挑流泄洪雾化的人工神经网络模型

以BP神经网络为基础，研究建立了挑流泄洪雾化神经网络模型，并用网络模型模拟了漫湾水电站的泄洪雾化。通过比较表明，人工神经网络在挑流泄洪雾化研究中是可行的，并具有明显的优势。     

灰色聚类法和人工神经网络在水质综合评价中的比较

探讨了两种水质综合评价方法：改进的灰色聚类法和人工神经网络法。通过采用增加训练样本和黄金分割的隐合层节点优化算法建立了人工神经网络模型,将两种水质综合评价方法进行了比较,结果表明：改进的灰色聚类法计算量较大,主观性较强,评价结果稳定。BP人工神经网络进行水质综合评价具有客观性,但网络训练较为繁琐,通过插值生成训练样本,极大地增强了网络的稳定性。但扩充后的训练样本,不能代表复杂的水质实况,使评价结果受到一定影响。     

基于数字孪生技术的平面渔网破损检测方法研究

为防止渔网破损造成养殖鱼类逃逸,有必要对网衣进行破损检测。为了克服人工检测劳动强度大且效率低下的缺点,实现渔网的精准实时监测,本研究提出了一种基于数字孪生的网衣破损检测方法,可利用传感器代替人工监测。该方法首先从渔网的数值仿真模型获取大量的仿真传感数据,然后将数据用于人工神经网络的训练与测试,最后生成可进行网衣破损识别的数字孪生体。数字孪生体可根据传感器监测到的数据来判断网衣是否发生破损。在数值模拟中,考虑各种波浪条件以及网衣的破损情况。在训练人工神经网络中,将有效波高Hs、谱峰周期Tp以及横纲竖纲的拉力值作为输入变量,将网衣完整状态以及破损状态作为输出。经过测试分析,该识别模型根据传感器数据识别网衣是否破损的平均准确率为94.32%,由此可见,数字孪生技术能准确检测到渔网的损坏,可以作为网衣破损检测的一种新方法。     

基于遗传神经网络的苹果综合分级系统

充分利用计算机视觉和人工神经网络技术 ,建立了一个苹果综合外观品质检测与分级系统 ,实现了对苹果的正确分级 ,正确识别率可达 90 .8%。还借助于遗传算法对 BP网络进行设计 ,提高了其学习速度。     

基于ANN的轴流脱粒与分离装置性能指标预测

影响水稻轴流脱粒与分离装置性能指标的因素很多,并且它们之间存在着复杂的非线性关系,用传统方法很难对其进行准确预测。神经网络算法简单、学习收敛速度快、具有线性、非线性逼近精度高等特性。本文以正交旋转组合实验获得的数据作为样本,对人工神经网络(ANN)模型进行训练学习,利用训练后所得到的模型,对性能指标进行了预测。结果表明,网络预测值与实测值之间具有很高的相关性和精确度,为机械性能指标研究提供了一定的理论辅助手段。     

基于支持向量机的面向对象软件可维护性预测

以面向对象软件的度量准则作为预测因子,以维护期间所修改的代码函数作为可维护性,运用支持向量机回归原理,构造了面向对象软件可维护性预测模型.为了评价模型的性能,同时构造人工神经网络模型.在R软件环境下仿真,通过误差的可视分析和RMSE分析知,SVM模型预测面向对象软件可维护性具有较好的性能,效果明显优于ANN模型.     

新疆精河县大农业系统能值利用情景预测(Ⅰ)——系统能值利用基本情况分析

以新疆精河县大农业系统为研究对象,从能值角度出发,利用1990—2007年精河县已有的大农业系统能值利用数据,采用BP人工神经网络(ANN)方法预测了2008—2013年后续6年系统的能值利用情况.结果显示:预测的6年中,系统的能值自给率(ESR)、能值投资率(EIR)和环境负载率(ELR)都较前面18年的实际值表现出大幅度的波动.在预测的2008—2013年中,精河县大农业系统对可更新环境资源能值部分利用程度先是小幅增加,然后从2010年开始比例又大幅缩小,致使最终给系统造成不断增加的能值投资比率和持续加重的资源环境负载.     

基于BP人工神经网络的区域生态安全预警——以甘肃省为例

结合预警理论,建立了区域生态安全的"状态-胁迫-免疫"(State-Danger-Immunity,SDI)动态预警模型。运用BP人工神经网络对甘肃省1997—2009年生态安全进行定量评估,并对2010—2015年生态环境安全进行动态预警。研究表明:(1)BP人工神经网络模拟效果较好,将其用于生态安全预警研究是可行的;(2)甘肃省1997—2009年的生态环境从"较安全"状态到"较不安全"状态,呈逐渐下降的趋势;(3)预警结果显示,甘肃省2010—2015年生态环境愈加恶化,人均工业废气排放量、人均耗能量、工业固废利用率及环境污染治理投资不足将成为影响甘肃省生态安全的主要因素。     

基于人工智能的木材缺陷检测研究进展

木材缺陷检测是木制品加工前的重要步骤,为了提高检测效率和经济效益,木材缺陷检测也从传统的人工方法向智能化方向转变。随着计算机技术的不断提高,人工智能得到快速发展,人工智能在木材缺陷检测中的应用也进一步增加。目前,人工智能主要通过机器学习、人工神经网络、深度学习等算法实现对木材缺陷的预处理和检测。文中阐述部分常用人工智能算法在木材缺陷检测中的应用,包括相关算法的原理、特点;综合分析算法优缺点,并对人工智能技术在木材缺陷检测中的研究进行了展望。     

雷公藤提取农药用总生物碱工艺的优化(简报)

为杀虫活性物质雷公藤生物碱的产业化开发利用奠定基础,以雷公藤根皮中总生物碱提取率为评价指标,综合考察pH值、提取时间、乙醇浓度、固液比和提取次数5个关键因素的影响,以L16(45)正交试验设计优选了雷公藤总生物碱的提取工艺条件,并利用人工神经网络进行仿真、评估和优化,最终获得了雷公藤根皮中总生物碱的提取优化工艺:根皮粉细度30目,pH2.5,固液比1︰10,乙醇浓度65%,提取时间2h,提取2次。该优化工艺条件不仅可减少成本,降低能耗,而且使雷公藤总生物碱提取率略有提高,在实际生产中具有较好的应用价值。