火电厂干灰湿排系统结垢影响因素与结垢预测的人工神经网络方…

通过对几个电厂灰水试验研究，导出了干灰湿排灰水系统结垢主要影响因素，本文以试验研究为基础，提出了联合梯度算法，首次用人工神经网络方法对灰管结垢预测进行了探讨，为水质预测提供了一条新途径。     

煤体注水湿润半径预测的神经网络模型

合理的注水半径一直是煤体注水防尘技术中难以确定的参数。笔者基于对影响煤体注水半径因素的分析和神经网络理论的原理之上 ,设计网络模型为 3层 ,输入层为 7个节点 ,应用BP网络算法 ,建立了煤体注水湿润半径的预测模型 ,并对其参数进行了讨论。然后 ,用平顶山矿务局和水城矿务局 13个矿 19个回采工作面的统计资料对BP网络进行自适应学习 ,并取η =0 .9,α =0 .82 ,控制网络总误差E≤ 10 6。经过 2 12 34次迭代后 ,网络趋于稳定。用训练好的网络对平顶山矿务局的某矿的 3层煤的注水湿润半径进行预测 ,预测结果与实测值很接近。其误差分别为 0 .5 %,0 .6 %和 0 .7%。     

提高交通安全——实现智能汽车的研究

主要介绍了通过智能汽车的研究 ,提高城市交通安全的必要性 ;综述了发达国家关于智能汽车研究的现状与趋势 ,并通过国外智能汽车发展的趋势 ;进一步论证智能汽车的研究是汽车工业发展的方向 ,也是提高交通安全的重要手段之一。此外 ,论文提出利用模式识别技术的智能汽车的结构框架 ;指出神经网络方法应用与模式识别技术结合的优势。最后 ,论文在阐述我国需要发展智能汽车的同时 ,提出应结合中国国情相应研究相关理论 ,为今后的实施奠定基础的近期目标 ,并提出展望     

两种定性天气预报模型的对比分析

以南京１９６５～１９９４ 年４ 月平均气温作为预报量, 选取前期５００ ｈ Ｐａ 月平均高度场相关因子, 分别建立了事件概率回归预报模型和神经网络预报模型。通过对比分析发现, 在同等条件下,由于神经网络方法能更好地反映预报量与预报因子间的非线性关系, 并能有效避免采用事件概率回归方法预报建模时, 对预报因子分级造成信息损失的缺点。因此, 其拟合和预报效果明显优于传统的概率回归预报方法     

改进BP算法在煤与瓦斯突出预测中的应用

为了正确预测煤与瓦斯突出的趋势与危险性 ,基于反向BP神经网络 ,笔者提出了一种改进的BP网络模型 :为了加快BP网络的收敛速度 ,增强其跳出局部极小点的能力 ,采用了自适应变步长法和改进模拟退火法 (SA法 )相结合的方法。实际应用表明 ,该模型收敛速度快 ,准确性高 ,具有较高的可靠性和实用性 ,是一种十分有效的煤与瓦斯突出危险性预测方法。     

深水平台施工过程自然风险定量评估

在分析现有风险理论的基础上,结合海洋施工实际,提出了一种对海洋施工自然风险进行定量评估的模型。根据目标系统各风险事件与影响因素之间存在高度非线性复杂映射的特点,提出了利用BP神经网络拟合方法,对主要风险事件发生概率进行量化的模型。针对传统的梯度下降优化算法收敛速度慢的特点,采用可避免计算Hesse矩阵的Levenberg-Marquardt算法来训练神经网络。这一模型可以模拟专家评价,并准确地按照专家的评定法则进行估算,具有一定的通用性。     

低周荷载下型钢混凝土柱抗剪性能智能分析

为了研究型钢混凝土短柱的抗震性能，通过21根SRC柱在低周反复荷载作用下的剪切黏结破坏试验结果，在利用灰色关联理论进行模型输入变量选择的基础上，建立了其基于改进神经网络模型的受剪承载力分析模型，进而研究了混凝土抗压强度、腹板宽度、轴压比及箍筋间距等因素对SRC柱抗剪能力的影响规律，并对SRC柱的受剪承载力进行了预测。结果表明，所提方法能够反映受剪承载力与影响因素间的非线性变化规律，可供SRC柱在低周往复荷载作用下的受剪承载力分析参考。     

西安f7地裂缝发展变化的预测研究

论文首先分析和总结了影响西安地裂缝发展变化的主要人为因素。随后,利用三维非稳定渗流分析方法研究了人类活动对地下水位的影响;根据西安市新增固定资产投资的变化,预测了地面荷载的变化;以时间、地下水位和地面荷载为基本变量,建立了预测f 7地裂缝活动趋势的BP神经网络模型;最后,借助MATLAB语言进行编程,利用训练稳定的网络模型,预测了f 7地裂缝的活动趋势以及年平均的垂直位移沉降量,为进一步研究西安地铁2号线安全运行和防护提供参考依据。     

边坡变形时序非线性判定及混沌预测研究

以探讨边坡变形性质及混沌预测可行性为目的,基于混沌理论利用相空间重构技术对其变形时间序列进行混沌特征判定,试验显示变形系统具有混沌特性,可用混沌相关理论进行研究;基于混沌相空间重构技术,笔者构建了多种混沌预测模型进行混沌预计研究,分析各类模型的工程实际应用效果;针对单次监测时序预测精度较低的问题,提出累加时序预测方案,训练结果显示,短期预测精度变形累计值基本控制在5%以内,高程值预测相对误差均低于1%,预测精度较高,可以用于工程实际。     

基于BP神经网络的苯储罐泄漏事故风险评价模型研究

为了在事故发生之前对苯储罐进行风险评价，提出1种基于BP神经网络的泄漏事故风险评价方法，利用该方法构建了苯储罐的风险评价模型，并对模型进行了训练及验证。研究结果表明:BP神经网络成功完成了建模任务，且模型训练结果较好，可利用基于BP神经网络所构建的苯泄漏事故风险评价模型对苯储罐发生泄漏事故的风险进行评价。