WRGIM（1）模型参数辨识方法及其应用

提供了带有残差修正的ＧＩＭ（１）模型参数的辨识方法。结果表明，该方法具有简便易行，预测精确的特点。     

GM（1,1）模型参数辨识新法及其应用

介绍了ＧＭ（１，１）模型参数的辨识方法，并应用该方法进行了某地ＣＯＤ排放量时间序列的ＧＭ（１，１）建模。结果表明，这种方法等价，等效于传统建模方法，具有简便易行、预测精度高的特点。由于其简捷、高效，而显示出这种方法独特的优越性和广泛的实用性。     

某离心机模型辨识与仿真

目的辨识某离心机的加速度控制模型,并开展控制系统仿真和优化。方法实测某离心机运行时的转速、电压、电流等,对保载和加速状态的电流进行拟合,进而分析保载阻力、等效转动惯量等模型参数。建立离心机加速度控制系统Simulink仿真模型,进行仿真试验。结果基于辨识的模型参数进行仿真的结果与真实系统试验的结果很接近,为控制系统优化、各种试验能力和误差预估提供了可信的模型。结论采用的辨识方法可行,辨识的参数正确,离心机仿真模型运行快速正确,可供相关离心机辨识和仿真参考。     

基于灰色神经网络的腐蚀损伤模型

为在小样本情况下对腐蚀损伤进行预测,结合灰色系统与神经网络,提出了灰色神经网络模型,利用该模型对已知腐蚀损伤数据进行了预测检验。为对比研究,同时采用灰色系统与神经网络方法预测了损伤值。结果表明,3种预测模型中,灰色神经网络预测精度最高,能够满足工程使用要求。     

神经网络模型用于数值水质模型逼近的适用性及非敏感参数的欺骗效应

水质模型被广泛应用于水环境管理和决策,但却面临着计算时间和模型应用效率等多方面的问题;利用函数映射和逼近等方法来建立水质模型的输入-输出响应关系,可有效减少计算成本并显著改善模型效率.水质模型的输入-输出响应函数关系有多种形式,本文以其中的2种为例,并分别基于2个水质模型(零维总磷模型、WASP/EUTRO5)的案例,分析和验证了神经网络模型在响应关系逼近中的适用性.案例的结果表明:神经网络函数可以有效地用于水质模型输入-输出响应关系的逼近;当网络规模超出阈值大小时,神经网络函数逼近的准确度和泛化度对网络规模不敏感.在案例研究的基础上,推导和讨论了在神经网络模型函数映射过程中所可能出现的非敏感参数的欺骗效应,以及可能由此导致的过度预测或过低预测问题;并建议在神经网络函数逼近中,应只包含水质模型的敏感参数,以防止降低神经网络模型的准确度.     

基于神经网络模型的水质监测与评价系统

对水环境的监测与评价，可以掌握水质现状及其发展趋势，为水资源的开发利用和管理提供科学依据。水质评价是建立在水质监测基础之上的。首先结合我国水环境监测技术规范与标准，合理地选择监测项目与监测仪器，建立水质监测系统。然后在水质监测所获数据基础上，运用人工神经网络的理论和方法，通过BP网络不断的学习与训练，归纳出评价标准与评价结果间复杂的非线性关系，建立水质评价的BP神经网络模型系统。经实际应用表明，该系统具有很强的学习、联想和容错功能。为水质监测与评价提供了一条新的途径。     

神经网络模型在混凝效果预测中的应用现状及展望

受原水水质、水力条件、混凝剂种类及混凝剂投加调控机制等诸多因素影响,混凝处理效果与混凝剂投加量之间往往呈现复杂的非线性关系.传统研究着眼于混凝机理、混凝剂特性及混凝过程水质、絮体信息采集与投药调控等方面,尚未能构建基于全混凝操作流程的、用以实现混凝效果预测的普适性理论.神经网络模型因其具有强大的学习能力,近年来在混凝效果预测研究领域中受到了广泛的关注.本文通过对混凝效果预测算法研究历史进行回顾与分析,总结神经网络模型在混凝效果预测中的研究现状和脉络,深入分析不同数据来源与数据格式的优缺点,从实验装置、水质参数、投加控制和数据时序性、混凝剂构效研究与产品技术开发等方面,展望神经网络模型在混凝效果预测中的未来研究方向.     

基于BP神经网络的高校校园安全评价模型及其应用

本文将人工神经网络应用于高校校园安全评价中,建立了采用LM算法的三层BP神经网络高校校园安全评价模型,并参考国内对校园安全评价的研究成果,建立了校园安全评价指标体系,通过专家打分获得训练样本,用trainlm训练函数训练网络进行实例分析,其评价结果与实际一致,验证了该评价模型的适用性.该模型可以利用已有的比较成功的校园...     

基于MATLAB的BP神经网络模型在漠阳江水质评价中的应用研究

为提高水质评价的准确性,基于MATLAB及人工神经网络理论,采用误差反向传播的BP算法建立漠阳江水质评价模型,充分利用神经网络的非线性映射特性,取7项常规地表水水质评价指标对漠阳江水质进行评价,并将BP神经网络评价结果与单因子评价法及综合指数法的评价结果进行比较,网络运行结果表明一致效果良好.同时较传统的水质评价方法,该网络具有较高的识别精度,提高了水质评价等级的准确性,使评价的结果更具有科学性.     

基于SOM-SVM组合分类器的涂层防护性能研究

目的为避免EIS,EN技术可能出现的问题,建立一个准确、高效的评价模型,以探究现役军用有机涂层防护性能。方法利用电化学阻抗谱(EIS)、电化学噪声(EN)技术分析了两种军车有机涂层在循环暴露试验中的腐蚀行为,提取低频阻抗模值|Z|_(0.1 Hz)与涂层噪声电阻R_n两种电化学评价参数作为自组织神经网络(SOM)的输入训练样本,同时结合支持向量机(SVM)方法建立涂层防护性能组合分类器。结果将涂层失效过程自适应地分为涂层防护性能良好、防护性能下降、基本失效三个阶段。结论所建立的SOM-SVM组合分类器对于辅助分析涂层防护性能具有可行性。     

神经网络模型在环境现状评价中应用研究

人工神经网络技术具有很强的非线性映射能力和并行性、自适应、容错性及自学能力,已广泛应用于包括环境在内的多学科领域。文章将人工神经网络技术应用于环境影响评价中,通过案例研究用人工神经网络解决环境评价中的问题。以山西吕梁地区环境影响评价为案例,选择人工神经网络中的BP网络,径向基网络和自组织竞争网络等三种网络模型对其进行环境影响现状评价,并对评价结果作对比分析,通过网络设计、网络训练和模拟,结果说明BP神经网络模拟结果比其它两种方法更贴近环境质量现状。同时对不同参数选取得到的结果进行分析,并经过网络参数的不断调整提高评价结果的精度,总结出各种神经网络模型在环境评价应用过程中参数的选取方法。尝试用神经网络解决环境评价中的问题,使环境工作中的方法技术更科学。     

基于BP神经网络的空气污染指数预测模型研究

BP神经网络已成为研究空气污染预测的有效工具之一。文章利用近十年北京市地面气象观测资料和空气污染指数数据,通过BP神经网络技术构建了不同季节的空气污染指数预测模型,对北京市空气污染指数进行了预测。通过相关系数分析法,对比分析了预测结果与实际监测结果,研究结果表明:春、夏、秋、冬季的预测值与监测值线性相关系数分别为0.81、0.84、0.89、0.85。北京春季常伴随有沙尘天气,而文章并没有考虑沙尘天气对预测模型的影响,因此春季BP神经网络预测精度在四季中最低,其预测值与监测值的线性相关系数为0.81。由于秋季不同空气质量级别的数据都有较多分布,因此该季节构建的网络更具有代表性,其预测精度在四季中最高,预测值与监测值的线性相关系数高达0.89。总之,BP神经网络模型对于北京空气污染指数预测是行之有效的。     

垃圾渗滤液生物处理系统BP人工神经网络模型

垃圾渗滤液成分复杂,变化范围大．对其调试及长期持续良好运行存在较大困难。本文针对武汉市二妃山垃圾渗滤液的调试运行数据,利用人工神经网络原理,建立BP人工神经网络垃圾渗滤液生物处理模型来预测处理效果．确定最优反应条件。实验结果显示网络具有良好的收敛特性,模型具有工程实用价值。     

基于BP神经网络的安全评价方法研究

阐述了BP神经网络的基本原理,利用机会约束的思想建立了综合安全评价模型．运用反向传播算法和遗传算法对神经元网络进行训练,在此分析基础上对系统综合安全评价模型进行求解,并对运用神经元网络进行综合安全评价的优点进行了分析。     

基于RBF网络的火灾探测信号处理算法研究

本文通过建立火灾探测信号处理的RBF网络模型,并与通常的BP网络模型和期望结果进行对比,结果表明:在进行火灾探测信号处理中,RBF网络可避免BP网络的局部极小以及收敛速度慢等缺点,在精度、训练速度等方面均优于BP网络。该研究为处理火灾探测信号等非结构问题提供了一种行之有效的方法。     

人工神经网络在环境科学中的应用研究

以B-P网络为例介绍了人工神经网络模型的应用原理。以开拓人工神经网络在环境科学中的应用范围为目的,综述了几种常用神经网络模型在环境预测与评价2方面的应用性能。结果表明:人与环境关系的科学量度是多方位、多因素的非线性模糊问题,而人工神经网络模型具有解决该类问题的独特优点。针对不同环境问题,优选模型,开拓人工神经网络方法在环境科学中的应用范围,为环境问题的解决提供新的技术手段。     

基于神经网络评估的密封点泄漏检测

介绍了运用神经网络评估方法对石化生产装置泄漏风险进行量化评估的主要程序：输入变量的选择、风险指标的确定及总风险评估指标的确定等。以某炼油厂柴油加氢精制装置的应用为例,说明该方法可以指导企业根据最终确定的风险等级制定泄漏检测计划,对高风险部位增加检测的频次,既能有效监控密封点的密封效果,又减少不必要的资源投入。