基于BP神经网络的石蜡催化氧化反应的研究

在石蜡催化氧化反应制备氧化蜡的研究中,利用BP神经网络建立反应催化剂用量、助剂用量、空气流量、反应温度和反应时间对酸值和皂化值影响的数学模型,并利用该神经网络模型对石蜡催化氧化制备氧化蜡的工艺条件进行预测,从而获得最优工艺条件,达到缩短实验次数的目的。     

基于EMD和GA-BP神经网络的大坝变形预测

提出一种基于经验模态分解 （ＥＭＤ）和遗传 ＢＰ神经网络的大坝变形预测新算法。该算法首先通 过 ＥＭＤ对变形序列进行分解,有效分离出非线性高频波动分量和低频趋势分量;然后应用遗传算法优化 ＢＰ神经网络的权值和阈值,再对各分量进行建模预测;最后叠加各分量预测值得到预测结果。应用新算 法与灰色 ＧＭ （１,１）、回归模型、普通卡尔滤波和遗传 ＢＰ神经网络算法进行对比分析。结果表明,该算 法具有较强的自身内部环境优化和外部平台构建能力,自适应能力和非线性拟合能力较强,在一定程度上 保证较优的局部预测值和较好的全局预测精度,在大坝变形预测中具有一定的实用价值。     

基于神经网络预测啤酒老化过程中感官得分的初步研究

选取8种不同种类新鲜啤酒通过实验手段模拟其老化过程,对老化后的啤酒进行感官品评并分析了新鲜啤酒的老化相关指标.使用灰色关联分析法分析了啤酒的感官评价得分和啤酒老化相关指标之间的关联度,并根据其影响程度的大小进行了排序.把新鲜啤酒的感官得分和啤酒老化相关指标作为输入数据,不同老化时间的感官得分作为输出数据,使用BP神经网...     

基于预测模型的BP＿Adaboost算法改进

针对 ＢＰ＿Ａｄａｂｏｏｓｔ算法预测精度不高的问题,对算法作了改进：先用遗传算法对每个 ＢＰ神经网络弱预测模型进行优化;然后把优化后的 ＢＰ神经网络模型看作为新的弱预测器;再通过 ＢＰ＿Ａｄａｂｏｏｓｔ算法,用多个被遗传算法优化后的 ＢＰ神经网络弱预测器组成强预测器模型;最后加权整合优化后用 ２０００组随机数据验证改进后算法的预测精度,用 Ｍａｔｌａｂ程序仿真实现改进后的 ＢＰ＿Ａｄａｂｏｏｓｔ算法,并与改进前的 ＢＰ＿Ａｄａｂｏｏｓｔ算法作比较。程序运行结果表明,改进后的 ＢＰ＿Ａｄａｂｏｏｓｔ算法预测精度有了明显提高。     

基于ＬＭＢＰ神经网络的无线室内定位方法

无线信号在复杂环境多变的室内传播时,信号传播往往发生反射、多径和障碍物阻挡等,导致信号传播模型参数的变化。由于传统的ＲＳＳＩ的定位误差较大,标准ＢＰ神经网络实现室内定位训练样本时存在目标误差下降速度较慢的问题,本文采用了ＬＭＢＰ算法,使用Ｍａｔｌａｂ软件编写ＬＭＢＰ神经网络算法代码进行性能仿真分析。实验结果显示,ＬＭＢＰ神经网络有效地解决了训练误差收敛速度慢的不足,提高了定位精度。     

吉林省沥青路面老化病害分析及配合比设计方法研究

本文针对沥青路面运营过程中,在行车荷载和自然条件的综合作用下,路面出现老化,降低了路用性能及公路的服务水平的现状,调查并分析了老化所产生的病害及对于公路运营的影响.同时,在现有再生技术的基础上,提出了适合吉林省高速公路建设的旧沥青混合再生技术研究路线.     

基于神经网络-遗传算法的功能性沥青路面材料优选

根据功能性沥青路面中全面性能的要求,采用GA-ANN法对沥青路面中的矿料配比进行优化,综合考察沥青混合料矿料类型、沥青类型和填加剂等因素。以动稳定度作为评价指标,综合考究其残留稳定度、蠕变速率、摩擦因数、渗水系数以及空隙率等因素,从而提出了功能性沥青路面矿料配比的最佳优化方案。综合评价结果显示方案是可行且有效的,在一定程度上能够满足我国公路运输事业对功能性沥青路面材料配比的要求。     

灰色系统理论在研究沥青老化中的应用

灰色系统理论提出了一种新的分析方法，称为系统的关联度分析方法，采用灰色系统理论研究了道路沥青老化后的组成变化与反映沥青的理化性能的针入度，软化点和反映沥青感温性能的针入度指数PI，当量软化点T800，当量脆点T1.2以及反映沥青抗老化性能的粘度，胶体不稳定指数Ic变化的关系，关联度分析结果表明，影响它们的主要因素是沥青质含量的变化和胶体结构的变差，实验首次从数学的角度研究了沥青组成变化与沥青理化性能变化的关系，研究结果与经验分析的结果基本一致。     

基于神经网络的沥青混凝土路面使用性能预测

阐述了应用BP神经网络进行沥青混凝土路面使用性能预测的可行性，以环境因素，即交通量、降雨量、温度等3个直接使路面性能发生变化的主要因素作为BP神经网络的输入层，以沥青混凝土路面的破损率、平整度、弯沉值、摩擦系数等4项性能指标作为输出层，采用MATLAB语言中的BP神经网络模块进行自学习，得出环境因素与路面使用性能之间的关系。研究了基于神经网络的沥青混凝土路面使用性能预测模型的分析和计算方法，通过实例验证了该方法的实用性。     

基于神经网络的教师教学评估系统

利用神经网络对教师教学评估中所使用的权值进行非线性学习与调整，通过实验证明了该方法的有效性，并提出进一步改进的方案。     

基于BP网络的指纹识别系统

针对指纹数据库规模不断增大的情况,为了提高指纹识别的速度和准确度,采用BP神经网络先对指纹进行分类,把指纹分成左环、右环、拱、涡、棚状拱和不辨型6种类型,然后在相应的子类库中根据特征提取进行识别。设计并实现了一个指纹识别系统,该系统能够自动地进行指纹分类,而且还能实时地将结果与指纹数据库进行比对。实验结果表明,该系统能迅速地获得被识别人员的身份信息。     

神经网络数据融合在位移传感系统中的应用

温度漂移误差是位移传感系统的主要误差之一.为了提高位移传感器输出的精度与稳定性,可以把位移传感器的输出与温度传感器的输出进行数据融合.提出一种基于RBF网络(径向基函数神经网络)的多传感器数据融合方法,把位移传感器和温度传感器的输出送入融合中心,通过RBF网络的学习训练,得到稳定的位移输出.实验表明:在相同的温度波动情况下,位移传感器的输出稳定性比原来提高了约4倍.该方法在位移传感系统减小温度漂移的应用中十分有效.     

GBP神经网络在改性石蜡性质预测中的应用

在误差反向传播神经网络算法中引入动量因子和非线性敏感度因子 ,并实现其在学习过程中根据整体误差的变化对非线性敏感度因子进行动态调整。首次采用GBP模型对改性石蜡的 2 5℃针入度和 1 0 0℃运动粘度进行了预测 ,2 5℃针入度预测的绝对误差 (A .D .)不超过± 0 .6 ( 1 0 -1 mm) ,标准偏差为 0 .5 4 ;1 0 0℃运动粘度预测的绝对误差 (A .D .)不超过± 1 .0 76mm2 /s ,标准偏差为 0 .5 8。结果表明 ,GBP神经网络算法适用于改性石蜡 2 5℃针入度和 1 0 0℃运动粘度的预测 ,可用于指导特种蜡产品的研制和生产 ,从而减少石蜡调合试验及相应的改性石蜡性质测试的次数 ,节省人力物力 ,缩短特种蜡的开发周期     

基于神经网络模型的信息融合技术

介绍了信息融合概念以及在信息融合领域中常见的BP神经网络和在此基础上发展而来的模糊神经网络和混沌神经网络,指出利用神经网络技术与信息融合技术相结合进行分析研究具有较大的拓展空间,信息融合的神经网络适用于更广泛的领域.     

基于神经网络的曲轴滚压校直专家系统研究

介绍了曲轴滚压强化及校直工艺,分析了滚压校直方式具有的优缺点,研究了利用BP神经网络建立关于校直输入输出数学模型的方法,建立了曲轴滚压校直专家推理系统,并将其应用到曲轴圆角滚压强化校直机床中,取得了较好的效果。     

基于神经网络的多源信息融合在发酵产物效价预测中的应用

利用神经网络对影响发酵过程的多源信息进行融合,得到发酵产物的效价预测.通过应用,比较了BP网络和RBF网络的融合预测效果.实例结果表明,RBF网络的预测结果略好于BP网络,预测结果准确,方法可行.     

基于多层前向神经网络入侵检测系统的研究

针对目前入侵检测系统不能有效检测未知入侵行为的问题,根据神经网络的自学习和自适应性强的特点,采取了将多层前向神经网络与入侵检测系统相结合的方法,提出了一种入侵检测模型,给出了此模型中神经网络模块的改进训练算法,实验证明,此算法入侵检测率可达86％,最大误报率为3％,加大训练样本可进一步提高检测率,从而更有效地检测出未知的入侵行为;此算法实时性强,可有效提高神经网络的学习效率。     

基于神经网络的大气污染预报方法的研究

大气污染物浓度的变化具有较强的非线性特性，基于人工神经网络捕捉非线性变化独特的优越性，将RBF网络应用于实测大气污染物浓度的预报。