跌扩型底流消能工水力特性的试验研究

通过水力学模型试验,对跌扩型底流消能工的水流流态、时均动水压力分布、临底流速及近壁流速进行了分析,研究结果表明,在跌扩型底流消能工中,选择合适的突扩比,能有效降低消力池内底板和边墙的水力学指标;且通过建立消力池内水流运动的动量方程,推导出跌扩型底流消能工突扩比的计算公式,并得到试验验证,为跌扩型底流消能工的体型设计提供了依据。     

跌扩型底流消能工坎后立轴漩涡水力特性分析

跌扩型底流消能工坎后立轴漩涡直接影响消力池内的水力学指标。采用水力学试验方法,对跌扩型底流消能工坎后立轴漩涡水力特性进行初步研究。详细分析了立轴漩涡的运动形式以及运动区域的变化,并对漩涡与底板和边墙切点处流速的变化、漩涡区相对于消力池整体压力的变化情况进行了研究。经试验知,立轴漩涡对消力池内水力学指标影响较大。     

突扩式跌坎消力池掺气脉动特性研究

高速入射水流进入突扩式跌坎消力池后卷入大量空气,形成掺气水流,气体的存在影响各项水力学指标,对工程安全造成影响。基于物理模型试验,对突扩式跌坎消力池的掺气脉动特性进行探究,分析其掺气脉动幅值特性、概率密度分布特性以及频谱特性。结果表明：无突扩跌坎消力池底板中线的掺气脉动幅值呈沿程衰减趋势,最大值出现在消力池首;突扩式跌坎消力池底板中线的掺气脉动幅值呈先增大后减小的趋势,最大值出现在冲击区;与无突扩跌坎消力池相比,突扩式跌坎消力池可以有效降低底板的掺气脉动强度;消力池底板掺气脉动概率密度曲线不服从正态分布;掺气脉动能量属于低频脉动,随流能比的增大而增大;突扩式跌坎消力池底板在冲击区的掺气脉动能量最大,突扩的存在可有效降低掺气脉动作用在底板上的能量。     

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.     

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。     

水稻水肥耦合效应研究

研究寒地黑土区水稻水肥耦合效应对产量的影响规律,运用二次饱和D-416最优设计方案,以施氮量、施钾量、施磷量、分蘖末期土壤含水率占土壤饱和含水率的百分比为设计因子,以产量为目标因子,编制四因素二次饱和D-416设计表,结合基于实数编码的遗传算法与BP神经网络强大的函数拟合、寻优功能,以设计表中四因素为输入层,产量为输出层,建立基于RAGA-BP神经网络模型,并对该模型进行预测和优选。结果表明,当产量最高时水肥耦合的最优方案施氮量为1.01g/盆、施钾量为0.63g/盆、施磷量为0.46g/盆、分蘖末期土壤含水率占饱和含水率的75.2%,此时得到的产量为74.78g/盆,与模型预测的最优个体适应度值73.55g/盆误差仅为1.68%,说明该模型能较好的反映出水肥投入量与产量之间的复杂关系,对指导农业生产实践具有一定的意义。     

BP神经网络PID控制仿真在挤压机中的应用

为了减少挤压机运行前的繁杂工作,针对自动供给系统提出了一种基于神经网络的PID控制方案,利用神经网络的自学习能力对PID控制参数在线整定,使PID控制器具有自适应性.采用动态BP算法,达到了在线实时控制的目的,显示了BP神经网络的PID控制方法很强的鲁棒性,同时也显示了神经网络在解决时变性和严重不确定系统方面的潜能,并改变了运用试凑法调节参数的方法.运用Matlab软件对挤压加料、加水和加酶制剂自动控制系统进行仿真研究.仿真结果表明,神经网络PID控制器优于传统PID控制器,具有较高的精度和较强的适应性,可以获得满意的控制效果.     

蘑菇湖水库消力池的失事原因分析

利用实验数据和计算公式，系统地分析了蘑菇湖水库消力池失事原因。结果表明消力池失事主要由消力池的设计不当引起，不仅与水跃跃长公式的选择有关，还与水库下泄流量的精确计算有关。因此，设计和分析消力池失事应综合考虑流量的准确计算和水跃跃长公式的选择。     

BP神经网络在秸秆挤压机中的应用

以秸秆挤压机的秸秆含水率、螺杆转速、模孔间隙、套筒温度、螺杆末端至模板内表面的距离( 段长度)等5种过程参数为输入,以挤压膨化后玉米秸秆纤维含量变化(本文研究NDF与ADF)为输出,依据五因素五水平(1/2实施)二次正交旋转组合试验设计及试验数据建立了系统的BP神经网络模型.该网络训练后得到挤压系统的自变量与因变量之间的映射关系,且具有较好的仿真精度,可实现对过程参数的控制和目标输出的预测,用于指导生产实践.     

基于BP神经网络的柴油发动机特性建模

建立连续的发动机燃油特性和调速特性数学模型作为液压机械无级变速器虚拟试验平台的动力源。根据虚拟平台对不同特性区域的精度需求对柴油发动机不同特性区域的试验数据进行不同的密度选取、乱序和归一化处理,采用单隐层BP神经网络对试验数据进行训练,对比不同隐层节点数网络的训练误差和测试误差,选取误差最小的网络,求解出网络的数学表达式。通过该方法以ISLe310柴油发动机为例建立燃油特性和调速特性的连续数学模型,这两个简单的数学表达式准确反映了发动机万有特性和外特性,连续模型避免了虚拟试验中出现信号的突变和奇异点。通过和经典的最小二乘法拟合得到的最优特性模型进行对比,其具有更小的误差、更强的泛化能力,能够更好地反映柴油发动机的相关特性。     

基于BP神经网络的土壤氮素运移模型

随着淡水资源的日益紧缺,再生水灌溉已成为人们日益瞩目的研究方向,而再生水灌溉条件下土壤氮素运移规律与模拟成为这个研究的关键环节之一.以往对土壤氮素运移的模拟主要聚焦在数值模拟上,鉴于数值模拟在应用上的复杂性,为了寻找一种简便实用的模拟方法,尝试引入人工神经网络技术对土壤氮素运移进行模拟,经模拟计算得出,拓扑结构为10:12:7的BP网络模型可以较精确地模拟再生水灌溉条件下的土壤氮素运移,此研究为土壤氮素运移的研究开辟了新方向.     

基于BP神经网络理论的暂态电能质量识别

针对暂态扰动现象的不同特点,提出了一种利用神经网络对暂态电能质量进行分类的新方法,即先利用小波的特点对4种扰动信号进行分解,然后以小波得到的能量作为特征量,结合BP人工神经网络的特点区分类别,进而实现暂态电能质量扰动的自动分类.经仿真分析,验证了此方法的准确性和高效性.     

基于改进BP神经网络的排种器充种性能预测

充种性能直接影响排种器排种质量,应用Matlab神经网络工具箱建立了排种器充种单粒率η1和空穴率η2的改进BP神经网络预测模型。选取转速n、种子当量直径d、充种角β和型孔直径D作为试验因素进行充种性能试验,获得64组单粒率和空穴率的试验结果。选取55组结果作为训练样本,采用Levenberg-Marquardt训练方法对建立的网络进行训练,并选取剩余的9组结果对训练好的网络进行仿真预测。其中,n、d、β和D为网络的输入层,η1和η2为网络的输出层,网络结构为含有单隐层的4-15-2型3层网络。预测结果表明：预测值与试验值有较好的一致性,利用改进BP神经网络对排种器充种性能进行预测是可行的,可为排种器的优化设计及工作参数的选择提供依据,从而减少试验时间和成本。     

基于BP神经网络的雨雪混合径流预

通过分析暴雨融雪混合径流的物理成因,确定其主要影响因子,然后分析雨雪混合径流主要影响因子对径流的影响,建立一个基于BP神经网络雨雪混合径流预报模型。并利用新疆喀浪古尔河流域暴雨融雪径流资料对模型进行仿真训练实验和验证,通过结果比较分析,在一定程度上提高了模型预报精度,取得了一定成效。