基于贝叶斯正则化BP神经网络的砂土地震液化研究

砂土地震液化的影响因素具有高度的非线性关系,而神经网络在处理非线性问题上具有其独特的优越性.本文在探讨输人层模式的选择以及砂土液化影响因素的基础上,采用改进的贝叶斯正则化方法和"提前停止"算法建立了砂土地震液化预测模型,通过实例计算和模型评价,表明本模型的计算结果与规范法、改进的Seed简化法以及基于传统BP网络算法的...     

基于腐蚀损伤表征因子的疲劳寿命衰减影响研究

应用MIT（Mean Impact Value）方法对LY12CZ铝合金试件疲劳寿命产生影响的腐蚀损伤表征因子进行筛选,得到了对疲劳寿命衰减影响较大的5个腐蚀损伤表征因子。定义了腐蚀疲劳寿命累积衰减函数与疲劳寿命衰减速率函数,建立了寿命累积衰减模型,验证了该模型的准确性,并以腐蚀损伤表征因子和腐蚀累积衰减函数为数据样本,用BP神经网络、自适应滤波的LMS算法分别预测了不同年限下的疲劳寿命。与实验测得的疲劳寿命数据对比后得出,BP神经网络、LMS方法计算产生的误差在工程上可以接受。     

广义回归神经网络预测天津城市用水量

通过对1991—1994年、1996～1999年、2001～2004年、2006—2007年天津城市年用水量相关的历史数据进行分析,利用广义回归神经网络进行训练和拟合,用1995年、2000年、2005年的实际数据进行模型检验,结果证明了广义回归神经网络用于城市年用水量预测的有效性和可行性。     

神经网络模型在O_3浓度预测中的应用

O3是近地面大气中一种重要的二次污染物.本研究采用神经网络多层感知器（Multi-Layer Perceptron）和多元线性回归2种模型,以广州万顷沙站2006年的气象观测数据为输入,对该站O3的1 h平均峰值浓度进行提前1 d的预测,并比较了2种模型的预测效果.模型的输入参数为前1d O3的最高1h平均浓度和第二天...     

太原市PM2.5浓度的气象特征影响分析及预报

利用2016～2020年太原市污染物浓度资料、以及国家基准气象观测站的同期地面气象资料,重点分析了太原市PM_2.5浓度的变化特征以及湿度、降水、风和混合层厚度等气象条件对PM_2.5浓度的影响,同时探讨了污染物浓度变化的成因,建立基于LSTM神经网络的PM_2.5浓度预报模型.结果表明,2016～2020年太原市区冬季出现的重污染天数最多,其中2017年冬季出现天数最多为28 d, PM_2.5浓度总体呈现出秋冬季节高,春夏季节低,周末PM_2.5浓度高于工作日浓度,PM_2.5浓度日变化大致呈现双峰型分布,分别出现在09:00左右和23:00至翌日01:00.除相对湿度和冬季气温外,其余气象要素与PM_2.5浓度在四季均表现为负相关.影响太原市区PM_2.5浓度升高的污染源主要位于其NE-ENE-E方向,西北部地区的相对不明显.汛期当达到中雨(降水量≥10 mm)以上级别的降水都对PM_2.5浓度降低有明...     

面向GF-1WFV数据的闽江下游叶绿素a反演模型研究

叶绿素a浓度是可直接遥感反演的重要水质参数之一,常用来评价水体的富营养化程度.为建立适合于闽江下游叶绿素a浓度的反演模型,利用地面采样数据,结合GF-1 WFV光谱响应函数,选用多元回归、BP神经网络和随机森林方法,构建了叶绿素a浓度反演模型;并根据验证数据与实测值之间的决定系数(R~2)、均方根误差(RMSE)和平均相对误差对模型反演结果进行了比较.结果发现,随机森林模型的R~2为0.895,RMSE为1.994 mg·m~(-3),平均相对误差为11.502%,是3种模型中最优的.为了评估模型的性能,进一步比较了WFV影像像元反射率反演的叶绿素a浓度值与相应的实测值.结果表明,随机森林模型同样具有较高的精度,其R~2为0.709,RMSE为3.540 mg·m~(-3),平均相对误差为25.616%.本研究可为闽江下游水环境的监测提供一定的理论依据和技术参考.     

乡镇尺度下河流生态系统健康评价:以宜昌市良斗河为例

为探明乡镇尺度下河流健康状况,采用层次分析法、BP神经网络和赋分法评价良斗河河流健康程度。健康等级评价结果表明:全流域8个样点中,有50%的样点为Ⅰ级,37. 5%为Ⅱ级,12. 5%为Ⅲ级。健康状况较好的样点主要分布在河流上游,随径流河流健康状况逐渐变差,良斗河河流生态系统健康状况具有较强的空间异质性。单因子评价结果显示:引起各乡镇河段生态系统健康状况变化的主要因素各不相同,水环境指标的影响最为突出,是良斗河健康评价中必不可少的指标类型。     

基于卷积神经网络的乙烯球罐泄漏检测研究

乙烯球罐泄漏会对安全生产造成严重威胁。为了解决泄漏初期不易检测到的难题,研究应用卷积神经网络进行自动泄漏识别的方法。以不同角度下的正常工况和泄漏工况的场景图像作为训练对象,搭建基于卷积神经网络的识别模型,研究确定采用最大池化法和ReLU激活函数的网络设置,可使网络性能达到最优。测试结果表明,本文提出的方法和模型能有效实现乙烯球罐泄漏的自动检测。     

BP神经网络与Sugeno模糊积分融合 的转子系统故障诊断

目的针对BP神经网络对转子故障诊断方法存在的局限性,提出一种融合Sugeno模糊积分和BP神经网络的转子故障轴心轨迹识别诊断方法。方法首先利用轴心轨迹图像的不变矩为特征向量,提取常见旋转机械转子故障特征,随后利用多个BP神经网络对故障类型进行识别,最终采用Sugeno模糊积分对BP神经网络识别结果进行决策,从而构建转子故障诊断模型,并应用于转子系统故障的诊断。结果通过机械故障仿真模拟实验平台采集了6种常见转子系统故障信号,利用matlab2012a软件编程建模仿真处理,试验表明,该模型有效地提高了转子系统多类别故障的识别正确率。同时,该方法对同一故障类型识别所需样本少,大大节省了数据获取和处理的时间。结论该方法提出并用于转子系统故障诊断中,诊断准确性高,可靠性强,利用样本数据量少,节约时间,对小样本数据的故障诊断有着良好的效果。     

基于遥感技术的贵州省PM10浓度年际变化监测与分析研究

文章选取MODIS数据,利用暗像元算法反演得到气溶胶光学厚度,利用BP神经网络算法通过网络训练和验证,得出PM10浓度遥感监测模型。利用该模型反演得到贵州省2014年3、7、10、12四个典型月份的PM10浓度值。结果表明模型训练和验证PM10浓度模拟值与实测值相关性系数（r）分别为0.76和0.62,利用此模型监测贵州省PM10近地面浓度是可行的;贵州省夏、秋季PM10浓度较低,春、冬季PM10浓度较高;贵州省的PM10浓度整体较低,空气质量较好。