基于多重判据的高楼山隧道岩爆倾向性判别

为探究不同层理倾角对岩体岩爆倾向性的影响,以武九高速土建工程高楼山隧道的层理灰岩为研究对象,通过室内单轴加载与加卸载试验,结合弹性应变能岩爆指标、临界埋深岩爆指标、陶振宇岩爆指标和Russense岩爆指标对不同层理角度的岩样进行了岩爆倾向性综合分析.结果表明:不同岩爆指标的判别结果之间存在一定差异;层理角度对岩爆倾向性有显著性影响,当层理角度为60°时岩爆倾向性最高,层理角度为45°时岩爆临界埋深最浅;基于多重判据的岩爆倾向性判别法为在具有层理结构岩体的地下工程中进行岩爆灾害的预测预报提供了有益参考.     

岩爆分类的人工神经网络预测方法

采用人工神经网络原理，选取影响岩爆的一些主要因素，如地应力、岩石抗压强度、抗拉强度等作为输入参数，建立了岩爆分类与预测的神经网络模型．利用国内外一些工程实例作为学习和训练的样本，并用已经训练稳定的样本对某水电站地下厂房岩爆进行预测．研究表明，与其他岩爆预测方法比较，人工神经网络模型更具有客观性和有效性．     

回归分析人工神经网络

为避免每次训练都必须随机生成样本序列的问题,提出网络动态拓扑的概念,对各种前向式网络进行统一表述;提出正、反序训练方法,并给出解的唯一性证明,同时,网络连接权在初始化时不再需要随机生成。回归分析人工神经网络有效解决了两次随机过程对训练结果造成的不利影响,在稳定性和可信性上对人工神经网络的应用提供了理论依据和技术支持。     

基于遗传神经网络的漏磁非线性回归分析

文章针对人工神经网络易陷入局部极小、收敛速度慢的缺点,而遗传算法具有全局寻优的特点,将二者结合起来形成一种遗传神经网络的混合算法;通过实例分析和统计学检验,表明该算法可以运用于爪极发电机漏磁非线性回归分析中,并且遗传神经网络非线性回归是准确和高效的。     

基于扰动响应判据的洞室岩爆分析

详细描述岩爆形成过程，总结其特点并对岩爆的影响因素作了系统分析，认为：岩石在具备大量弹性应变能又处在峰值强度以后，处于非稳定的平衡状态，此时再对其施加干扰性因素，则会失稳，在此基础上进一步将稳定性理论应用于岩爆判据分析，工程实例计算表明，该方法能较好地解释许多岩爆现象。     

基于人工神经网络的非线性系统辨识

人工神经网络是-个非线性动力学系统,具有自适应、自组织、自学习等功能。本文利用人工神经网络具有表达任意非线性映射的能力,对非线性系统进行系统辨识。仿真结果表明,该方法是可行的,计算精度高。     

非线性控制系统绝对稳定性的积分新判据

研究具多个非线性控制项的系统的绝对稳定性，对带非定常控制项的系统的绝对稳定性问题，给出了简洁的积分新判据，并给出了一类系统绝对稳定性的充要条件，最后用积分讨论了鲁棒稳定性问题。     

非线性非自治电路唯一稳态的新判据

以向量比较原理为工具, 得到了确定非线性非自治电路唯一稳态的新条件. 结果表明,非线性非自治电路的唯一稳态,可以用一个常数矩阵的 HURWITZ条件来决定.结果对电路元件的约束, 仅要求其斜率有界即可.这大大放松了目前已有的经典结果中要求电路元件斜率为正的限制, 扩展了已有的结果.     

基于estk-Berggren公式的动态固化动力学模型的非线性回归分析

动态自催化固化反应动力学研究中的机理函数基于SB公式,动力学模型需要拟合4个参数:指前因子A、活化能Ea、反应阶数m、n.本文中采用非线性最小二乘回归方法,拟合结果表明4个参数的非线性回归结果不稳定,尤其表现在参数A与m的估计结果上.笔者对造成上述结果的原因进行了分析,指出由于模型参数效应曲率相当大,增加了模型的非线性强度,使得最小二乘回归分析结果不可靠.根据实验数据特征,本文中在不确定机理函数形式前提下,运用Model-free方法,先获得活化能平均意义下的估计值,再进行参数A、m、n的非线性最小二乘回归分析.结果表明减少回归函数参数个数,可极大程度降低模型的非线性强度,从而获得有效的动力学参数估计.     

基于estk-Berggren公式的动态固化动力学模型的非线性回归分析

动态自催化固化反应动力学研究中的机理函数基于SB公式,动力学模型需要拟合4个参数:指前因子A、活化能Ea、反应阶数m、n.本文中采用非线性最小二乘回归方法,拟合结果表明4个参数的非线性回归结果不稳定,尤其表现在参数A与m的估计结果上.笔者对造成上述结果的原因进行了分析,指出由于模型参数效应曲率相当大,增加了模型的非线性强度,使得最小二乘回归分析结果不可靠.根据实验数据特征,本文中在不确定机理函数形式前提下,运用Model-free方法,先获得活化能平均意义下的估计值,再进行参数A、m、n的非线性最小二乘回归分析.结果表明减少回归函数参数个数,可极大程度降低模型的非线性强度,从而获得有效的动力学参数估计.     

基于人工神经网络超临界流体萃取动力学模拟

采用设计的SCFE装置进行了沙棘籽油的超临界流体（CO2）卒取。实验条件为压力15-30MPs,温度303-323K,流速0.05-0.40m^3/h。在30MPa、313K时得到最高油产率。将人工神经网络技术用于超临界萃取过程动力学模拟。网络结构为三层BP网。以压力、温度、萃取时间为输入信息,以萃取量为输出网络进行训练。由此得到的网络可以对萃取速率和单位时间床高方向的萃取量进行准确的模拟和预测。进一步发展后,该方法可为放大设计提供科学依据。     

基于神经网络的物流量预测

应用不同的人工神经网络模型进行物流量预测。分析影响物流发出量、吸引量和周转总量的各相关因素及神经网络预测的基本思想,研究神经网络静态前馈模型和简单动态模型预测物流量的局限性,认为采用二者结合的综合预测方法能对物流量进行准确的预测。给出动态反馈的实时递归法仿真计算步骤,仿真结果与实际结果比较,具有较高的可信度。     

人工神经网络在结构振动控制中应用

对人工神经网络在结构工程振动控制中的应用做了综合评述 .简要介绍了人工神经网络的发展历程和基本性能 ;重点阐述了人工神经网络在结构振动控制中的应用情况 ,并对未来的发展方向进行了展望 .     

空中交通流量预测的人工神经网络和回归组合方法

为了寻找合适的空中交通流量预测方法,在综合回归预测方法和人工神经网络预测方法优点的基础上,提出采用组合预测方法的思想,并基于多元线性回归模型确定组合方法的权重系数。以北京管制区大王庄导航台流量预测为实例,分析结果表明:组合预测方法对实际流量有好的拟合度,能提高人工神经网络的泛化能力,并减小预测的误差,即总体上不仅优于传统的回归预测方法,也优于单独的人工神经网络预测方法。组合方法为空中交通流量的预测提供了一种可靠而有效的新途径。     

基于人工神经网络的框架结构可靠性分析

为了解决结构可靠性分析中的非线性问题,将人工神经网络和Monte Carlo法相结合,利用训练后的网络模型对大范围的数据进行概率分析,得到了极限状态函数值的数字特征,求得结构系统的可靠性指标.该方法为复杂结构系统和极限状态函数无法显式表达的结构系统的可靠性分析提供了一个新途径.     

电磁兼容的人工神经网络预测技术分析

电磁兼容预测是实现电子设备或系统电磁兼容性(electromagnetic compatibility,EMC) 的必要步骤.提出了应用人工神经网络对电磁兼容问题进行快速预测的方法.通过选择有效的电磁干扰参数作为输入预测因子,用误差反向传播的神经网络 (back propagation,BP)构造输入预测因子与敏感设备骚扰响应之间的映射关系,并用电磁场数值计算方法获得的训练样本集和测试样本集对构造好的BP网络进行训练,建立了基于BP网络的电磁兼容快速预测模型.最后以导线间的串扰问题为预测算例,表明了该方法的有效性.     

人工神经网络在淬透性曲线中的应用

利用人工神经网络中的BP算法,建立材料的合金成分与距水冷端不同位置上的硬度值的模型.根据材料的合金成分含量取得硬度值,获得了满意的结果,为预测淬透性曲线提供了一定的理论辅助手段.     

基于BP 人工神经网络的河流生态健康预警

为加强河流管理,在已有的河流生态系统健康研究和BP人工神经网络模型基础上建立了河流生态健康预警模型,并对滦河河流未来健康状况进行了预警。结果表明:滦河在未来20年内河流生态健康状况将有所好转,其中近期水平年2015年为轻度疾病状态,为中警级别;中期水平年2020年与远期水平年2030年均为亚健康状态,为轻警级别。此外针对河流未来的警情状态,从警源分析角度提出了节水、优化水源工程、减污等关于滦河河流生态治理措施。