基于Hopfield算法的特色旅游路线设计——以大岭山森林公园为例

针对特色旅游路线的选择问题,提出了使用Hopfield神经网络的算法和优化模型,并结合东莞市大岭山森林公园地图,着重考虑公园景点评分、出入口设置、最短路径等因素,构建了Hopfield神经网络模型。依据该神经网络模型算法,设计了休闲保健、户外体验、花季特色旅游路线,并通过与现实旅游路线相比较,证明了基于Hopfield神经网络算法设计的旅游路线是合理可行的。     

IP网络性能优化关键技术研究

互联网应用的多样化导致其承载IP网络的结构日益复杂、管理日趋困难。尤其是针对网络流量的监控和优化网络的性能也面临越来越大的挑战。文章以IP网络的性能问题、网络性能的测定、网络优化性能的系统设计为研究点,给出了一个简单的网络性能分析优化模型。     

重油混烧控制系统的智能故障诊断

提出用离散Hopiield神经网络预测模型算法对传感器的故障进行检测;采用Hopfield神经网络与模糊评判结合方法,对阀门进行了故障诊断;提出一种改进离散Hopfield神经网络算法,该改进算法中,为使得样本构造记忆矩阵中包含抑制信息,将故障输入矢量和输出诊断矢量对由二值状态矢量对转换为两极对形式,构成离散Hopfield神经网络的输入-输出两极对.实时检测重油混烧控制系统的故障和异常,构造输入故障矢量,通过判断是否与神经网络原训练样本完全匹配或由计算贴近度确定一个最靠近的样本与之对应,给出混烧控制系统的故障诊断和故障信息提示.     

基于混合整数规划模型的农产品物流网络优化

结合湖南新农村建设实践,对农产品物流网络规划的主要任务进行了阐述,对农产品现代物流网络优化方法进行了分析。在此基础上,运用混合整数规划模型,建立了农产品物流网络优化模型,并通过应用实例,运用两层分解寻优算法求解该模型,给出了特定农产品物流网络优化方案。     

大岭山森林公园特色旅游路线设计及系统开发

运用WebGIS和Flex技术,构建大岭山森林公园旅游信息查询系统,实现图形的浏览、可视、景点景区查询、照片浏览、林班专题图表达、空间分析、旅游路线分析等功能。同时,将Hopfield神经网络算法与GIS空间分析相结合,构建Hopfield神经网络模型,依据该模型设计3条特色游览路线:休闲保健游览路线、户外体验游览路线及花季特色游览路线,向游客提供直观的旅游信息服务,从而进一步促进大岭山森林公园的管理和旅游推广。     

基于神经网络的圆弧齿轮模糊可靠性优化设计

以圆弧齿轮传动的小齿轮齿数、法面模数、螺旋角及齿宽的均值为设计变量,考虑影响齿轮传动的各种因素的随机性和模糊性,以两圆弧齿轮的体积和最小为目标函数,应用模糊和可靠性设计理论,建立双圆弧齿轮传动的模糊可靠性优化设计的数学模型,应用Hopfield神经网络算法对其进行计算.     

城市客运网络的建设与优化管理

介绍了城市客运网络的发展现状以及现代化城市客运网络的建设规划,并提出客运网络优化管理的举措.     

基于进化神经网络的火灾后混凝土强度评估

高温后混凝土强度的评估是判断受火建筑的结构损伤程度、剩余承载力的重要依据.设计了一个进化神经网络模型,用遗传算法优化RBF网络的连接权和网络结构,并将其应用于火灾后混凝土强度的评估.介绍了混凝土立方试块经受不同火温后进行回弹测试混凝土强度的方法.经实验测试和仿真分析证明,所提出的进化算法用于RBF神经网络优化比基于聚类法的RBF网络具有更高的识别精度.     

人工智能在计算机网络技术中的应用分析

人工智能理念是提升国家核心竞争力的重要理念,通过将其应用于计算机网络技术,对经济发展、社会进步乃至国际政治经济格局均产生着深远影响。主要介绍了人工智能的内涵,从粒子群算法在计算机网络QoS路由优化中的应用以及专家系统在计算机网络智能诊断中的应用着手,分析了人工智能在计算机网络技术中的应用内容、效果,希望为人工智能的推广及应用提供参考。     

城市新区绿色基础设施网络优化——基于景观格局和形态空间格局分析

绿色基础设施(GI)作为城市建设的重要组成部分,对于提高景观连通性、优化生态网络、维护区域生态安全起到重要作用。文章以国家级新区——西安市西咸新区沣东新城为研究对象,运用景观格局指数、形态空间格局分析、最小累积阻力模型等方法,对研究区2010—2020年的景观格局变化进行评价分析,并科学识别生态源地,构建源地间的生态廊道,提出沣东新城GI网络格局的优化策略。结果表明,沣东新城的生态环境在10年间不断恶化：景观格局破碎化严重;核心生态源地分布不均匀,重要和一般生态源地分布分散;现有连接廊道连通性差,未形成完整的网络连接,不利于生态系统服务功能的发挥。针对问题,在研究区内增补13个生态源地、44个小场地以及56条连接廊道,优化GI网络,提高其完整性,为高度破碎化的城市新区GI网络修复和优化提供借鉴。     

基于BP神经网络的太白山生态旅游量预测研究

生态旅游需求预测受到许多不可预知因素的干扰,而且不稳定因素也很多,传统方法难以得到有效的预测结果。文章把BP神经网络应用在旅游需求预测中,通过介绍BP神经网络的原理和计算步骤,结合实例确定神经网络的结构,从而建立BP神经网络,最后预测了太白山自然保护区2011—2020年旅游人数,将利用该模型得到预测数据与实际数据做对比,表明该模型预测效果良好,并能保证网络良好的泛化能力。     

基于BP神经网络的天然云冷杉针阔混交林标准树高-胸径模型

[目的]以吉林省汪清林业局金沟岭林场12块天然云冷杉针阔混交林样地为对象,基于12 953对实测树高-胸径数据,结合林分优势高分树种(组)建立基于BP神经网络的标准树高模型。[方法]在确定隐层节点数后经过反复训练得到各树种(组)的适宜模型结构,使用相同的建模数据(8块样地)求解两个传统的树高方程,再利用未参与建模的4块样地分别验证模型。[结果]表明:落叶松、云杉的适宜模型结构(输入层节点数:隐藏层节点数:输出层节点数)为2:5:1;红松、中阔(白桦、大青杨、榆树和杂木)的适宜模型结构为2:4:1;冷杉的适宜模型结构为2:8:1;慢阔(色木、水曲柳、黄檗、紫椴和枫桦)的适宜模型结构为2:7:1。[结论]与传统方法相比,BP模型不依赖现存函数,不需要筛选模型形式,而且BP模型各树种R~2高于传统模型,平均绝对误差、均方根误差均小于传统模型,其拟合精度和预测效果均优于传统方程,可以有效地预测树高。     

A computer model to differentiate skidder and cable-yarder based road network concepts on steep slopes

Road spacing on slpes depends on the underlying off-road transportation technology. One major decision in road network planning is to determine under what terrain conditions ground- or cable based extraction systems should be applied. The present investigation aims to develop a road spacing model for steep slope conditions and to implement a total cost model for skidder and cableyarder based road network concepts. The study analyzes transportation and road geometry to specify the relationship between road density, slope gradient, and road spacing. Production functions for skidder and yarder-systems make it possible to derive transportation cost as a function of road density and slope gradient. A total cost function integrates road building cost, harvesting strategy, and production economics to derive optimal road density for the two network concepts. The difference between the cost levels at optimum road density is an indicator for differentiating cable and skidder-based extraction systems. The model was implemented as a Visual Basic add-in for Microsoft Excel spreadsheet software. This flexible approach makes future adaptations and changes very easy due to the modular concept. The validity of the model is limited to the production functions of the underlying off-road transportation technologies. Future work needs to develop production functions for the state-of-the-art technologies and to improve the road building cost model.     

利用神经网络预测木材径向导热系数

利用神经网络所具有的输入-输出之间的高度非线性映射关系,给出一种利用BP神经网络模型预测木材径向导热系数的方法.为了提高网络模型的泛化能力,采用规则化调整的方法.仿真结果表明:利用文中所提出的神经网络模型能够较准确、快速地预测木材径向导热系数的变化,其精度高于推导出的木材径向导热系数的理论公式.     

神经网络在环形板屈曲优化中的应用

采用一种新的优化计算方法——神经网络的模拟退火法,对环形板屈曲的厚度分布进行优化设计.在给定体积约束条件下,利用阶梯折算法和幂级数法,极大化弹性薄板的屈曲载荷,给出了目标函数、几何约束关于设计变量的显式表达式,对内边夹紧、外边夹支及内边固支、外边简支的两种边界条件下径向受压环形板的厚度进行了优化计算.     

林区路网规划设计与路网技术标准的确定方法

本文介绍了林区路网规划设计的优化方法和路网技术标准的确定。     

Modeling spatial variability in the life-cycle costs of low-volume forest roads

Cost estimation is probably the most decisive factor in the process of computer-aided, preliminary planning for low-volume road networks. However, the cost of construction is normally assumed to be route-independent for a specific project area, resulting in sub-optimal layouts. This is especially true for mountainous terrain and in areas with unstable subsoil. Here, we present a model for more accurately estimating spatial variability in road life-cycle costs, based on terrain surface properties as well as geological properties of the subsoil. This parametric model incorporates four structural components: embankment, retaining structures, pavement, and drainage and stream-crossing structures. It is linked to a geo-database that allows users to derive location-specific parameter values as input. In applying this model, we have demonstrated that variability in costs ranges widely for mountainous areas, with the most expensive construction being approximately five times greater there than on more favorable sites. This variability strongly affects the optimal layout of a road network. First, when location-specific slope gradients are considered, costs are reduced by about 17% from those calculated via currently available engineering practices; when both slope gradient and geotechnical formations are included, those costs are decreased by about 20%. Second, the length of the road network is increased by about 4% and 10% respectively, compared with current practices.     

优化设置热网循环泵

本文通过对热网循环泵工作状态和能耗的分析,指出优化设置热网循环泵应考虑的两项重要技术参数。     

基于优化卷积神经网络的木材缺陷检测

针对深度学习中的卷积神经网络算法,在木材无损检测过程中存在缺陷定位不准确、缺陷轮廓和边界信息不完整、识别精度需进一步提高等问题,利用非下采样剪切波变换最优稀疏表示特性,以及简单线性迭代聚类算法能很好地保持像素紧凑度和图像边界轮廓的优点,设计了一种优化的卷积神经网络算法,以提高木材无损检测的准确率。首先采用非下采样剪切波变换对采集的木材图像进行简单预处理,保留木材图像的缺陷特征不丢失,降低图像处理的复杂度以及运算量;然后利用卷积神经网络对木材图像实现深层次的算法设计,同时应用简单线性迭代聚类算法对初步模型进行增强改进,提取出相对准确的木材缺陷轮廓;最后通过反复调整参数和调试优化器,优化卷积神经网络算法的收敛速度,提高学习和运算效率,完善卷积神经网络对木材缺陷轮廓的提取,在降低运算复杂度的同时,提高其精度,具有良好的鲁棒性。相比径向基函数(RBF)神经网络、向后反馈-径向基函数(BP-RBF)混合神经网络和卷积神经网络,本算法对木材缺陷具有更好的识别效果,其识别准确率达到98.6%左右,且识别时间相对更短。     

用泛化改进的BP神经网络估测森林蓄积量

介绍主成分变换和经规则化调整法进行泛化改进的BP神经网络在森林蓄积量建模估测中的应用,比较普通BP神经网络与泛化改进的BP神经网络对蓄积量预报的差异,分析直接用中心标准化的观测值建立仿真模型和进行主成分变换后再建立模型的效率问题.结果表明:泛化改进的BP神经网络比普通BP神经网络具有更高的预报精度,利用主成分得分作为仿真模型的变量比直接用观测值作变量具有更快的速度,并保证了预报精度.