基团贡献法对取代苯类化合物生物降解性的预测

测定了 47种取代苯类化合物在松花江水中的 5日生化需氧量 (BOD5) .分别采用线性基团贡献法和非线性基团贡献法(人工神经网络法 )对化合物的生物降解性BOD5 ThOD(ThOD :理论需氧量 )进行QSBR研究 .得到不同基团对生物降解性的贡献为 :C6H5>COOH >OH >CH3 O CH3 >NH2 >Cl >NO2 .线性基团贡献法对于训练组和测试组的定性预测正确率分别为72 %和 86 % ;而人工神经网络法的预测正确率分别为 92 %和 86 % .预测结果表明线性和非线性基团贡献法的预测效果都很好 ,相比而言 ,非线性方法对生物降解性的预测更准确     

利用神经网络及数值模拟获取变压边力控制曲线

在应用Dynaform、Autoform等板料数值模拟软件的过程中 ,通常需要对压边力施力曲线进行各种预先的设定 ,但如何选定施力模式一直是一个比较棘手的问题 ,在文中利用数值模拟及MATLAB中的神经网络工具箱得出了压边力的最优控制曲线     

BP人工神经网络预测邻苯二甲酸酯光化学降解

将反向传播人工神经网络（BP－ANN）用于邻苯二甲酸酯类化合物的光化学降解的预测中，选取正交设计的试验点作为反向传播人工神经网络的训练集，实现对全实验域试验点的预测，并与实测的试验数据比较。结果表明反向传播人工神经网络（BP－ANN）具有良好的预测能力。     

活性污泥系统动力学模拟方法的综合分析

活性污泥法的应用现状和污水中氮磷排放标准的日益严格，使得传统数学模型已满足不了目前的要求，需要对活性污泥系统复杂的动力学规律进行有效模拟。文章在综合分析活性污泥动态模型国内外研究现状的基础上，介绍了3种占主流地位的模型：活性污泥数学模型、神经网络模型和混合模型。这3种模型在污水处理的设计、运行控制和工艺优化等方面各有其独到之处。     

BP神经网络在降水酸度预测中的应用

本文利用南昌市城市大气中SO2、NOX、TSP等浓度数据及降尘数据建立了BP神经网络的降雨酸度预测模型，结果表明：BP神经网络的预测模型不仅能较好地反映致酸因素与降水酸度的相互关系，而且预测精度也高于多元回归等模型。     

基于人工神经网络的行业无害化生产能力评价模型研究

利用BP前向人工神经网络方法 ,建立了一种全新的基于人工神经网络的行业无害化生产能力评价模型 ,该模型采用动量梯度下降反向传播和学习速率自适应调整相结合的训练学习算法。最后 ,以造纸及纸制品业为例 ,对中国各省市造纸行业的无害化生产能力进行评价 ;并进一步分析中国各省造纸行业无害化生产能力的时空分布规律 ,为我国行业规划、布局决策提供科学依据。     

BP网络应用于大气环境监测点的优选

为了对大气环境监测点进行优化选择 ,以大气质量分级标准为训练样本 ,构造BP网络进行训练 ,用训练好的BP网络对某地的大气环境监测采样点进行了优选 ,并与物元分析法优选结果进行比较。结果表明 ,BP网络用于环境测点优选具有较好的客观性和应用性     

空气质量降维B—P神经网络评价法及其MATLAB实现

用主成分分析将多维空间的样本数据降维到低维空间，将其作为BP网络的输入。BP网络的算法采用LM优化法。描述了该网络的MATLAB语言实现过程。     

应用BP神经网络预测嵌岩桩竖向承载力的研究

利用BP神经网络,建立了嵌岩桩竖向承载力预测的BP神经网络模型,采用嵌岩桩竖向承载力的实验数据对网络进行了训练,并以此训练好的BP神经网络对嵌岩桩承载力进行了预测。预测结果表明,该模型具有很高的预测精度,为预测嵌岩桩承载力提供了一种新的方法。