金属表面张力的计算模型

以价电子能级结构理论对金属表面的原子能态进行分析，计算了表面原子结合能，并在此基础上得到表面超额焓的经验计算公式。将此公式推广到金属液固比表面焓、液态表面张力的计算，结果与实验值一致。     

金属熔体表面张力计算方法的研究

根据表面热力学理论和对比态原理,建立一个金属熔体表面张力＋的计算公式,对五种碱金属熔体高温下表面张力进行了计算,结果与实验数据非常吻合。     

液态金属表面张力快速电测方法

提出了用非电量电测系统实现液态金属表面张力快速测定的新方法，并据此对几种非金属液体及液态金属表面张力进行了测定，试验结果证明，新方法测试精度高、快速、方便。     

金属液体的表面张力

§1.引言液体表面张力在物理学中是一老问题,近代的液体理论得到发展,因而这个问题又引起人们注意。在许多理论工作之中,Gogate 和 Kolhari 的电子论对于金属液体曾有初步的成就。他们的观点是属于电子论的,不考虑分子只计算电子在单分子层中的平均动能。可是,众所熟知,液体表面张力是     

高分子溶液表面张力的测定、关联与预测

采用吊环法测定了聚二甲基硅氧烷(PDM S,1 000 mm2/s)在甲苯、环己烷、丁酮以及环己烷和丁酮混合溶剂中的表面张力随浓度的变化关系。在P rigog ine-D efay模型的基础上,引入了高分子链节有效浓度的概念,获得了相应的计算高分子溶液表面张力的改进模型,该改进模型对实验数据关联的平均相对误差为0.59%;对PDM S(1 000 mm2/s)在丁酮-环己烷混合溶剂体系的表面张力预测的平均相对误差为0.44%。     

人工神经网络在矿藏预测中的应用

将人工神经网络方法应用于矿藏预测，本文介绍了该方法的原理和计算步骤，报道了应用人工神经网络方法评价化探异常。特征变量包括化学成分Ｃｕ，Ｓｎ，Ｍｏ，Ａｓ，Ｓｂ，Ｎｉ，Ｐｂ以及物理和地质变量，训练样本的分类正确率达１００％，据此模型预报了若干矿点为铅矿区，将人工神经网络的预报结果和模式识别结果作了比较，并讨论了它在地质勘探中应用的若干特点。     

基于人工神经网络的实时短期负荷预测系统

应用人工神经网络设计短期电力负荷预测系统,利用广州电网的负荷数据进行仿真,分别作出提前１小时和未来２４小时的整点负荷预测,获得了比较满意的预测精度,显示出人工神经网络应用于短期电力负荷预测的良好前景。由于建立小时模型,改进了训练样本集的选取办法及采用高效率的ＬＭ训练算法,使ＡＮＮ的训练速度大大加快,形成可以实时训练和预测的ＡＮＮ－ＳＴＬＦ系统。     

基于人工神经网络的污染源数据预测

通过神经网络在污染源自动监测系统中建立预测模型,对污染源数据进行预测,对环保决策、管理工作有着重要的意义。利用Elman神经网络在大气中的SO2浓度及其历史数据、影响因子之间建立预测模型,仿真结果表明所建立的模型对样本数据有着较准确的预测能力,具有一定的参考价值。     

金属液体的熔点表面张力与熔点关系

不久以前,我们从单分子层和准晶体的假定,关于金属液体在熔点的表面张力 S_m 曾得出如下公式S_m=5.98×10~(-25)Mv~2,(1)其中 M 是分子量,v 是固态中的特性频率。这个公式曾与实验数据比较,在近二十个金属中符合颇为满意,一般在10%以内,见图一。     

销住量预测的人工神经网络方法

在商品经济发展中，工商企业预测商品销售量是最实际的经济问题。本文利用ＢＰ神经网络，对哈尔滨制约厂０．５氨苄针剂的销晤进行预测，地其结果与灰系统理论模型，回归分析模型进行比较。结果表明：该方法性能较好，可作为预测商品俏量的一种手段。     

基于BP神经网络的大型水轮发电机定子铁心的温度预测

阐述了神经网络ＢＰ模型和算法,构造了大型水轮发电机定子铁心背部温度预测的神经网络模型,并将计算结果与实测结果作了比较,结果令人满意。     

人工神经网络在地表径流预报中的应用

为了更加准确地对地表径流进行预测,选择广东省汕尾市南告水库以上流域作为研究对象,构建BP神经网络模型对南告水库的日资料进行径流模拟研究,研究结果表明:人工神经网络可以提高预测精度,且应用前景比较广泛.     

地表参量反演与遗传自组织神经元网络联合估算子像元地表温度

在热红外遥感成像模拟中,高空间分辨率的地表温度场景可以由中、低分辨率的热红外遥感数据估算得出。基于可见光 近红外数据反演的若干地表参量和低分辨率的地表温度数据,在二者间引入遗传自组织神经元网络,建立非线性像元分解方法,最终获得高空间分辨率的地表温度场景。利用ASTER卫星产品数据对该方法进行了验证,结果表明： 对于无法直接进行高分辨率地表温度反演,或缺少大量地表先验知识情况下,该方法只需利用两组遥感数据即可估算出不同地表覆盖下子像元地表温度,方法简便易行,精度较高,为快速模拟和估算高分辨率地表温度分布提供了一条新途径。最后对方法的估算精度、适用性及应用前景进行了探讨。     

一种基于模糊推理的神经网络学习算法

提出了一种新的神经网络学习算法．相对于其他学习算法，该算法侧重于网络参数的调整，通过对样本集的模糊推理、调整和分类学习来实现自适应的神经网络学习．结果表明，该算法能大大提高神经网络的学习速度和学习效率，并能从样本集中得到反常样本和小概率事件样本，对小概率事件样本有很好的学习能力．     

遗传算法优化BP神经网络在纳税评估中的应用

将遗传算法优化误差反传(BP)神经网络的数据挖掘方法应用于纳税评估,为税务机关申报征收与税务稽查的数据挖掘建立分类预测模型.从分析的结果可以看出,模型具有良好的预测效果,能为提高税收管理的针对性和有效性提出一些参考建议,以提高税收征管的水平.     

用户电力控制器神经网络控制分析

针对电力系统模型及运行参数不确定性 ,在用户电力控制器中引入神经网络控制策略 ,应用神经网络设计了线性控制器 ,所提出的神经网络采用改进BP算法 ,改进BP算法比传统BP算法多了两个变量 ;学习速率和动量因子。将计算得的补偿电流经过神经网络训练实现预定目标 ,由MATLAB仿真结果可观察到经神经网格控制的用户电力控制器可实现系统侧的控制目标。并且其控制算法更为简单、有效。     

利用BP神经网络预测蛋白质三级结构

在已知的蛋白质结构研究方法基础上,提出将多分类问题转化成一对多的二分类问题,来预测蛋白质的未知结构.训练多个单分类器进行分类;选用后向传播(Back Propagation, BP)神经网络作为分类预测模型;以伪氨基酸作为网络输入特征;选用Chou提出的蛋白质数据集;实验数据采用全交叉验证(Jackknife).结果表明:此法能够提高蛋白质三级结构预测的准确率.     

用人工神经网络技术解析色谱重叠峰

用模拟数据和实验数据研究了人工神经网络（ＡＮＮ）方法用于解析色谱重叠峰的可能性，以二甲苯异构体及丙酮－异丙醇重叠峰为例对网络结构进行了优化，提出了两种简单易行的采集数据的新方法和模拟非正态数学模型，结果表明，对不易分开的组分，只要训练集及测试集条件一致，大部分实验数据预测结果满意，用这种方法对色谱峰进行定量，结果可靠，避免花费大量时间寻找谱分离最佳条件。     

唯一性逻辑及其BP神经网络侦测

创新地提出了唯一性逻辑的概念并给出了其定义。所谓唯一性逻辑,就是判断输入向量中是否存在唯一分量的逻辑。展望了唯一性逻辑可能的应用前景。采用了BP神经网络来建立唯一性侦测与应用模型。计算机实验表明,该文提出的基于BP神经网络的模型可以准确有效地进行唯一性逻辑的侦测与应用。     

基于神经网络的多因素身份认证方法

为防止网络欺诈和身份盗窃,根本解决客户身份的安全问题,在分析用户身份的组成和识别方法的基础上,提出了面向多身份因素的智能身份认证方法.该方法结合神经网络技术,把用户行为作为分析重点,以电子商务系统中的用户身份认证为例,设计了应用模型.该方法解决了传统身份认证方法中简单依赖密码等少量身份因素的问题,能有效地抵御身份盗窃,...