基于BP神经网络的人机联合率定SWMM研究

为解决雨洪管理模型(SWMM)在率定过程中参数复杂、过程繁琐等问题。以西宁市某地块为例建立SWMM模型,利用Morris筛选法进行参数灵敏度分析,并根据灵敏度分析的结果进行人工率定;另外利用BP神经网络对模型进行率定,并结合参数灵敏度对其进行优化。对3种率定方案进行分析,结果表明:水文水力模块参数的相对灵敏度基本一致,其中灵敏度较大的参数为子汇水区面积(Area)、不透水率(Imperv)和不透水区洼地蓄积量(Destore-Imperv),并且不同降雨条件下模型参数的灵敏度存在差异。经过优化后的BP神经网络参数率定方法的模型模拟效果最好,纳什系数最大。结合灵敏度优化BP神经网络的人机联合率定方法一方面能提高BP神经网络率定的准确性,另一方面又能提高传统人工率定的效率。     

农业机械设备液压元件故障诊断系统设计与应用

为进一步提升农业机械设备液压元件的故障识别与诊断水平,通过理解多功能收获机的液压元件故障机理,将故障机理的理论模型与BP核心算法相融合,从硬件平台和软件运行控制两大方面进行故障诊断系统设计。测试试验表明:设置正确的故障编码并给出较为涵盖齐全的故障系统知识库,通过液压元件的故障现象,可得知该元件的故障名称及故障处理方案,在完善多功能收获机液压元件故障诊断手段的同时,可为农机设备维修人员迅速准确找出故障位置提供便利。该设计可作为故障专家开发系统的有效组成部分,具有一定的推广价值。     

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。     

人工神经网络在电力系统短期负荷预测中的应用

根据电力系统短期负荷变化的特性，提出BP模型在实际负荷预测应用中的方法和步骤．对BP网络结构、样本空间、收敛性等作了有针对性的研究．结果表明：多层神经网络应用于电力系统短期负荷预测是可行和有效的．其预报结果比传统的负荷预测方法更准确、经济、效果更好．     

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%.     

BP—6型便携式原木剥皮机

随着木材综合利用的大力发展，木材加工企业要求对原木进行剥皮作用的机械化。为此，我们研制了比较理想的BP—6型便携式木材剥皮机。 1 主要技术参数……     

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。     

基于Matlab的时序数据两种建模和预测方法比较

利用Matlab工具箱,对时序数据进行了两种不同形式的建模和预测。一是利用系统辨识方法来建立AR模型,利用所建模型进行预测；二是利用单隐层BP神经网络,对数据进行非线性拟合和预测。通过可视化,比较了两种方法的优劣。     

晚稻稻瘟病BP神经网络分区预报

应用相关分析方法分析了浙江省19个县1988～1999年晚稻稻瘟病发病与有关环境因子的关系,筛选了8个气象因子用于晚稻稻瘟病发生程度长期预报。根据各预报因子与稻瘟病发病程度相关性,采用邻接二维图论聚类分析法,将19个点(县)划分为4个生态区。每个生态区内运用BP神经网络技术建立模型,并进行拟合和试报。1997～1999年试报验证,在划分稻瘟病生态区的基础上,应用BP神经网络模型对稻瘟病进行长期预测预报是可行的,3年试报成功率分别是78.95％、84.21％和78.95％。文中还对该方法与过去常用的预报方法的试报结果作了比较。     

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.