基于BP神经网络的水轮机综合特性建模仿真

针对目前对水轮机特性曲线数据处理方法精度不高,不能真实地反映水力机组在过渡过程的流量特性和力矩特性的问题,利用BP神经网络与Matlab相结合,对水轮机综合特性曲线进行建模仿真。由已知综合特性曲线结合边界控制点经神经网络训练获得低效区的流量延拓、力矩延拓和导叶浆叶协联关系仿真曲面。BP神经网络模型大大提高了水轮机综合特性曲线数据处理效率与精度,是研究水轮机控制系统的一种新的非线性建模仿真模型。     

基于BP神经网络的润滑流量因子系数的预测

因现有润滑方程中的流量因子系数值有限，不能满足摩擦学研究的需要。本文利用BP神经网络，使用L—M规则，对润滑方程中流量因子系数进行了预测。训练时，以微凸体的纵横比v为输入样本,输出样本为压力流量因子的两个系数。结果表明：训练良好的BP网络输出数据与实测数据吻合较好，并具有收敛速度快等特点。     

现代农业装备发展水平综合评价——基于BP神经网络

为综合评价现代农业装备发展水平,分别选取了9项一级、20项二级评价指标,运用BP神经网络法建立了各指标权重系数计算模型,得到了现代农业装备发展水平综合评价体系。作为评价体系的应用,基于新疆兵团2005-2012年度统计数据,评价了新疆兵团的现代农业装备发展水平,评价结果符合实际情况,表明本文指标设置恰当,指标权重计算模型正确,能够为现代农业装备的发展提供理论支撑。     

基于BP神经网络的土壤养分综合评价模型

以土壤养分指标体系作为神经网络的输入,以土壤养分等级评分作为输出,基于BP神经网络,建立了具有5个隐含层节点、3层网络的土壤养分综合评价模型;以土壤养分指标的各级评价标准作为模型的训练样本和检验样本,利用Matlab软件对BP神经网络进行训练和检验,并对安塞县土壤养分进行综合评价.结果表明BP神经网络对检验样本的模拟输出和期望输出是一致的;对安塞县土壤养分综合评价结果与模糊模式识别、主成分分析结果也是完全一致的.     

拖拉机电液悬挂系统力位综合调节控制技术的研究

设计拖拉机电液悬挂系统,实现力、位信号以及控制阀信号的采集,利用模糊算法控制系统,设计模糊控制器,对整个系统进行试验,试验证明系统各项性能基本满足设计要求。     

基于TOPSIS和BP神经网络的高标准农田综合识别

为提高耕地综合生产能力,适应农业现代化发展需求,我国提出了高标准农田建设的重大战略部署。高标准农田的识别是建设前选址和建设后评价的基础。本文以耕地图斑为基本单元,融合遥感影像等多源数据,从本底条件、空间形态、建设水平、生态防护等方面,构建农田综合质量多特性表征体系,采用逼近理想点排序法(TOPSIS)进行初步评价,再以人机交互的方式选取各质量等级农田的真值样本,进一步采用BP神经网络算法修正各特性权值,得到农田综合质量的精确评价结果,实现高标准农田识别。以吉林省大安市为研究区,研究结果表明:基于多特性表征体系的农田综合质量评价方法精度达到96%以上;研究区高标准农田面积广大,主要分布在耕地集中连片、道路通达、生态防护良好、具有农业现代化生产优势的东北部、中北部、西北部边缘和部分南部区域;当地已备案的高标准农田和未备案、有潜力的高质量农田区域均得到有效识别。     

基于BP神经网络的水资源利用效率评价方法研究

近年来,我国水资源利用效率有一定提升,但是相比发达国家仍有很大提升空间。文章借助前人建立的水资源效率评价指标体系,结合BP神经网络学习和存储信息、总结规律并识别事物和智能运算的能力,提出一种基于BP神经网络的水资源利用效率评价方法。应用该方法对锦州、营口、阜新、辽阳四市评价打分,结果表明,该方法拟合效果很好,平均相对误差为1.13%,与专家评分结果相拟合,R2可达0.9963。该方法能够模拟专家的评分偏好及特点,统一标准客观地对水资源利用效率进行综合评价,将主客观结合起来,提高评价结论的可靠性,为区域水资源利用效率评价提供一种新的途径。     

基于BP神经网络PID控制的主动悬架仿真分析

为研究主动悬架的控制算法,采用基于BP神经网络的一种自适应PID控制算法来搭建主动悬架控制系统。以某轿车车型为例,在Simulink软件中建立了以随机路面不平度激励作为系统输入的七自由度整车主动悬架仿真模型。将车身垂向加速度均方根、俯仰角加速度均方根、侧倾角加速度均方根作为主动悬架性能的评价指标进行时域及频域分析。由仿真结果可知,相比于传统的被动悬架,运用该控制算法的主动悬架可显著提升汽车的行驶稳定性与舒适性。     

基于BP神经网络的HCNG发动机非正常燃烧仿真研究

为了解HCNG发动机某工况下的缸内燃烧情况,利用该工况的台架试验缸压数据,分析对比每个循环缸压值与平均缸压值,从理论上确定发生失火等非正常燃烧的循环。在Matlab中建立BP神经网络,利用理论分析的数据对其进行训练仿真。仿真结果显示,BP神经网络的表现函数mse为0.0229,可用于准确判断缸内的非正常燃烧情况。     

基于BP神经网络的降雨量预测研究

使用2种方法,即用前5年降雨量来预测后1年的降雨量和用气象资料预测降雨量,应用BP神经网络对降雨量进行预测,试图找出应用BP神经网络预测降雨的最佳方法.通过对青海省10个气象站的降雨进行预测分析,得到结论如下:两种方法均适合于降雨预测,其被选择概率均等.     

基于遗传算法和BP神经网络的用水

为避免BP算法易陷入局部极小的缺陷，根据遗传算法具有全局寻优的特点，将二者结合起来形成GA-BP混合算法。以GA优化BP网络的初始权值和阈值，按负梯度方向修正网络权值及阈值，对网络进行训练。最后，用matlab编写GA-BP计算程序，以多组数据进行测试，并与纯BP算法进行分析比较，结果表明该方法可以有效、准确的应用于城市用水量预测。     

基于BP神经网络工具箱实现函数逼近

运用计算机高级语言编程对神经网络BP模型进行仿真和辅助设计是件十分麻烦的事情,为了解决这个矛盾,Matlab神经网络工具箱中专门编制了大量有关设计BP网络模型的工具函数.文章分析了Matlab软件包中人工神经网络工具箱的有关BP网络的工具函数,结合一个实际的例子详细阐述了基于BP神经网络的函数逼近过程及其MATLAB实现方法.     

基于BP神经网络的三峡库区小流域水质评价

在阐述BP人工神经网络原理的基础上,运用我国地表水环境质量标准(GB3838-2002)作为训练样本,建立了一个多因子水质综合评价的3层BP网络模型,以溶解氧、氨态氮、总磷、砷、汞和铬为评价因子,对三峡库区小流域一嘉陵江的次级支流流域进行了水质综合评价.结果表明:该河中上游水质状况良好,而下游水质状况较差,汇入嘉陵江、长江后将时三峡水库的水质造成不良影响.为了保证三峡水库的水质安全,建议加强库区小流域的地表水环境管理.     

光电式叶片水分传感器的设计——基于BP神经网络

叶片水分对一定波长的红外辐射具有强烈的吸收作用。叶片含水率不同,对辐射的吸收能量也不同。为此,根据该原理设计叶片水分传感器,通过测量反射和透射的红外辐射能量的大小,并将BP神经网络技术融入计算过程中,实现方便快捷的作物叶片含水量检测。     

基于BP 神经网络的大棚作物腾发

在分析影响大棚作物蒸发蒸腾量的气象因子的基础上, 以气象因子输入向量, 以大棚作物腾发量为输出向量, 构建了气象资料不足情况下计算大棚作物腾发量的BP 神经网络模型BP ET。利用鄂州节水灌溉实验基地逐日气象资料对所建模型进行反复训练和预测, 并把预测结果与传统的Penman－Monteith 公式计算而得的同期作物ET 值相比较。其中, BP ET 的预测值与ET值的相关系数为0.986。研究结果表明, 本文构建的模型计算精度较高, 方法简便可行, 能满足实际生产需要。     

基于RBF神经网络与BP神经网络的核桃作物需水量预测

采用RBF网络与BP网络的方法,利用MATLAB工具箱并结合气象资料中的相对湿度、平均气温和太阳日辐射量,建立了预测核桃作物需水量的神经网络预测模型.两种预测模型通过实例证实了预测的准确性,并且将这两种网络模型进行了比较分析.RBF神经网络预测作物需水量的绝对误差平均值为0.254 7 mm/d、相对误差平均值为5.47％,BP神经网络预测作物需水量的绝对误差平均值为0.320 6mm/d、相对误差平均值为6.97％,由此可见,RBF网络预测的精度比BP网络高.并且,通过程序记时显示RBF网络训练用时0.063 0 s,比BP网络训练所需的时间要短的多,因此RBF神经网络具有较好的实用价值,实现了精度与实用性的统一.     

基于BP神经网络的果蔬热导率预测模型

通过微热探针法测试装置研究了30个品种的果蔬热导率与可溶性固形物含量、含水率、密度和硬度等因素的变化关系,提出了一种基于BP神经网络的果蔬热导率预测模型,并根据误差比较分析进行了模型优化。结果表明,该优化网络模型具有较好的热导率预测效果,平均相对误差为1.11%,平均绝对误差为0.0057W/(m?K),可以用于果蔬贮藏加工业中果蔬热传递过程的计算。     

基于BP神经网络的农业机械数量预测

为了提高农业机械化水平、农业生产效率和优化农业产业结构,保证在农业机械生产与实际需求的一致性,在制订农业机械化水平发展规划过程中需要对农业机械数量进行预测。为此,采用基于遗传算法的BP神经网络预测算法,对我国从1997-2013年期间以农机总动力、中大型拖拉机数量和小型拖拉机数量为内容的主要农业装备数量进行预测。预测结果表明,利用遗传算法与BP神经网络相结合的方法预测全国农业机械装备数量,农机总动力预测值与绝对值平均误差为1.080%、农用大中型拖拉机数量预测值与绝对值平均误差为1.352%、小型拖拉机数量预测值与绝对值平均误差为1.765%,预测精度稳定,该预测方法适用于本时间序列预测问题。     

改进BP算法的轮胎侧向力神经网络模型

用改进的误差反向传播 (BP)算法建立了轮胎侧向力的数学模型 ,研究了模型精度与网络结构、训练方法之间的关系。结果表明 ,该算法克服了传统BP算法网络收敛速度慢及易陷入局部极小点的两个缺点 ,能较精确地对轮胎侧向力进行建模     

基于BP神经网络的农机拥有量预测技术

应用BP神经网络技术预测农业机械的社会拥有量，证实了农机拥有量系统的非线性混沌特征，提出了预测的“窗口”最优化方法和预测操作技术。并对今后5年的农机拥有量进行了预测。