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。     

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。     

基于ICEEMDAN分解和MHA-LSTM神经网络的滑坡位移预测

深度学习在机器视觉等各个领域的兴起，使长短时间记忆(LSTM)神经网络也越来越常用于滑坡预测工作中。为加强对历史信息的提取与捕捉，提出一种多头自注意力长短时间记忆(MHA-LSTM)神经网络用来预测滑坡位移。首先采用改进版的自适应噪声完备集合经验模态分解(ICEEMDAN)算法将滑坡位移分解成趋势项、周期项和噪声项；然后采用MHA-LSTM神经网络拟合带噪声的滑坡位移趋势项和周期项，两者相加即可得到滑坡总位移的预测结果；最后以白水河滑坡实测数据为例，考虑月降雨量和库水位因素的影响，对该滑坡位移的周期项和趋势项进行预测，并与其他传统神经网络的预测结果进行对比。结果表明：MHA-LSTM神经网络模型相较于其他传统神经网络模型，能更好地捕捉历史的信息特征，预测效果更佳，可为滑坡预测提供新的技术方法。     

建筑工程质量成本RBFNN预测模型

针对建筑工程质量成本的预测问题,应用径向基神经网络原理,选取预防成本比、鉴定成本比、内部成本比、建筑面积、PPI、建筑用途、工期、现场条件、管理水平、施工地点、利润率共11个指标分析了各指标与质量成本的联系,进而选取4个指标作为神经网络的输入指标。以20组工程数据作为学习样本进行训练,建立建筑工程质量成本的径向基神经网络预测模型并采用均方根误差进行检验,用5组工程数据作为检验样本进行测试。研究结果表明:预防成本比、建筑面积、PPI、工期、施工地点与质量成本存在一定的联系;用模型所得预测结果的最大相对误差为0.016862。RBFNN预测结果与实际情况较吻合,预测精度较高,可用于建筑工程质量成本预测。     

基于BP神经网络优化制备Cu-Ce/TiO_2及其光催化活性研究

采用Cu和Ce对TiO2进行改性,基于正交实验设计和BP神经网络研究了Cu-Ce/TiO2中Cu-Ce对TiO2的摩尔百分数、Cu-Ce/TiO2中CuCe摩尔比及Cu-Ce/TiO2烧结温度对Cu-Ce/TiO2光催化降解甲醛溶液性能的影响.同时,对Cu-Ce/TiO2制备方案进行了优化,并运用X射线衍射仪、扫描电子显微镜和紫外-可见分光光度计对最佳条件下制备的Cu-Ce/TiO2进行表征.结果表明,优化的制备条件为Cu-Ce/TiO2中Cu-Ce对TiO2的摩尔百分数为2.88%,Cu-Ce/TiO2中Cu-Ce的摩尔比为1∶1,Cu-Ce/TiO2的烧结温度为570℃.共掺杂Cu离子和Ce离子能有效避免掺杂TiO2晶格内部表层和近表层产生较多的位错,从而抑制晶格畸变增大;诱导TiO2中锐钛矿型晶体向金红石型晶体转变的能力增强,有效抑制电子-空穴对的复合,产生介电局域效应.     

基于神经网络的矿区环境预测模型

收集了我国多个矿区城市的空气检测数据,采用多元统计分析和神经网络算法对检测数据进行整理分析,建立了矿区环境预测模型。通过实践检验发现,该模型预测精度较高,可以应用在环境预测实践工作中。     

基于前向神经网络的广义环境系统评价普适模型

为了建立由水环境、空气环境、生态环境、水资源环境、灾害环境、遥感环境、社会经济环境等不同环境系统组成的广义环境系统评价都能普适、通用的神经网络模型,针对BP神经网络因收敛速度慢、易于陷入局部极值而使实用性受限的缺陷,提出以双极性sigmoid函数作为网络隐层节点(神经元)的激活函数,而网络输出为所有隐层节点输出的线性求和的前向神经网络的广义环境系统评价模型.在设置广义环境系统指标参照值和指标值规范变换式,并对指标值进行规范变换的基础上,分别构建了适用于广义环境系统评价的任意2个指标规范值的前向神经网模型(NV-FNN(2)结构)和任意3个指标规范值的前向神经网模型(NV-FNN(3)结构).而对于指标较多的广义环境系统评价,只要将多指标分解为以上2个指标和3个指标的两种简单结构的前向神经网络的广义环境系统评价模型的组合表示即可.理论分析和实例检验结果表明:该模型对任意广义环境系统的规范指标值皆普适、通用,因而使不同环境系统的评价变得简洁、统一.规范变换和优化算法相结合的建模思想和方法对简化广义环境系统评价的多元回归、投影寻踪回归、回归支持向量机和径向基神经网络建模亦有借鉴和启迪作用.