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。     

神经网络在海水腐蚀预测中的应用

根据我国材料自然环境腐蚀网站长期以来积累的海水腐蚀数据,采用BP人工神经网络算法,建立了碳钢及低合金钢的海水腐蚀预测模型.该模型以合金成分、环境因素为输入参数,以平均腐蚀速率为输出参数.以碳钢、低合金钢的17种钢种在青岛、厦门、榆林海水腐蚀试验站16年腐蚀数据建模.选定A3钢与10CrCuSiV在以上三地16年的腐蚀数据为验证样本.结果表明该网络具有良好的预测精度,能够正确反映海水环境腐蚀性因素及金属材料腐蚀暴露时间与其腐蚀速率的关系,用于碳钢及低合金钢在海洋全浸环境中的腐蚀预测.     

安徽省PM2.5浓度反演方法对比及时空变化研究

为探讨安徽省PM_2.5时空分布特征,文章基于2015-2020年地基观测PM_2.5、AOD、植被覆盖产品以及气象要素数据等,对比了多尺度地理加权回归、随机森林、全连接神经网络3种模型的精确度,并采用全连接神经网络模型反演了PM_2.5浓度,分析了PM_2.5浓度的时空变化特征,以及各因子对PM_2.5浓度的影响力。结果表明：3种模型中,全连接神经网络模型的精确度最高;2015-2020年PM_2.5浓度从平均51.29μg/m³递减至36.71μg/m³,季节尺度上,PM_2.5浓度冬季>春、秋季>夏季,受政策及疫情影响,2018年的秋冬季、2020年的春夏季PM_2.5浓度下降同比最快;空间上表现为皖北>皖中>皖南。10个影响因子两两交互,均比单一因子对PM_2.5浓度的影响大,其中AOD对PM_2.5的影响力最大,...     

基于神经网络的黄柏河东支流域水质遥感估算

水质安全是水环境中的关键因素,流域中复杂的空间差异一直是水质估算精度不高的主要原因。文章提出采用一阶微分算法提高遥感影像数据与实测水质参数之间的相关性,利用遥感影像数据与流域库区空间划分条件作为BP神经网络的输入模拟流域空间结构建立高精度水质反演模型。以黄柏河东支流域尚家河水库坝址以上流域为研究对象,基于Landsat-8遥感影像数据,选取主要水质参数：氨氮、总磷、高锰酸盐指数。经验证模型达到“优”精度等级,估算值与实测值最小决定系数为0.85、最小纳什效率系数为0.82、最小百分比偏差值为-9.51%、最大均方根误差与标准值比值为0.42。从水质参数估算结果空间分布图确定流域中玄庙观水库以氨氮浓度为代表污染最为严重。     

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。