模糊神经网络的理论与应用

基于环境保护和资源利用的需求,提出利用模糊神经网络的控制方法来解决实际中遇到的问题.在此重点探讨了模糊控制和神经网络的各自特点以及共同点;综合分析了模糊系统和神经网络结合的3种方式,讨论了他们各自的特点以及模糊神经网络在工业控制及工业对象建模中的应用.     

基于神经网络的尘肺病预测模型研究

针对尘肺病对人体的危害这一现实,本文通过建立神经元网络模型,开发了神经元网络预测系统,利用预测模块对获得的尘肺病发病数据进行了学习并以此形成了稳定的预测模式,以某矿尘肺病发病情况为例进行了评价;结果表明神经元网络模型克服了传统预测模型须建立函数的难题,且预测精度较度,具有重要理论与实际应用价值.     

用ART2神经网络方法进行结构的损伤识别

用ART2神经网络方法对建筑结构的损伤进行了识别 ,实验证明该方法的识别精度高 ,具有自动从环境中学习的能力 ,对未知的损伤 ,ART2网络将能自动地给出新的识别输出 ,即对未知的损伤类型也能够进行识别     

基于随机森林与神经网络的高光谱土壤重金属Zn含量反演

在河北省保定市白洋淀区域采集115个土壤样品进行重金属含量分析和室内光谱测量,分别将BP神经网络、随机森林、决策树、多元线性回归、K近邻回归、AdaBoost回归和偏最小二乘回归法应用于全部原始波谱数据和基于双层随机森林选择后的波段数据。结果表明,基于原始波谱数据的土壤重金属Zn元素含量的反演模型精度较低,而通过双层随机森林选择出光谱数据中与土壤重金属Zn信息相关的波段,减轻了网络模型的过拟合问题,提高了模型预测精度;与其他模型比较,结合双层随机森林和BP神经网络构建的反演模型对研究区土壤重金属Zn含量预测效果最佳。     

基于知识的管道系统泄漏检测方法

提出了3种基于知识的管道系统泄漏检测方法,分别是:通过对负压波波形分段符号化处理,采用上下文无关法表示波形结构模式的模式识别诊断系统;以选取合适维数的功率谱特征向量而建立的神经网络泄漏检测系统;与泄漏机理数学模型结合的泄漏诊断专家系统。     

横向滑坡下埋地管道力学响应规律及神经网络预测研究

为研究横向滑坡作用下埋地管道的力学响应,采用自主搭建的埋地管道滑坡试验装置开展不同滑坡范围下的横向滑坡埋地管道力学特性试验,并建立工程尺度的埋地管道滑坡模型,通过改变相关参数开展数值模拟。研究结果表明：大范围横向滑坡下,管道最大应力位于管道中部附近,随滑坡范围增加,管道最大应力位置逐渐远离管道中部;通过BP神经网络预测模型得到横向滑坡下埋地管道最大位移、最大轴向拉应变和最大轴向压应变。研究结果可为快速评估横向滑坡下埋地管道安全提供指导。     

基于BP神经网络模型的矿井通风可靠性研究

在MATLAB7．0神经网络工具箱的基础上,通过采用快速的Levenberg-Marquart算法。提高神经网络训练的速度与精度,实现矿井通风系统可靠性的研究和预测。旨在以一种相对简单的途径实现人工神经网络这种复杂而有效的非线性预测方法。实验结果显示了L—M算法的优越性,网络具有良好的收敛特性。     

乡镇生活污水溶解氧浓度模糊神经网络PID控制系统研究

在乡镇生活污水处理的好氧阶段,溶解氧浓度控制是非常重要的过程,具有滞后性和多干扰等特点,传统控制策略因控制精度较低和自适应能力差而难以满足要求。设计了基于模糊神经网络PID算法的溶解氧浓度控制方案,并在MATLAB中进行仿真。仿真结果表明,该控制方案具有响应速度快、超调量小和抗干扰能力强等优点。     

利用神经网络法对胺类有机物急性毒性的分类及定量预测

运用三层误差反向传播网络对５１种胺类有机物进行了结构－毒性关系的研究,进入的结构参数为分子连接性指数信息理论指及分子量等６种均可通过分子拓扑图直接计算获得的指标。毒性参数选用大鼠经口ＬＤ５０,根据其大小将样本分为３类：高毒,中毒,低毒,在神经网络模型上作出差别归类,并分别对每类进行定量预测。     

BP及RBF人工神经元网络对臭氧生物活性炭水处理系统建模的比较

运用BP和RBF人工神经元网络建立臭氧生物活性炭系统模型,考察了两个网络对水处理系统建模的适应性。研究表明,BP和RBF人工神经元网络的臭氧生物活性炭系统模型准确地描述了系统影响因素的关系,可以求出系统中臭氧的经济投量;用BP人工神经元网络建立水处理系统模型,泛化能力好,但逼近速度较慢;运用RBF人工神经元网络建模,泛化能力较差,但逼近速度快。该项研究克服了运用传统方法建模的不足,为实现水处理系统的优化设计提供了可行的途径。