基于RBF神经网络方法的铀尾矿坝失稳预报分析研究

指出了尾矿坝是矿产业设施的重要组成部分,尾矿坝的安全稳定运行对选矿厂的生产起着非常重要的作用,所以,对尾矿坝进行稳定性监测是非常必要的。针对尾矿坝的库水位,应用RBF神经网络算法对样本数据进行预测并且与实际值进行了对比,符合程度很好,说明预测值与实际值十分接近,误差很小;同时,此次网络训练经多次迭代运算,误差曲线收敛于目标值,效果良好。综上说明,此次训练效果良好,可以用于预测其他参数。预测结果表明:库水位高程误差在0.001m内,属于合理范围,尾矿库的库水位处于安全状态,风险较低。     

基于遗传算法和RBF神经网络的铀尾矿库安全预警模型

指出了遗传算法具有诸多优点,具有很强的全局搜索能力,但是容易出现未成熟的收敛,而径向基函数RB F神经网络可以采用保证全局收敛的线性优化算法,并且还具有唯一最佳逼近点的优点,相互结合应用能弥补各自的缺陷,使彼此优势充分发挥。探讨了建立基于遗传算法和RB F神经网络的铀尾矿库安全预警模型,对铀尾矿库存在的风险进行预警,有助于尾矿库工作人员及时发现风险,采取应对措施,对于减少铀尾矿的事故发生,确保人民群众生命财产安全和社会环境安全都具有极其重要的现实意义。     

基于RBF神经网络的高速公路防追尾模型研究

为提高高速公路车辆跟车安全,在常用安全距离算法基础上,结合汽车制动过程分析,提出安全度判别准则的安全控制方法,建立RBF神经网络防追尾模型,讨论RBF网络设计过程中的参数设置,并运用m atlab编程进行训练和仿真,仿真结果表明RBF模型是有效的;同时,模型为高速公路汽车追尾建模提供一种新思路,为汽车预警设计提供理论基础。     

基于灰色RBF神经网络组合模型的交通量预测研究

根据新陈代谢灰色模型和RBF神经网络模型各自的特点,构造一种新陈代谢灰色模型与RBF神经网络模型组合的平面型模型,模型对无检测器公路的交通量具有较好的预测能力,并用实地调查的数据进行仿真和比较,验证此模型具有较高的精度,从而证明这一模型的可行性和有效性。     

基于RBF神经网络的城市森林碳储量遥感建模与动态变化分析——以南京市为例

研究将TM遥感数据的归一化植被指数(NDVI)和短波红外植被指数(SWVI)融入径向基神经网络中,构建了森林碳储量估算模型,并应用该模型反演了南京市不同时期的森林碳储量。结果显示:1)该模型的平均估算精度达到74.62%,比线性回归模型精度更高、拟合更稳定,是一种相对简便、易于操作和准确度高的森林碳储量估算方法;2)南京市的森林碳储量总体分布面积较大,但在区域上分布不太均匀,1988—2005年期间各辖区的森林碳储量均有不同程度的减少,减少率由小到大依次排列为:栖霞区<玄武区<下关区<雨花台区<鼓楼区<白下区<秦淮区<建邺区。     

基于RBF神经网络的汽车传感器故障诊断方法研究

简要说明RBF神经网络的构成及其算法,研究RBF神经网络发动机电子控制系统传感器的故障诊断方法,设计了一种发动机电子控制系统传感器诊断神经网络.借助流行的汽车OBDⅡ自诊断协议,组建发动机电子控制系统的诊断数据采集系统,以记录实验发动机电子控制系统工作时系统的输入/输出数据,根据实验数据进行诊断神经网络的训练和系统评价.     

基于RBF神经网络的沙土液化预测研究

简要分析RBF网络的结构特点及最近邻聚类学习算法,以大量粉土地基实测数据为学习训练样本及预测样本,建立了预测模型。讨论了基于RBF神经网络技术的沙土液化预测分析方法及其有效性。研究表明,用RBF神经网络方法进行沙土地震液化预测是可行的。     

时滞recurrent神经网络模型的全局渐近稳定性

讨论了时滞recurrent神经网络模型的全局渐近稳定性,通过构造适当的Lyapuov函数,利用线性矩阵不等式,给出了一类常时滞recurrent神经网络的新的充分条件,所获的稳定性条件是时滞相关的,稳定性判别条件更宽松.最后通过一个实例说明方法的可行性.     

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.     

团粒喷播生态修复技术在高盐性尾矿堆场的应用——包钢集团尾矿库坝体生态修复项目的实践经验

包钢集团尾矿库坝体生态修复项目通过对内蒙古包头包钢集团尾矿库地质环境的调查,分析其生态环境破坏现状,探究其生态恢复方法,最后使用团粒喷播生态修复技术(简称团粒技术)进行生态性修复治理,并取得了理想的植被恢复效果,为该技术在高盐性尾矿堆场生态修复方面的应用提供了参考范例。     

Prediction of Forest Stock Volume Based on Neural Network Model

BP and RBF neural network to predict forest stock volume were studied,but the study in evaluating both networks’ application effects was not conducted.In order to find a higher forecast precision,more strong applicative method,the comprehensive analysis and evaluation on the two methods were carried out in the practical application. By the correlation analysis,crown density,shady-slope and sunny-slope,TM1,TM2,TM3,TM5, TM7,NDVI,TM,(4-3),TM4/3 were selected as input variables,and the forest volume of Miyun County as output variables,RBF and BP neural network models for forecasting the forest volume were established.And the neural network training step length,training time,prediction accuracy and the applicability model of the two methods were comprehensively analyzed.The results show that the RBF neural network model is superior to the BP neural network model.     

基于人工神经网络的森林资源预测研究

应用人工神经网络方法分别建立土地资源预测、森林蓄积量预测、各龄组蓄积量预测三层前馈反向传播神经网络模型对森林资源进行预测模拟.预测结果表明在小样本条件下,森林资源预测神经网络模型预测精度较高,开辟了森林资源预测新途径.     

基于MEA-BP神经网络对木材内部缺陷诊断的研究

为了提高木材内部缺陷的自动识别率,采用电阻层析成像(ERT)的方法获取电导率波动信号,通过小波包变换对采集的数据进行3层小波包分析,对八维特征向量进行提取,利用思维进化算法(MEA)优化权值和阈值,孔洞、节子、腐朽试样各45组数据,进行BP神经网络训练,每种缺陷20组作为测试集,识别木材内部缺陷。结果表明:MEA-BP神经网络对木材孔洞、节子和腐朽的识别率分别为96.92%、95.38%和92.31%,该模型解决了复杂组合的优化问题,提高了搜索效率,并且达到最佳的预测效果。     

基于人工神经网络公路客运质量评价方法研究

通过AHP法对公路客运质量指标体系进行分析 ,并使用BP人工神经网络 ,建立对公路客运质量评价的模型 ,该模型可在一定程度上避免人在评价过程中的主观性 ,能够有效地对公路客运质量进行评价 ,同时该模型具有学习能力 ,对公路客运质量管理与决策活动有重要的支持作用。     

基于人工神经网络的马尾松毛虫发生量预测模型的研究

运用人工神经网络的原理和方法,根据相关系数法和逐步回归法分别选取与马尾松毛虫有虫面积、虫口密度、虫株率相关关系密切的气象因子作为样本的输入特征,分别建立马尾松毛虫有虫面积、虫口密度、虫株率与气象因子的BP网络模型。结果表明:所建立的各BP模型,具有令人满意的拟合精度和预测精度。当隐含层神经元个数为15个,预报因子数为8个时,2组预留有虫面积的2a平均预测误差为3.15%;虫口密度BP模型的隐层神经元个数为8个,预报因子数为6个时,预留样本的平均预测误差为5.91%;虫株率BP模型的隐层神经元个数为4个,预报因子数为5个时,预留样本的平均预测误差为10.65%。     

基于遗传神经网络的煤层气含量预测

指出了煤层气含量预测是煤层气勘探开发的一个关键问题,传统的线性回归预测方法已不能反映各影响因子和煤层气含量之间的内在关系,据此提出了基于遗传-BP神经网络的非线性新型智能算法。其中,神经网络用来学习,遗传算法用来优化神经网络的连接权值及阈值,该方法能有效避免陷入局部极小值,具有全局寻优的特点。研究表明:构建的新型智能算法相对标准的BP网络预测精度要高,该方法为今后煤层气含量的预测提供了可靠依据。