圆弧半径、后盖板圆弧半径、前盖板倾角和后盖板倾角4个几何变量进行35组叶轮方案设计,应用ANSYS CFX 14.5软件对余热排出泵进行定常数值模拟,得到设计工况下的效率,应用径向基神经网络建立效率与轴面投影图的4个几何变量之间的近似模型,最后采用遗传算法对近似模型进行极值寻优,获得最优的轴面投影图几何参数组合。研究结果表明:对比原始泵的数值模拟性能曲线和试验外特性能曲线,两者吻合较好;径向基神经网络能较好地预测泵设计点效率;优化的轴面投影图使得余热排出泵的水力效率提高了6.18个百分点,改善了叶轮内流场特性。因此,叶轮轴面投影图的优化设计方法是可行的。     

工程车辆并行自适应神经网络自动换挡控制

为了解决工程车辆在重载作业时传动系统效率大幅下降的问题,以工程车辆"两参数"换挡规律为依据,提出一种并行自适应神经网络自动换挡控制的方法。结构上由神经网络控制、自适应神经网络模型、网络评价和运行监控模型组成。仿真结果表明,该控制方法提高了工程车辆液力机械传动系统效率,有效地克服了神经网络控制实时性差,难以在工程实际中应用的问题,实现了换挡控制的智能化。     

基于脉冲耦合神经网络的蝗虫图像分割

由于脉冲耦合神经网络(PCNN)特有的脉冲传播特性,PCNN在图像处理与模式识别领域得到了广泛应用.为此,提出了如何用脉冲耦合神经网络(PCNN)进行蝗虫图像分割.计算机仿真表明,采用PCNN图像预处理算法,可使图像中的目标(蝗虫)易于被发现;经PCNN预处理后,相同的后续处理效果明显好于未经PCNN预处理的图像.此方法验证了PCNN在图像处理方面的功能,同时也拓展了蝗虫侦测的方法.     

引入因素分析法的神经网络在洪水

因素分析法是一种多元统计法，可以通过线性变换，将原有数据转换成彼此不相关且维数较少的数据，本文将因素分析法引入洪水预报神经网络的输入单元精简过程，详细介绍了建模和神经网络训练过程中包括STA训练控制在内的一些关键技术问题，并通过实例评价了此应用方法的效果，通过分析，表明此方法可以在不损失或较小损失的前提下方便有效的对洪水预报神经网络结构进行精简，大大缩减了神经网络的规模，提高了效率，具有很高的实用价值。     

模糊神经网络分层递阶控制在智能交通系统中的应用

结合济南市经十路交通干线车流拥挤问题，提出了利用模糊神经网络分层递阶控制城市交通干线车流量的方法，分析结果表明采用该方法可以减少车辆的停车次数和延误时间。