地震时城市供水管网连通可靠性分析

在分析地震条件下管线功能函数及极限状态方程基础上,对城市供水管单元体进行震害预测。以供水管网系统作为边权的有向网络图,通过基于神经网络的Monte Carlo方法,模拟各管线运行状态及其破坏状态。结合图论理论,分析供水管网的管线连通可靠性。     

基于神经网络和遗传神经网络的农村信用社企业贷款5级分类

分别运用神经网络和遗传神经网络对农村信用社企业贷款进行了5级分类。结果表明,运用遗传神经网络的分类效果明显好于单纯用神经网络的分类效果;模型的准确率高,有利于农村信用社更好地进行贷款分类,从而更好地进行金融风险的控制。     

基于近红外透射光谱及神经网络的大豆油质量分析

提出了一种基于近红外透射光谱及最速下降BP算法识别大豆油质量的方法。光谱采集范围是10 000~4 000 cm-1,将得到的近红外光谱数据作为网络的输入神经元,利用主成分分析方法得出8个变量指标数,该变量指标对样品累计贡献率达到99.9%以上;将8个主成分的特征值作为BP网络的输入向量,建立BP神经网络模型。该模型对预测样品集能正确判别,判别正确率达到100%。     

前驱差速轮式农业机器人的BP定位估计方法

针对一款自主研发的轮式农业移动机器人,提出了一种基于BP神经网络的轮式农业移动机器人定位估计方法.该机器人为前驱模式,依靠差速完成转向.定位方法是在前期的神经网络训练过程中,以左轮、右轮的驱动脉冲数为输入,以左右轮行进长度为输出,训练函数采用Bayesian规则;在后期的定位推算中,则假设机器人左右轮行进轨迹为两段同心圆弧,进而计算机器人几何中心位移.在与最小二乘定位估计方法的实验对比中,基于BP神经网络的定位估计方法具有更高的定位精度和更小的估计方差.     

基于两种神经网络模型的胶合板期货价格短期预测

选取2013年12月06日～2014年09月17日的胶合板主力期货合约作为训练样本,2014年09月18日～2014年11月05日的胶合板主力期货合约作为测试数据,采用L-M优化算法和贝叶斯优化算法的BP神经网络模型对期货价格进行了预测分析.结果表明,采用两种优化算法的神经网络模型均具有较高的拟合度,对价格走势有良好的预测效果,可为期货市场投资者投资决策提供一定的参考.     

利用计算机视觉技术评判玫瑰切花品质等级的研究

目前国内外普遍采用的鲜切花品质检测方法是感官评审法,此方法易受个人主观因素和外界因素的影响.该研究利用计算机视觉技术来代替人的感官对玫瑰切花品质等级进行分类研究,试验中对玫瑰切花图像进行图像分割、图像去噪等图像处理后选取其7个形状特征参数作为玫瑰切花的品质评价指标,并借助BP神经网络建立玫瑰切花品质分级模型,分级正确率达到94％以上.试验表明,基于计算机视觉的玫瑰切花品质分级是可行的,并且具有较高的分级正确率.     

基于BP神经网络的西北太平洋柔鱼资源丰度预测

柔鱼是具有巨大开发潜力的重要经济头足类种类,广泛分布在太平洋海域。柔鱼是短生命周期种类,其生活史过程与栖息地的海洋环境条件有重要关联,海洋环境因子的时空分布与变化显著影响着柔鱼资源的分布范围和资源密度。本文基于监督式学习算法的BP神经网络模型,综合多源卫星遥感观测获取得到的海表温度（Sea surface temperature;SST）、叶绿素a浓度（Chlorophyll-a concentration;Chl-a）、海表面高度距平（Sea surface height anomaly;SSHA）、海水质量变化和地转流等海洋环境因子,对西北太平洋柔鱼资源丰度的时空分布进行了模拟和预测。以上海海洋大学中国远洋渔业数据中心2004~2017年的西北太平洋海域的柔鱼历史渔业捕捞数据为参考值,对基于多源卫星遥感观测的多海洋环境因子的柔鱼资源丰度的模拟和预测结果进行了精度评定。结果表明,与仅采用SST、Chl-a和SSHA等进行柔鱼资源丰度时空分布预测的传统方案相比,进一步加入海水质量变化和地转流后,可有效提高利用BP神经网络对西北太平洋柔鱼资源丰度进行模拟和预测的精度：改进方法模拟的标准差（Standard deviation; STD）和均方根误差（Root mean square error; RMSE）均提高了22%;且预测的STD提高了31%,RMSE减少了26%。     

基于深度神经网络的芯片上活体虫黄藻检测

为了对活体虫黄藻进行快速、无标签和低成本的检测,笔者结合微流控技术、显微图像处理和深度学习神经网络,提出了基于深度神经网络的活体虫黄藻检测方法,对混合了微球、正常与漂白虫黄藻细胞溶液进行检测,结果表明:使用明场显微图像进行训练的神经网络模型泛化至微流控芯片上细胞检测当中,且能以93.9%的平均识别精确度识别不同生理状态下的虫黄藻细胞与其他目标,说明该方法可从大量复杂、异质的细胞群体中快速准确地识别出目标细胞。     

基于连续投影算法-遗传算法-BP神经网络的可见/近红外光谱木材识别

  目的  基于可见/近红外光谱技术,以10种木材为研究对象,探索不同预处理和特征提取方法下BP神经网络识别木材的效果。  方法  利用美国ASD公司生产的LabSpec 5000光谱仪采集10种木材的光谱图,分别进行移动平均法处理、移动平均法+多元散射校正(MSC)、移动平均法＋标准正态变量变换(SNV)、Savitzky-Golay卷积平滑算法(S-G滤波器)、S-G滤波器+MSC和S-G滤波器+SNV的预处理,运用主成分分析法(PCA)、连续投影算法(SPA)、SPA和遗传算法(GA)联合分别进行特征提取,将提取的特征结合BP神经网络进行木材识别试验。  结果  以SPA和GA联合提取光谱特征时,移动平均法+SNV的预处理效果最佳,以吸收峰为起始波段(W_initial=1 445 nm)、吸收峰个数为特征个数(N_tot=9)时,识别率较高,特征个数大部分减少为SPA提取特征值个数的一半左右。BP神经网络的平均识别速度提升明显。10种木材的平均识别率为98.0%,其中7种木材的识别率达到了100.0%。  结论  在移动平均法+SNV的预处理下,SPA和GA联合提取光谱图的特征,既可提高BP神经网络识别木材的正确率,又可提升识别速度。图3表6参23     

北京市核心区洋白蜡行道树健康评价及影响因素

  目的  针对城市树木健康评价的快速化、准确化及生产化,调查并分析北京市首都功能核心区主要绿化树种洋白蜡Fraxinus pennsylvanica的生长、健康及管护现状,为构建精炼、全面的洋白蜡行道树健康评价体系及管护技术措施提供科学依据。  方法  以北京市核心区11条主要街道的洋白蜡行道树为研究对象,采用主成分分析、K-means聚类构建健康评价模型,采用判别分析进行结果验证,将评价结果与评价指标结合建立洋白蜡BP神经网络健康预测模型;同时从生长状况、管护措施以及环境因子3个方面,分析胸径、树高、修枝留茬数量、防踩铺装等因素对洋白蜡行道树健康状况的影响。  结果  研究区域中,健康、亚健康、不健康及濒死单株分别占总数的39.20%、41.26%、16.78%和2.76%;建立的BP神经网络健康预测模型中,训练集、验证集、测试集与总集的期望值与预测值之间的相关系数分别为0.999 7、0.972 0、0.997 6及0.995 3,均大于0.950 0,表明此模型能准确地反映洋白蜡行道树12个评价指标与健康评价类别的关系,可用于对同一地区其他白蜡行道树健康状况预测;方差分析和多重比较表明:胸径、修枝留茬、防踩铺装、株距、树池面积、车道数及车道走向均对洋白蜡行道树的健康状况存在显著影响(P＜0.05),树高影响较小。当洋白蜡胸径为60~70 cm、树体无修枝留茬、树池铺装透水性好、株距为5~10 m、树池面积为1~2 m2、道路宽度适宜且为南北走向时,洋白蜡健康状况最好。  结论  研究区域内,洋白蜡行道树整体呈亚健康状态,具有良好的保育保养潜力,部分受害严重,亟需处理。在洋白蜡行道树栽植及后期管护中,确保其修剪规范、铺装材料透水强、株距5~10 m、树池面积1~2 m2以及适宜的道路情况,是保证洋白蜡行道树健康状况良好的重要措施。图3表13参26