傅立叶变换近红外光谱法检测白酒总酸和总酯

该文研究白酒总酸和总酯的快速检测技术,通过解析不同白酒样品的近红外光谱图,对光谱数据进行不同的处理,结果表明：用一阶导数预处理光谱,谱区选择6102～5446 cm^-1,利用人工神经网络与傅立叶变换近红外光谱相结合,采用内部交叉验证法建立模型,效果较好。其中,总酸模型的决定系数为96.73%,内部交叉验证均方根差为0.048 g/L;总酯模型的决定系数为99.58%,内部交叉验证均方根差为0.085 g/L;进一步对总酸和总酯的模型进行验证和评价,结果表明总酸模型验证集的相关系数为99.2%,预测标准偏差为0.074 g/L;总酯模型验证集的相关为99.7%,预测标准偏差为0.134 g/L,表明建立的模型可靠,预测效果好,能满足白酒生产中总酸和总酯的快速检测要求。     

斜纹夜蛾幼虫存活过程的神经网络模型的建立

利用BP神经网络对斜纹夜蛾幼虫的存活过程进行建模分析,给出了BP神经网络建模的Matlab算法程序。结果表明,BP神经网络能充分逼近斜纹夜蛾幼虫的存活过程曲线,使用BP神经网络可对斜纹夜蛾幼虫的存活过程进行有效的建模。利用所建立的模型,得到了关于斜纹夜蛾幼虫存活过程的模拟预测结果。不同温度下斜纹夜蛾幼虫种群的死亡过程有所不同。在20,24,36和40℃温度下,斜纹夜蛾幼虫种群的死亡高峰分别出现在卵孵化后20d左右,5～20d,5～10d及3～6d。最后,对神经网络建模的特点,以及影响BP神经网络建模效果的主要因素进行了分析讨论。     

基于改进BP神网络的离心泵性能预测

采用改进神经网络(贝叶斯正则化算法)对IB型单级离心泵水力模型的性能进行了预测,通过工程实践中得到的100组离心泵最优几何尺寸来训练网络,并用训练好的网络对需生产的水泵进行工况预测。结果显示,用改进神经网络来预测单级离心泵的性能,预测误差不超过6%。     

IWSF-FA模袋混凝土抗压强度、孔隙结构和物质组成

为优化模袋混凝土衬砌性能,合理利用当地粉煤灰和废弃硅粉代替部分水泥制备模袋混凝土衬砌.通过抗压强度试验、固体紫外试验、核磁共振和热重试验研究双掺粉煤灰-工业废弃硅粉替代适量水泥后对模袋混凝土抗压特性、内部孔隙结构和水化物质组成的影响.结果表明：合理双掺工业废弃硅粉和粉煤灰(如FA15S4)可以提高模袋混凝土的抗压强度;紫外吸收光谱表明其水化产物C-S-H和CH组成优于其他组别;核磁共振T₂谱分布呈现“三峰结构”,左峰信号幅度最高,双掺工业废弃硅粉-粉煤灰有利于改善其内部孔隙结构.并且双掺工业废弃硅粉和粉煤灰后,热学性质良好.建立了基于BP神经网络理论的模袋混凝土早期抗压强度预测模型,预测结果与试验测试值的最大相对误差为2.7%.研究结果可为工业废弃硅粉和粉煤灰混凝土在水工衬砌工程中的应用提供参考依据.     

基于经验模式滤波与循环神经网络的水锤压力信号预测

为准确预测水锤信号变化规律,实现对水锤冲击强度和能量等特性的提前预判,针对水锤冲击信号提出了一种基于经验模式分解(empirical mode decomposition, EMD)和循环神经网络(recurrent neural network, RNN)的模型预测方法.首先,通过EMD获取具有不同频率的IMF分量,根据水锤信号的频域特性剔除高频噪声分量并重构信号以实现滤波,滤波后信号能量损失不足0.1%;进而,建立了基于RNN模型的时间序列预测模型,搭建试验平台获取水锤冲击信号,完成了RNN模型的训练和参数调节;随后,对不同流速下水锤冲击信号进行序列预测,在测试集与训练集流速不同条件下,得到了准确的预测结果,表现出一定泛化能力.对比分析预测水锤信号与实际信号,得到R²系数大于0.990 0,幅值和能量损失不足1%,验证了所提出方法的正确性,主要结论和建模方法可为各类输水系统的风险评估、管路监测和健康管理提供理论指导和技术手段.     

基于布谷鸟搜索算法优化LSTM的大坝变形预测

对大坝变形进行合理分析和准确预测是确保大坝安全运行的重要手段.大坝变形监测数据具有趋势性、周期性、随机性和非线性等特性,现有的机器学习模型大都基于大坝变形监测数据的非线性特点进行构建,而忽略了监测数据还具有趋势性和周期性的线性特征.提出了一种大坝变形预测模型,通过采用布谷鸟搜索算法(CS)对长短期记忆人工神经网络(LSTM)进行优化,再基于物联网传感器的实时监测数据,使用局部加权回归的周期趋势分解方法(STL)将数据分解成趋势分量、周期分量和余项分量,采用优化后的LSTM模型对趋势分量和余项分量分别进行预测,并通过简单周期估计方法进行计算,将3个分量的预测结果求和后得到最终变形预测结果.试验选取浙江利山水库开展变形预测研究,结果表明：STL-CS-LSTM模型的水平和沉降变形预测精度都高于其他模型,水平位移预测精度由高到低依次为LSTM模型、支持向量回归模型SVR和人工神经网络模型ANN,沉降预测精度由高到低依次为ANN模型、LSTM模型、SVR模型.     

烟台地区水面蒸发BP神经网络模型研究

运用BP神经网络模型对水面蒸发进行研究,并与多元线性回归和主成分回归2种方法的拟合结果进行比较。结果显示,多元线性回归各参数均通过t检验,拟合较好;主成分回归中,参数b2未通过t检验,拟合效果不如多元线性回归好。BP神经网络模型、多元线性回归、主成分回归建立的水面蒸发量观测值与拟合值的回归方程中决定系数分别为0.8986、0.7993、0.7984。应用BP神经网络进行分析,相对误差小于10%的样本个数超过总样本个数的40%,相对误差不超过30%的样本个数接近80%;而其它2种方法相对误差大于10%的样本个数超过总样本数的80%,相对误差大于50%的接近总样本个数的30%。可见,应用BP神经网络模型进行水面蒸发量计算,远优于其它2种方法,应用此方法进行水面蒸发量的预测是非常理想的。     

基于IEA的需水预测投影寻踪模型研究

需水预测是一个由城市人口、工业水平、社会经济水平共同作用的多因素、多层次的复杂非线性系统,其结果将直接影响受区域水资源承载力约束的产业结构、布局形态等决策。PP方法通过投影将高维数据转换为低维数据,克服了维数祸根问题,能在一定程度上解决分类、函数逼近和时间序列预测等问题。将PP方法引入需水预测领域,建立了需水预测PP模型。同时,将免疫进化算法和PP耦合起来,简化了参数优化运算。在珠海市的应用实例表明:PP模型较好地解决了高维非线性和非正态问题,在需水预测中有较强适用性。     

遗传算法优化神经网络的坡面入渗产流模型

引入遗传算法优化BP神经网络权重和阈值的方法建立黄土坡面产流入渗模型.模型以雨强、降雨历时、表层40 cm土壤前期含水量、坡度值为输入项,径流量、入渗量为输出项,用实测资料对网络进行模拟和预测.模拟结果平均误差6.32%和1.93%,预测结果平均误差为5.71%和1.92%.并与传统BP神经网络模型和定雨强Philip...     

基于信息分解条件的滑坡变形预测

[目的]有效掌握滑坡变形规律,实现对滑坡变形的高精度预测.[方法]基于滑坡现场变形监测成果,先利用优化经验模态实现其变形数据的信息分解,再利用优化径向基神经网络和马尔科夫链完成滑坡变形的分项组合预测;最后,利用季节性Kendall检验判断滑坡变形趋势,以验证预测结果的可靠性.[结果]经验模态能有效分解滑坡变形信息,且通...