基于遗传算法的神经网络振动钻削参数优化

应用人工神经网络进行振动钻削仿真与参数优化时常用逆映射BP网 ,而BP网的逆映射极易陷入局部极小点。本文提出利用遗传算法与BP网的混合系统进行参数优化。实验结果表明 ,遗传算法是一种全局优化方法 ,可有效地应用于机械加工领域 ,为振动钻削的参数优化提供了一个新的研究方法。     

人工神经网络在双向板弹性内力计算中的应用

将人工神经网络技术应用于结构内力分析，介绍了前馈型BP神经网络的模型及其算法，在分析双向板弹性内力时，建立了一个三层的BP网络，将该网络进行训练后计算四边简支双向板跨中弹性最大弯矩，在分析时，为了增强网络的推广能力，还以权值的修正量作为参考的收敛标准，同时，为了加快学习速率而不导致振荡，还采用了增加动量系数的方法来修改反传中的学习速率，BP网络的分析程序采用Matlab编制，计算结果表明人工神经网络在结构分析中具有良好的适用性。     

基于遗传算法和神经网络的因素分析

提出了一种基于遗传算法 (GeneticAlgorithm)和通用神经网络 (GeneralizedRegressNeuralNetwork)的因素分析法———GA GRNN因素分析法。从理论和实验两方面分析了该方法的原理、可行性和实际效果。     

重整加氢汽油干点软测量应用研究

针对某炼油厂重整加氢装置汽油干点无法实时在线监测的问题,建立了基于BP神经网络的软测量模型对汽油干点进行实时预测,提出一种根据变异系数对输入数据进行加权归一化预处理技术,经仿真表明使用这一方法后网络性能有所提高.     

利用BP神经网络模型辨识隧道施工的危险源

阐述了人工神经网络基本原理,研究分析了BP神经网络模型在隧道施工危险源辨识中的具体应用。某公司隧道施工的评价实例证明了这种研究在MATLAB软件的基础上进行的开发工作在安全领域中是实用的,根据辨识结果提出的“防灾”对策贯穿于事故发生的前、中、后过程,可收到更为明显的效果。     

ZnO压敏陶瓷性能预测的人工神经网络模型

探讨了ZnO压敏陶瓷性能识别、预测的人工种经网络模型,并选取样本进行具体研究。结果表明：识别、预测结果与实验结果一致,人工神经网络是材料设计、性能预测的一种有效实用的方法。     

基于神经网络和遗传算法的岩体参数辨识研究

本构模型和初始参数给不准已成为岩土力学理论分析和数值模拟的“瓶颈”。目前神经网络可能会避开复杂的本构模型而成为解决岩土工程的设计和施工问题的主要途径。然而,不同的神经网络结构对模型的学习和推广预测能力有直接的影响,因此构造一个令人满意的神经网络模型至关重要。本文结合遗传算法对神经网络结构进行优化,并用后验差检验方法对搜索到的神经网络结构进行测试;结合遗传算法,用测试好的神经网络结构代替常用的有限元数值方法进行岩体参数的辨识;最后,用实例较为详细地证明了这种方法的可行性。     

基于人工神经网络的地价评估系统

传统的地价评估方法,没有充分利用土地定级的资料,作为人工神经网络评估地产价格的方法则能解决这一问题.应用人工神经网络评估地价,不需要给出具体的数学模型,它根据已有的土地资料进行网络学习,自动映射出地价与各影响因素之间的非线性关系,因此,人工神经网络系统具有传统方法所不能比拟的优越性.     

人工神经网络在图论中的应用

人工神经剐络与图论之闻有密切的联系。本文把人工神经网络应用于图论的问题求解中,利用Hopfield网络对图的着色、图的最大独立集和最大团进行求解,构造了各自的能量函数,进而得出网络的运行方程。     

专家系统与人工神经网络的发展与结合

专家系统和人工神经网络是智能技术的两个很活跃的分支,它们在电力系统中的应用也很广泛,但对它们的孤立研究都暴露出了很大的局限性。本文分析了智能发展的各个阶段的特点,重点阐述了专家系统和神经网络的概念以及它们的不足之处,从理论和应用实践中论证了专家系统和人工神经网络合壁的必然性和可能性,讨论了几种可供探索的途径。     

人工神经网络在煤矿开采沉陷预计中的应用研究

提出了利用人工神经网络技术进行开采沉陷定量预测的新方法 .研究了影响因素的选取、开采沉陷预计模型的建立以及模型的应用等问题 .采用 BP神经网络算法对开采沉陷量进行了建模和预测 .结果表明 ,用神经网络模型对复杂的开采沉陷系统进行模拟预测 ,具有理论上的可行性和现实意义 ,说明人工神经网络技术在开采沉陷预计领域中具有实用价值     

Study on the comprehensive advantage evaluation method of high-tech enterprises based on RBF artificial neural network

This paper designs an intelligent evaluation approach using a Radial Basis Function （RBF） Artificial Neural Network. We based our approach on establishing a comprehensive advantage evaluating index system that offers scientific substance for creating a development plan and the strategic management of high-tech industry and regional clusters of high-tech enterprises. Furnhermore, this paper selects some typical high-tech enterprises＇ data to make comprehensive training on the network system. Meanwhile, the paper chooses some enterprises as testing samples to test the method, the result of which proves that this method is truly effective. The research of this paper provides a comprehensive advantage evaluating and managing method for high-tech enterprise.     

Recovery and grade prediction of pilot plant flotation column concentrate by a hybrid neural genetic algorithm

Today flotation column has become an acceptable means of froth flotation for a fairly broad range of applications, in particular the cleaning of sulfides. Even after having been used for several years in mineral processing plants, the full potential of the flotation column process is still not fully exploited. There is no prediction of process performance for the complete use of available control capabilities. The on-line estimation of grade usually requires a significant amount of work in maintenance and calibration of on-stream analyzers, in order to maintain good accuracy and high availability. These difficulties and the high cost of investment and maintenance of these devices have encouraged the approach of prediction of metal grade and recovery. In this paper, a new approach has been proposed for metallurgical performance prediction in flotation columns using Artificial Neural Network (ANN). Despite of the wide range of applications and flexibility of NNs, there is still no general framework or procedure through which the appropriate network for a specific task can be designed. Design and structural optimization of NNs is still strongly dependent upon the designer’s experience. To mitigate this problem, a new method for the auto-design of NNs was used, based on Genetic Algorithm (GA). The new proposed method was evaluated by a case study in pilot plant flotation column at Sarcheshmeh copper plant. The chemical reagents dosage, froth height, air, wash water flow rates, gas holdup, Cu grade in the rougher feed, flotation column feed, column tail and final concentrate streams were used to the simulation by GANN. In this work, multi-layer NNs with Back Propagation (BP) algorithm with 8-17-10-2 and 8-13-6-2 arrangements have been applied to predict the Cu and Mo grades and recoveries, respectively. The correlation coefficient (R) values for the testing sets for Cu and Mo grades were 0.93, 0.94 and for their recoveries were 0.93, 0.92, respectively. The results discussed in this paper indicate that the proposed model can be used to predict the Cu and Mo grades and recoveries with a reasonable error.     

基于最小二乘支持向量机的岩土本构关系曲线拟合

最小二乘支持向量机（Least Square Support Vector Machine,简称LSSVM）是对支持向量机（SVM）的一种改进,是继人工神经网络（ANN）之后又一新的机器学习方法。利用LSSVM拟合了利用Duncan-Chang本构模型的E-V模式数值模拟岩土的三轴实验得到的应力-应变函数曲线。通过对比分析,验证了LSSVM用于岩土本构关系曲线拟合的可行性和精确性。     

苏州桥站中桩中柱施工工艺参数监测及分析

在地铁隧道建设过程中,暗挖车站洞内机械成桩技术因其降水周期短、施工安全性高、绿色节能性好等优势具有较强推广意义。结合北京地铁12号苏州桥站中桩中柱机械成桩施工的基本情况,对中桩中柱施工参数、资源使用量和工艺流程进行了监测和分析,根据地层环境调整钻进速度可以缩短成桩施工周期,增加地层⑥与地层⑧钻进速度至2 m/h可以减少中桩的成孔用时,增加地层⑦与地层⑨的水资源用量可加强泥浆对桩孔的护壁效果;根据工程数据建立了机械成孔工况预测人工神经网络模型,利用该模型对4根桩的施工情况进行预测,预测结果与监测参数的绝对误差大于5%为工况异常;提高钢管柱调平及灌注效率可以缩短施工周期,改善中桩中柱质量。根据中桩中柱施工工艺参数进行监测及分析为类似工程施工提供借鉴。     

一种并联抑制神经网络结构及学习算法

对普通并联神经元的缺陷进行了分析,提出了一种广义的并联抑制神经元,构造了基于并联抑制神经元的前向神经网络结构,并给出了相应的学习算法。通过对几个模式分类问题的基准问题的测试,将提出的方法与SIANN、BP神经网络进行了比较,验证了提出的网络结构和学习算法的有效性。实验结果表明:单个的GSIN和简单的GSINN可以取得比SIANN和BP网络都好的分类效果。     

热网动态BP网络预测模型结构的研究

将人工神经网络应用于供暖热网实时预报技术,讨论了热网动态BP网络预测模型结构的确定问题。建立起可用于热网供暖预报的外时延反馈型BP网络模型．利用牡丹江西海林小区锅炉房2000年11月-2001年4月的部分热网数据,对所建立的网络进行训练和检验,结果表明预报模型具有较好的动态跟踪能力和预报特性．     

神经网络在工程项目管理绩效评价中的应用研究

传统的工程项目管理绩效评价主要运用单项线性分析的方法，这种方法简便易行，但不能反映评价指标间复杂的非线相互关系。为此，运用人工神经网络ANN中的BP网络对工程项目管理绩效评价问题进行研究，建立了一个综合考虑项目工期、质量、费用、安全四大控制指标的工程项目管理绩效评价模型。实例分析表明，其评价结果更加全面、更加符合实际情况，从而有助于促进工程项目管理水平的提高。     

应用递归人工神经网络预测电力短期负荷

介绍了神经网络的基本原理,使用递归人工神经网络模型对电力短期负荷进行预测,采用了梯度下降法,来提高训练的收敛速度,预测仿真结果表明,使用递归神经网络预测比传统的预测方法更准确.     

Transient Stability Analysis of Power System Based on an Improved Neural Network

ＴｒａｎｓｉｅｎｔＳｔａｂｉｌｉｔｙＡｎａｌｙｓｉｓｏｆＰｏｗｅｒＳｙｓｔｅｍＢａｓｅｄｏｎａｎＩｍｐｒｏｖｅｄＮｅｕｒａｌＮｅｔｗｏｒｋＴＡＮＧＷｅｉ；ＣＨＥＮＸｕｅｙｕｎ；ＬＩＵＸｉａｏｍｉｎｇ（唐巍）（陈学允）（刘晓明）（Ｄｅｐｔ．ｏｆＥｌｅｃ...