低模数水玻璃对橡胶轻骨料混凝土力学性能的影响

为了了解不同掺量水玻璃对RLC(橡胶轻骨料混凝土)力学性能的影响,在RLC中加入水玻璃,并用20%粉煤灰代替水泥,制作水玻璃掺量分别为0,2%,4%,6%,8%的混凝土试块.通过核磁共振试验研究其微观孔隙变化及强度形成机理;进行对数函数曲线预测和BP神经网络强度预测,判断其可靠性并对比优劣.结果表明:水玻璃的掺入使RLC抗压强度呈现先增大后减小的趋势,其水玻璃最优掺量出现在2%;适量水玻璃的加入可提高80 目RLC力学性能,使其与最优组(20 目RLC组)28 d力学性能基本相同;水玻璃加入后混凝土孔隙度呈现出先减小后增大趋势,说明适量水玻璃的掺入可优化混凝土孔隙结构,提高混凝土强度;建立曲线拟合和BP-神经网络预测模型,2种预测模型都可用于混凝土龄期强度预测,但BP-神经网络预测模型的稳定性、可靠性及参数的全面性要优于曲线拟合模型.     

混凝土强度预测的智能算法模型研究

根据智能算法在混凝土强度预测上的应用,针对四种算法模型即RBF神经网络、GRNN神经网络、ELM极限学习机以及SVR回归支持向量机,对实验室采集到的同批101组混凝土强度测试数据进行回归预测研究。实验结果表明,SVR在混凝土强度回归预测方面具有明显的优势,相较与本文的其他三种智能算法,均方误差最小,决定系数最大,预测结果接近实际值。同时,本文还印证了SVR方法在小样本预测问题上的适应性,较好地实现历史数据少情形下的回归预测。总之,采用最优回归预测模型SVR能够很好的预测混凝土强度,对混凝土施工具有重要的参考意义。     

基于神经网络和证据理论的农田虫害预测算法

农田虫害预测是促进农业发展和增加农民收入的关键部分。针对目前农田虫害预测算法准确性差和适应性不佳的问题,提出一种基于神经网络和证据理论的农田虫害预测算法。该方法首先分别采用BP神经网络、RBF神经网络和Elman神经网络进行虫害预测,然后利用证据理论中的组合决策思想,结合神经网络预测结果,进行权值提取和权值融合,最后通过融合后的权值实现农田虫害预测。试验结果表明,权值融合后具有更高的预测精度,相比神经网络传统预测方案,该方法的预测精度相比BP神经网络、RBF神经网络和Elman神经网络分别提升了约5倍、3倍和2倍,预测性能优于任何一种单一神经网络模型。     

基于改进BP神经网络的黑龙江农机总动力预测

BP神经网络在人工神经网络中起着至关重要的作用,通过分析标准BP神经网络的基本算法,指出标准BP算法的一些不足,并针对这些不足提出了以一种以相对误差作为误差传递信号的新的改进方法。经试验证明:该方法大大提高了BP神经网络预测结果的精度,同时这种新的改进思想也可以结合其他改进方法一起应用,以更大程度上地提高BP神经网络的运算速度和预测精度。     

基于田间环境及气象数据的甘蔗产量预测方法

对2008—2017年间广西某甘蔗地装设的田间物联网获取的田间环境及气象数据进行了分析,研究通过这些数据预测甘蔗产量的可行性。对田间的环境数据(土壤含水率和土壤温度)和气象数据(降水量和空气温度)进行预处理,分别运用BP神经网络及遗传算法优化初始阈值的BP神经网络(GA-BP)对所选地块的甘蔗产量进行预测。结果表明,GA-BP神经网络模型的预测精度明显高于BP神经网络模型,R~2达到0. 989 4,平均相对误差仅为0. 64%。说明用GA-BP神经网络预测甘蔗产量是有效、可行的。     

基于改进的BP神经网络胶铆接头的力学性能预测研究

利用遗传算法优化BP神经网络的连接权值和阈值,并将改进的BP神经网络应用于胶铆接头力学性能预测中,建立了胶铆接头最大拉剪力预测模型。结果表明:GA-BP神经网络比BP神经网络的收敛时间长,但GA-BP网络预测相关系数更好,回归性能更好,具有更好的泛化能力。对训练好的神经网络预测模型进行验证,发现GA-BP神经网络预测的均值绝对误差为BP神经网络均值绝对误差的40%,GA-BP神经网络具备更好的预测性能。     

改进GA-BP模型在地下水位埋深预测中的应用

地下水位埋深预测是有效实施节水措施、合理控制地下水位的前提与保证。鉴于地下水位埋深与引水量、降水量、蒸发量、排水量、地下水开采量等因素之间存在复杂的非线性关系,提出了基于改进遗传算法的BP神经网络模型用于地下水位埋深预测,弥补了BP神经网络本身易陷入局部最优值的缺陷;同时在遗传算法中改进了自适应交叉、变异概率算法,提高了神经网络的逼近能力和预测精度,并采用了Matlab软件实现了BP神经网络编程。通过不同模型在河套灌区解放闸灌域2000-2013年地下水位埋深模拟与预测,结果表明改进遗传算法优化的BP神经网络模型具有较高的预测精度和收敛速度,在其他地区地下水位埋深预测中也具有较好的适应性。     

基于遗传算法优化BP神经网络下马铃薯产量预测模型

马铃薯产量的高效预测对于制定马铃薯生长期间的精准管理决策具有重要意义。为此,针对传统BP神经网络在产量预测中存在的精度差、准确度低等问题,选择遗传算法对单一BP神经网络模型开展网格优化。基于朔州市朔城区沙楞河村2010-2019年田间物联网获取的田间环境数据(土壤含水率和土壤温度)、气象环境数据(大气湿度、大气温度、降雨量)和马铃薯产量,采用BP神经网络及GA-BP神经网络模型对所选地区马铃薯产量进行预测分析。研究结果表明：GA-BP神经网络模型下,马铃薯产量的预测精度明显高于BP神经网络模型,R²达到0.993 27,平均相对误差仅为0.88%。试验证明,GA-BP神经网络模型能够更加科学、合理地进行马铃薯产量预测,说明利用遗传算法优化BP神经网络在马铃薯产量预测中是可行且有效的。     

基于BP神经网络群结构的风电场短期风速预测

在混沌相空间重构理论的基础上,利用神经网络自学习、自组织和自适应能力,建立神经网络群结构,对短期风速进行组合预测。将相空间重构理论与BP神经网络相结合,作为子网模型,子网由单独BP神经网络预测输出,形成总的拟合网络的训练样本,经典的3层BP神经网络作为最终总的拟合神经网络模型。经过实际算例分析,发现采用神经网络群结构进行预测,预测精度与子网单独预测相比有所提高。这表明本文提出的神经网络群结构可以达到各个子网优势互补,提高预测精度的效果。     

基于改进的BP神经网络对蓄水坑灌冬季果园土壤温度预测

为准确预测冬季果园土壤温度,建立了蓄水坑灌条件下BP神经网络土壤温度预测模型(BP-WSPI-T)、遗传算法优化的BP神经网络土壤温度预测模型(GA-WSPI-T)和增量逆传播学习算法优化的BP神经网络土壤温度预测模型(IBP-WSPI-T),采用坑内平均气温、地表温度、沿相邻两蓄水坑中心连线距坑壁的距离和距坑壁5cm处分层土壤最低温度为模型输入,对距坑壁15、25和35cm处分层土壤最低温度进行预测,并通过与田间实测数据的统计学分析来判定预测效果。结果表明:BP-WSPI-T、GA-WSPI-T和IBP-WSPI-T模型的平均相对误差分别为8.19%、4.41%和7.57%,GA-WSPI-T模型的预测效果最好,较BP神经网络预测精度得到了很大的提高,建议采用GA-WSPI-T模型对蓄水坑灌冬季果园土壤温度进行预测。     

基于灰色理论及BP神经网络的尿素水解预测模型研究

研究根据室内尿素水解试验资料,建立了以温度、水分、时间为输入因子,尿素态氮含量为输出因子,拓扑结构为3-2-1的BP神经网络预测模型,以及Verhulst灰色预测模型和零级动力学模型,并分析比较了三种模型的预测效果。结果表明:3种预测模型均能满足模拟精度要求,所建立BP神经网络模型模拟值与实测值的平均相对误差、相关系数和决定系数分别为2.39%、0.992 4和0.984 5,具有较高的预测精度和良好的稳定性,并且模拟效果明显优于Verhulst灰色预测模型和零级动力学模型,可以较好地描述尿素水解动态变化过程,为尿素水解定量研究提供了精确的科学依据。     

IWSF-FA模袋混凝土抗压强度、孔隙结构和物质组成

为优化模袋混凝土衬砌性能,合理利用当地粉煤灰和废弃硅粉代替部分水泥制备模袋混凝土衬砌.通过抗压强度试验、固体紫外试验、核磁共振和热重试验研究双掺粉煤灰-工业废弃硅粉替代适量水泥后对模袋混凝土抗压特性、内部孔隙结构和水化物质组成的影响.结果表明:合理双掺工业废弃硅粉和粉煤灰(如FA15S4)可以提高模袋混凝土的抗压强度;紫外吸收光谱表明其水化产物C-S-H和CH组成优于其他组别;核磁共振T₂谱分布呈现“三峰结构”,左峰信号幅度最高,双掺工业废弃硅粉-粉煤灰有利于改善其内部孔隙结构.并且双掺工业废弃硅粉和粉煤灰后,热学性质良好.建立了基于BP神经网络理论的模袋混凝土早期抗压强度预测模型,预测结果与试验测试值的最大相对误差为2.7%.研究结果可为工业废弃硅粉和粉煤灰混凝土在水工衬砌工程中的应用提供参考依据.     

基于图像处理新技术的甜菜氮营养无损检测系统的研究

当前农业甜菜生产中存在普遍的氮肥过量使用的问题,建立实时准确农田氮肥推荐体系至关重要。为此,通过利用BP神经网络算法利用图像数据对甜菜氮素含量进行预测,通过合理剔除原始数据中不符合拍摄条件的异常图像数据,选取147组数据作为训练集,90组数据组为预测集,将R、G、B作为输入量,通过BP神经网络算法训练得到预测值与实际值最优相关系数为r=0.70,均方根误差RMSE=4.60。将R/(R+G+B)、G/(R+G+B)、B/(R+G+B)作为输入量,利用BP神经网络算法训练后预测值与实际值最优相关系数r=0.6 4,均方根误差RMSE=3.66。由此可以看出:使用BP神经网络算法建立甜菜颜色特征信息氮素模型是可行的,可为农业甜菜生产中实时无损诊断植株氮素含量提供方法支持。     

混杂纤维轻骨料混凝土压拉性能及强度预测

为了研究混杂纤维对浮石轻骨料混凝土力学性能的影响,对聚丙烯纤维掺量为0.6 kg/m³,改变纤维素纤维掺量的6组浮石轻骨料混凝土试块进行立方体抗压和劈裂抗拉试验.结果表明:立方体抗压强度和劈裂抗拉强度都先升高后降低.劈裂抗拉强度增加显著,最优掺量时为3.2 MPa,比基准组增加了77.8%,纤维掺入可以有效阻止裂缝发展并起到增强增韧的作用.最优掺量为聚丙烯纤维掺量0.6 kg/m³,纤维素纤维0.9 kg/m³,此时拉压比相比基准组提高了57.7%,显著改善了其脆性;最优掺量时3,7,14 d早期强度比基准组分别提高了25.2%,20.7%,15.6%.纤维素纤维对早期强度影响较大,根据其力学特性,提出了天然浮石轻骨料混凝土28 d立方体抗压强度的计算公式,并与其他公式进行了对比验证.采用BP神经网络对28 d强度进行预测,并用预测数据对抗压强度计算公式进行验证,验证结果良好.     

基于互信息参数优化BP神经网络的生物质发电量预测研究

生物质直燃发电是目前应用最广、规模最大的生物质能利用方式。然而由于生物质种类繁多、理化性质多变、燃烧不稳定，使得发电量难以准确预计，这为电网调度、安全运行带来隐患。为此，提出一种基于互信息参数优化BP神经网络的生物质发电量预测模型。从生物质电厂收集发电量以及物料参数、锅炉参数、汽机参数、环境参数等实际生产数据，采用平均影响值分析、相关分析和互信息分析对发电量的影响因素进行优化选择，并利用电厂实际数据建立BP神经网络模型。测试结果表明，采用优化影响因素建立的神经网络模型预测误差大幅度降低，其中互信息分析优化效果最佳，平均预测误差从未优化模型的4.59%降至0.66%，且进一步优化神经网络参数后，平均预测误差降至0.50%。     

偏高岭土对高强机制砂混凝土性能的影响

利用扫描电子显微镜(SEM)、压汞法(MIP)、快速氯离子迁移系数法(RCM)等手段,研究了偏高岭土(MK)掺量对高强机制砂混凝土抗压强度以及抗氯离子渗透性能的影响.研究发现: 掺入MK能够有效改善高强机制砂混凝土的力学性能和抗氯离子渗透性能:随MK掺量增加,抗压强度与抗氯离子渗透性能均呈先增大后减小的趋势,最佳MK掺量为8%,此时28 d抗压强度为98.5 MPa,较基准组增加13%,氯离子迁移系数为1.89×10^-12 m²/s,较基准组减小60%.微观结构试验表明适宜的偏高岭土掺量能够有效促进水泥水化;偏高岭土颗粒的晶核效应和微集料填充效应协同作用,使得机制砂混凝土的微观结构更加均匀密实,机制砂混凝土的多害孔、有害孔减少,少害孔增加,从而提高了机制砂混凝土抗压强度和抗氯离子渗透性能.     

甘蔗收获机切刀负载压力的神经网络预测

为了实现切刀负载压力预测以及入土切割自动控制信号获取,结合正交试验和BP神经网络与回归分析分别建立了切刀负载压力的预测数学模型.结果表明:BP神经网络构建的切割负载压力数学模型准确拟合率达到了85.2％,而回归分析构建的切割负载压力模型准确拟合率只有33.3％;对构建的切刀负载压力BP神经网络模型在新的试验因素下得到的...     

基于公共天气预报的参考作物腾发量预报

针对Penman Monteith公式的应用局限性,以公共天气预报可测因子及历史气象数据计算ET₀为基准,对广州站2017-01-01-2019-03-31预报气象信息风力状况进行量化后,以2017,2018年气象预报信息为输入因子、ET₀为输出因子,分别建立基于回归型支持向量机(SVR)预报模型与BP神经网络预报模型,选择性能较优预报模型对2019年ET₀进行预报,并与计算值进行对比分析.结果表明:回归型支持向量机参考作物腾发量预报模型测试集确定性系数为0.896、均方误差为0.206,BP神经网络参考作物腾发量预报模型测试集确定性系数为0.851、均方误差为0.305,SVR参考作物腾发量预报模型均方误差及决定系数要明显优于BP神经网络;基于SVR模型的预报值与PM公式计算值相关系数为0.761,没有明显差异,表现出显著的相关性以及整体吻合度,可为灌溉预报及决策提供较为准确的ET₀预报数据.     

微孔混凝土灌水器制备工艺与性能研究

提出了一种渗灌用微孔混凝土灌水器制备工艺,详细研究了原料中砂子粒径和水泥含量对微孔混凝土灌水器的抗折强度、开口孔隙率、平均孔径和水力性能的影响规律,优选出了微孔混凝土灌水器的最佳制备工艺。研究表明,砂子的粒径变化对灌水器的抗折强度、开口孔隙率、平均孔径和流量的影响不大;随着原料中水泥含量的增加,灌水器的抗折强度逐渐增大、开口孔隙率显著降低、平均孔径变小,继而导致灌水器的流量显著减小,其中水泥质量分数为15%~18%的微孔混凝土灌水器具有适中的抗折强度、开口孔隙率和平均孔径,可兼顾灌水器的可靠性和流量要求,而且流量稳定,是一种性能优异的渗灌灌水器。