基于人工神经网络的Ce/TiO2纳米复合体抗菌性能的预测模型

在正交设计的基础上,采用浸渍法制备了Ce/TiO2纳米复合体.根据BP人工神经网络算法原理,建立了Ce/TiO2纳米复合体制备工艺参数与抗菌性能之间关系的BP神经网络预测模型,并将预测值与实验数据进行了比较,其训练样本的输出值最大误差为3.18%,平均误差为0.4%.对经过训练后的模型进行了验证,其测试样本的输出值最大误差为6.31%,平均误差为4.06%,与实验值吻合良好.结果表明,所建立的BP神经网络模型具有较高的预测精度,用于Ce/TiO2纳米复合体的抗菌性能预测是可行的.     

基于神经网络的热轧产品性能预报与参数优化

以实际生产数据为基础,建立热轧产品性能预报神经网络模型;通过BP网络实现逆映射,建立工艺参数设计的神经网络模块.试验结果表明,产品性能神经网络模型与工艺参数优化神经网络模型十分可靠,为解决热轧产品性能预报与工艺优化设计问题提供科学的途径.     

BP神经网络在铝电解质分子比预报中的应用

以电解质分子比和影响变量为基础构建了BP神经网络模型,并利用Matlab软件中的函数对数据样本进行了标准化处理,简便地实现了BP神经网络的建立、训练和仿真。结果表明,BP神经网络模型应用于铝电解质分子比的预报是行之有效的。     

BP神经网络在连铸板坯质量在线诊断中的应用

为了更好地应用BP神经网络对连铸板坯质量进行在线诊断,基于连铸生产特点,利用采集的过程数据建立了符合生产实际的均一化函数.通过分析BP神经网络中各参数对网络性能及诊断准确率的影响,对BP神经网络的结构及学习算法进行修正,使该网络有选择和有区分地学习铸坯质量知识.结合某钢厂连铸现场数据,以黏结为例,建立了6种网络模型,对各模型算法进行了比较测试.结果表明:采用自定义函数均一化样本或采用提出的差异性算法训练神经网络,均可明显提高诊断准确率;采用选择性算法可确保诊断准确率不变的同时,提高学习速度;修正的算法更能很好地符合连铸生产实际.     

基于BP神经网络的烧结过程预报模型

根据烧结矿化学成分与烧结工艺的预报、控制特点,采用了BP神经网络方法建立了烧结矿化学成分的预报模型。仿真实验的结果表明,模型具有较高的预测精度和较强的自学习功能,用拓扑结构为15-21-4的BP神经网络和0.6×10~(-3)的网络误差进行训练,模型的预报命中率在75%以上,充分验证了基于过程参数控制的烧结矿化学成分预测模型的准确性和有效性。     

基于PSO-BP神经网络双机架炉卷轧机轧制力的预测

为了有效预测双机架炉卷轧机的轧制力,使热轧板带材生产具有很好的可操作性,采用粒子群算法(PSO)优化BP神经网络,建立了往复式双机架炉卷轧机轧制力预测的智能模型。以某钢厂热轧产品Q195实测数据作为试验样本,并将粒子群算法优化的BP神经网络模型和标准BP网络模型分别用于轧制力预测,结果表明PSO-BP神经网络模型在预报精度上明显优于标准BP网络模型,并且PSO-BP神经网络模型预测轧制力的误差率控制在10%以内。     

基于均匀设计和主成分分析的粘结NdFeB永磁体制备工艺优化研究

基于牯结NdFeB永磁体制备工艺优化实验,针对普通反向传播神经网络(BPNN)方法在预报建模中普遍存在"过拟合"和泛化能力差的问题,从优化实验方案、减少输入层节点数两个角度,结合均匀设计软件和主成分分析方法,提高训练样本的分布均匀性、"主动"改善网络结构,建立了一个粘结NdFeB永磁体制备工艺优化的2-5-3型BPNN预测模型.研究结果表明,改进的BP神经网络模型对BrHcj及(BH)m预测的相对误差的最大值分别为1.83%,1.28%和1.53%,较之传统的模型,泛化能力显著提高,网络预测也比较稳定,具有很好的实用性.     

基于BP神经网络的边坡稳定性分析

阐述了BP神经网络的基本思想、学习算法的步骤,以构建的学习样本为基础,建立边坡稳定性分析的BP神经网络模型,对学习样本进行归一化和训练,建立输入向量与输出向量的非线性关系,把训练好的网络运用于某露天矿边坡,结果表明：BP神经网训练结果与现场实际情况相符,说明该方法对工程实际有指导意义.     

基于遗传算法优化BP神经网络的小球藻生长模型的建立与应用

[目的]探讨用遗传算法优化BP 神经网络对小球藻生长模型的建立与应用.[方法]使用遗传算法对BP 神经网络的权值和阈值进行优化,并使用该网络模型,以小球藻培养时间和残余葡萄糖为输入,菌体光密度值(OD<,680>)为输出,对小球藻在500 L多功能生物反应器中的生长情况进行了建模,还探讨了该模型的应用情况.[结果]经过遗传算法优化的BP 神经网络,其泛化值的误差平方和比BP神经网络的小,因而预测值更加接近实际值.t 检验表明,所建立的模型是可信的.验证表明,该模型具有良好的拟合度,能够很好地描述在500 L 多功能生物反应器中培齐的小球藻的生物量(OD<,680>)与残余葡萄糖和培养时间之间的关系.[结论]所建立的模型可用于试验结果的预测,对小球藻的培养控制具有指导意义.     

基于BP神经网络钒钛烧结矿低温还原粉化性能预测

为了改善钒钛烧结矿的低温还原粉化性能,将BP神经网络算法应用于钒钛烧结矿低温还原粉化性能预测中,指标数据的样本分为输入样本和输出样本,其中:输入样本为配碳量、碱度、w(Mg O)以及FMG粉配比,输出样本为钒钛烧结矿RDI+3.15,运用BP神经网络算法探索输入样本与输出样本间的关系。结果表明:BP神经网络模型适用于烧结矿还原粉化性能的研究,可以根据输入样本有效的预测输出样本,且平均相对误差为5.7%,满足工程实践中预测精度的要求,为钒钛烧结矿生产提供了指导。