基于神经网络的马尾松人工林密度指数模型

  目的  通过对马尾松Pinus massoniana人工林密度指数模型的研究，为制定木材产量及质量的提升决策提供参考。  方法  以河南省薄山林场马尾松人工林为研究对象，采用147块标准地数据，以林分平均胸径为输入向量，以林分密度为输出向量，建立了林分密度指数人工神经网络（ANN）模型，并与Reineke的林分密度指数模型进行比较。  结果  ① 薄山林场马尾松人工林最大密度线斜率b为-1.516 3，马尾松标准平均胸径为14 cm，Reineke的林分密度指数模型精度为92.11%，t检验结果显著；②构建了网络结构为1:2:1的林分密度指数ANN模型，模型拟合精度为92.57%，均方误差为0.001 469 7。③无论采用Reineke林分密度指数还是人工神经网络技术，在拟合株数密度随林分平均胸径的变化趋势时，幼龄林组拟合效果都不理想，这与幼龄林组数据数量偏少有关。  结论  所建模型可为薄山林场马尾松抚育经营决策提供依据。     

人工神经网络预测含蜡原油的屈服应力

针对含蜡原油输送管道的停输再启动问题,以室内模拟环道试验数据为基础,利用误差反向传播算法(BP算法)对相同运行工况含蜡原油在不同停输温度条件下的启动屈服应力进行计算,并由此预测了含蜡原油在不同启动温度条件下的启动屈服应力值.计算结果与试验结果对比表明,BP神经网络对启动屈服值的预测值和试验值最大误差为1.9%,最小误差为0.12%.     

用自组织人工神经网络预判昆虫适生区

本文运用Ｔ．Ｋｏｈｏｎｅｎ自组织人工神经网络预判昆虫适生区，并以桔小实蝇作为研究对象，验证了该网络的可靠性。结果表明，神经网络方法性能良好，可望成为植检对象适生区预判的有效手段。     

模式识别和主成分分析在多环芳烃室温磷光分析中的应用

本研究应用主成分分析和人工神经网络两种模式识别方法对多环芳烃混合物固体基质室温磷光重叠光谱进行分析,考察了主成分分析和人工神经网络对多环芳烃混合物SS-RTP的处理效果,结果显示应用人工神经网络对于苯并喹琳、苊、菲啶、咔唑和芴等多环芳烃任意组合混合物能够很好地区分开来,这表明RBF神经网络在复杂多环芳烃混合物定性分析中具有很好的应用性和可行性.     

人工神经网络在水资源规划领域中的应用

本文从水资源现状及发展前景出发,介绍了如今被越来越重视的智能规划方法——人工神经网络,以及其在水文领域被广泛应用的BP算法.防治洪水灾害是水资源规划的一项重要内容,结合BP神经网络进行水文预报使得预报更为简便易于操作,预报精度较传统水文模型也有一定提高.因此加强人工神经网络的深入研究,并耦合其他方法,使其更为灵活广泛地应用于水文预报领域十分重要.     

挑流泄洪雾化的人工神经网络模型

以BP神经网络为基础，研究建立了挑流泄洪雾化神经网络模型，并用网络模型模拟了漫湾水电站的泄洪雾化。通过比较表明，人工神经网络在挑流泄洪雾化研究中是可行的，并具有明显的优势。     

COD-污泥负荷对SBR工艺脱氮效果影响研究--基于MATLAB的人工神经网络动态仿真法

利用MATLAB的人工神经网络工具箱，对SBR工艺中进水COD－污泥负荷对系统脱氮效果的影响建立了预测模型。通过对模型预测结果与实测值的比较表明：模型预测精度较高。这为工艺运行中及时、合理地调整COD－污泥负荷来提高系统脱氮效果提供了一条新途径。     

人工神经网络在模具制造技术中的应用

目前模具的设计制造一般仍依靠经验为主，通过人工神经网络对模具制造技术中的问题进行讨论，能改进模具制造技术中的相应问题。本文综述了人工神经网络在磨具制造技术中的应用，并提出了需改进的问题。     

基于人工神经网络的消失模铸造充型过程数值模拟

本文建立了一种铸件消失模铸造充型过程数值模拟的人工神经网络模型。并利用此模型进行铸件的消失模铸造充型过程计算机数值模拟 ,其模拟充型过程结果与相应的实测值基本一致。     

基于气温预报和神经网络的参考作物腾发量预报

采用反向传播人工神经网络(BP-ANN)逼近气象因子-参考作物腾发量ET0函数关系,以天气预报中的最高和最低气温为输入进行短期ET0预报。收集了南京站实测的2010年7月1日至2013年7月7日逐日气象数据和2012年7月1日至2013年6月30日逐日对未来7d的气象预报数据,以最高、最低气温及相应的日序数为3个输入因子,ET0为输出建立一个包含一个隐含层的3层BP网络,以2010年7月1日至2012年6月30日实测气象数据及通过FAO-56PM公式计算的ET0进行网络,以2012年7月1日至2013年6月30日实测气象数据及通过FAO-56PM公式计算的ET0进行网络验证。将2012年7月1日至2013年6月30日逐日对未来7d的气象预报中的最高、最低气温输入训练及验证后的网络,得到2012年7月1日至2013年6月30日逐日对未来7d的ET0预报值,并与FAO-56PM公式计算的ET0值进行比较以验证预报精度。结果表明,预见期1~7d内,预报的ET0和计算的ET0变化趋势基本一致,预报精度随着预见期的增加而降低;平均准确率(±1.5mm/d以内)达88.08%,相关系数为0.77,均方根误差为1.28mm/d,显示出了较高的预报精度。在局部时间段内出现的ET0,PM和预报ET0的较大差别的原因是该时段内的ET0更多地受到除了日最高和最低气温之外的其他因素的影响。提出的方法 ET0预报,随着气象预报准确度的提高,可实现较为精确的ET0预报。