基于人工神经网络的滴膜共存冷凝传热模型的研究

为了研究影响滴膜共存冷凝传热特性的因素,如滴膜区间面积比、滴膜相对位置、表面分割方式,表面过冷度等对冷凝传热的特性共同作用,本文应用人工神经网络技术,建立表面分割数、滴膜区面积比、凝液环数、表面过冷度与强化传热比之间的综合评价预测模型。结果表明,基于Matlab语言的人工神经网络模型具有较高的预测准确率及泛化能力,能够很好的评价和预测不同条件下的冷凝传热特性。     

马尾松人工林树高BP模型研究与应用

用BP人工神经网络建立了马尾松人工林树高模型,并在树高模型的基础上,提出了马尾松地位指数计算式,从而编制了地位指数表。结果表明:用人工神经网络建立模型拟合精度为94.76%,检验精度为92.15%,所建模型无系统偏差,人工神经网络很适合建立非线性模型。     

产品视窗

技术参数名称代号PCK-04UF PCK-05UF PCK-06UF厚度(mm)456质量(g/m2)80011001300最小弯曲半径(mm)7008751050名称代号PCK-08UF PCK-10UF厚度(mm)810质量(g/m2)15001700最小弯曲半径(mm)140017500标准尺寸(mm)长:6000宽:2100常备颜色透明上海汇丽-塔格板材有限公司电话:021-58138107产品介绍特别推荐板材的内表面增加一层特殊涂层,增强板材表面的固体分子与水分子间的引力,使冷凝水珠的表面张力减小,增大冷凝水珠与板材表面接触面积,使冷凝水在整个板材表面上形成薄薄的一层水膜,保证了板材的透光性。如果此板安装得当,水膜就会沿…     

产品视窗

汇丽防结雾阳光板原产地:上海技术参数名称代号PCK-04UF PCK-05UF PCK-06UF厚度(m m)456重量(g/m2)90011001300最小弯曲半径(m m)7008751050名称代号PCK-08UF PCK-10UF厚度(m m)810重量(g/m2)15001700最小弯曲半径(m m)140017500标准尺寸(m m)长:6000宽:2100常备颜色透明产品介绍板材的内表面增加一层特殊涂层,增强板材表面的固体分子与水分子间的引力,使冷凝水珠的表面张力减小,增大冷凝水珠与板材表面接触面积,使冷凝水在整个板材表面上形成薄薄的一层水膜,保证了板材的透光性。如果此板安装得当,水膜就会沿着板面流入排水系统…     

水膜发生器的研制及流场分析

水膜发生器是超稠油水膜面减阻技术中使管道内形成环状水膜的流体机械设备,其内部流场需要长期保持稳定,以形成稳定的水膜。在设计水膜发生器时,使高压水流射入后通过一个厚度为1mm的穿孔板再形成水膜,穿孔板部分区域不开孔,其余部位均匀开孔,以控制水流动能和速度,进而控制水膜厚度。高效渗透筛管的选择决定水膜面的稳定性,其关键在于确定穿孔板的开孔率和开孔直径。运用ANSYS软件对水膜发生器的强度进行分析,以确定其应力集中部位并进行加强处理,使用材料为X52的管线钢制作水膜发生器可以满足实际运行条件的要求。运用Fluent软件对水膜发生器内部流场进行模拟,以确定水膜发生器的合理长度和开孔直径,优化运行参数。     

煤层底板突水人工神经网络预测

本文综合考虑水源、水压、隔水层、断层等因素对煤层底板突水的影响，建立了煤层底板突水人工神经网络预测模型。实例分析表明，该模型具有较高的预测精度，预测结果比较可靠。     

马尾松人工林地位指数BP模型研究

用BP人工神经网络和Richards方程2种方法建立了马尾松人工林地位指数模型,其中Richards方程的参数由改进的单纯形法求解.研究结果表明,用人工神经网络建立模型拟合精度为94.52%,检验精度为92.15%,所建模型无系统偏差,与Richards方程相比,具有较好的拟合效果,人工神经网络更适合建立非线性模型.     

钢管环氧粉末涂料覆盖层在涂敷过程中的质量控制

环氧粉末涂料应用于埋地钢管的外覆盖层，有着优良的防腐及机制性能。由于此项技术在国内初步应用，涂层的规标准有待建立，尤其在生产过程中质量控制方面。根据国餐有关资料和国内经验就质量检验控制的三个主要方面进行了介绍：（１）原材料的检验，主要是进厂验民收和试验室测试；（２）工艺过程的质量检验，包括管表面状态，除锈等级，锚纹深度，表面微尘及二次污染，预热温度的检测等内容；（３）涂层检验包括厚度。检漏，附着力     

基于分子印迹敏感膜和白光反射干涉的残留药物检测技术

由于印迹聚合物薄膜表面具有孔洞结构而表面不平整,因此为测量其光学厚度建立了薄膜反射干涉谱（RIfS）的阶梯模型,编写了采用阻尼最小二乘法的全光谱拟合计算程序,通过对实验光谱数据的拟合处理后可以直接得到单层膜或双层膜的光学厚度。将印迹纳米微球与聚苯乙烯（PS）甲苯溶液混合,旋涂到载玻片及硅片上制备氯霉素（CAP）印迹膜作为RIfS检测系统的敏感介质层,建立了不同基底的印迹膜光学厚度变化与CAP样品浓度之间的标准曲线,检出限分别为0.229 1 mmol/L、0.185 2 mmol/L。在此基础上,对加标实际样品(牛奶)中CAP进行固相萃取,萃取液稀释后结合标准曲线进行定量,回收率为91%,所得结果与高效液相色谱（HPLC）测定结果相符,显示了印迹敏感膜结合RIfS光谱在传感器中应用的可行性。     

BP神经网络在堤坝砂基液化预测中的应用研究

鉴于砂土液化是多因素综合作用的结果，应用人工神经网络基本原理，建立多参数综合评价砂土液化的BP网络模型，对砂土液化的严重程度作出了客观评价，并在实际工程中得以应用和检验，取得良好的效果。     

基于机器视觉和人工神经网络的切花玫瑰瓶插寿命预测

对切花玫瑰瓶插寿命进行预测,利用机器视觉提取颜色和形状特征参数共15个,并结合人工神经网络ANN建立预测模型。该预测模型的输入层、隐含层和输出层的神经元数分别为15、15和1,训练集相关系数R~2=0.939 4,训练集均方根误差RMSEC=0.784 9;其预测集相关系数R~2=0.850 7,预测均方根误差RMSEP=1.205 1。结果表明,机器视觉结合人工神经网络能够较准确地预测切花玫瑰的瓶插寿命。     

Considering the Influence of Multi-weather-factors to Forecasting the Water Requirement of Well Irrigation Rice Based on ANN Model

The author considered the influences of several weather factors, such as air temperature, sunlight, saturation deficiency, wind speed and so on to forecasting the water requirement of well irrigation rice based on Artificial Neutron Network. Through dealing with the time series of water requirement and its influence factors, the author applied the multi-dimension data correlation analysis to ensure the net structure. Thus, the ANN model to forecast the water requirement of well irrigation rice has been built. By means of the ANN model, uncertainty relation between water requirement and many influence factors among the interior and exterior can be discovered. The results of ANN model is good, and can provide some references for establishing the water saving irrigation system.     

地膜厚度对马铃薯生长及农田水热条件和残膜污染的影响

为寻求阴山北麓农牧交错带马铃薯种植适宜的农用地膜厚度,揭示地膜厚度对马铃薯生长发育、土壤水热状况及地膜残留的影响规律,并评价其经济效益,选择当地主栽作物马铃薯为研究对象,在膜下滴灌栽培方式下通过设置4种地膜厚度（0.006、0.008、0.011 mm和0.012 mm）的田间试验,研究地膜厚度对马铃薯生长发育及地膜残留的影响。结果表明,增加地膜厚度对株高有促进作用,出苗率在0.008 mm处理最高。生育期土壤水热状况：增厚地膜可提升4周内0~20 cm土壤贮水量,随后作用相反,播后4周是土壤贮水量响应的拐点,并且在5周内可促进地表以下5 cm处的土壤积温。0.008 mm处理的产量、商品薯率和经济效益均最高。土壤残膜量随地膜厚度增加而增大,但回收难度随之降低,且加深翻耕深度加重了20~30 cm土层的残膜污染,需要通过加强残膜回收机具的研发利用来削减残膜系数,降低农田白色污染,提高土壤环境承载力。推荐阴山北麓农牧交错带马铃薯种植采用0.008 mm地膜配套适宜残膜回收机具以获得优良的经济效益与生态效益。     

基于SVM算法的区域农田灌溉短期用水量预测方法

常规方法对区域农田灌溉短期用水量预测时易出现预测数据误差大,预测过程复杂等现象。设计基于SVM算法对区域农田灌溉短期用水量进行预测。以某沿黄区域位于全景属于黄河流域东南方向一区域农田为研究对象,首先基于SVM算法选择用水量特征,选取一对一的构造方法将农田灌溉短期用水量数据分为两个类别。通过SVM算法中支持向量机分类功能将农田灌溉短期用水量特征子集进行获取,并在此基础上可以根据特征子集通过预测模型进行用水量预测。由于用水量序列波动性较强,将GM(1,N)模型与机器学习算法LSSVR模型相结合来进行用水量预测,并确定模型评价指标。结果证明基于SVM算法的区域农田灌溉短期用水量预测方法误差在允许范围内且在农业中具有可使用性。     

SN农用薄膜防水滴剂的研制

为解决塑料薄膜大棚内滴水和透光性差的问题,国外已研制成大量的无滴性薄膜和外涂型防水滴剂;我国无滴性薄膜的研制还处于试制阶段,而外涂型防水滴剂尚无研究。本文系国内首次介绍外涂型SN农用薄膜防水滴剂的研制、性能及使用方法。经多点试验证明其防水滴性和透光性都达到八十年代国外同类型产品的水平。     

Artificial neural network for the estimation of soil moisture and surface roughness

Estimation of the soil moisture and soil roughness by using microwave data with less complex and fast method is a significant area of research today. For this purpose an Artificial Neural Network (ANN) based algorithm is used and tested in present study. The ANN model is calibrated and tested with the experimentally obtained data by using X-band scatterometer for different field roughness 3.78, 1.83 and 1.63 cm and at fixed value of soil moisture 22.8%. The measurement of scattering coefficient was carried out over a range of incidence angle from 20° to 70° by 5° steps for both the HH (horizontal transmitter and horizontal receiver) and VV (vertical transmitter and vertical receiver) polarization. Two training algorithm of Feed Forward Backpropagation neural network namely Levenberg-Marquardt (TRAINLM) and Gradient-Descent (TRAINGD) were used for analysis. The performance of the ANN models with different algorithm is evaluated by comparing the direct measured value of soil roughness and soil moisture with the soil roughness and soil moisture estimated by the ANN. Our work suggests that ANN model with training algorithm (TRAINLM) is more suitable for the soil moisture and surface roughness prediction in comparison to (TRAINGD) and ANN modeling may be the promising alternative for the soil moisture and surface roughness estimation. The main advantage of the ANN approach for the surface roughness and soil moisture estimation is its potential for world wide reporting.     

基于BP神经网络的河川年径流量预测

运用人工神经网络模型对松花江流域年径流量径流序列做出预报,表明了人工神经网络模型在水文预报中具有一定的优势。通过对基本BP网络算法和L-M算法的比较工作,得到了适合该神经网络模型的训练算法,既L-M算法,提高了预报的精度。以松花江流域哈尔滨站年径流量实测序列为研究对象,在数值试验的基础上找到了适合于松花江流域哈尔滨站年径流序列预报的人工神经网络预报模型结构,提高了该模型的预报准确性。     

模拟人工神经网络对小麦吸浆虫发生程度的预测

根据神经网络建模的基本原理,对陕西省关中地区小麦吸浆虫的发生程度资料进行处理分析,建立了神经网络发生适合度预测模型。结果表明:该方法的预测精度达到100%,为害虫的长期发生预测提供了一种新的方法。