基于BP神经网络小麦含水量的近红外检测方法

为了实现小麦籽粒水分含量的快速、准确测定,以小麦含水量的国标测定值为BP神经网络的目标向量,采用近红外分析仪扫描小麦籽粒光谱图并进行预处理,使用主成分分析对预处理后的光谱数据降维,将其作为BP神经网络的输入向量,采用BP神经网络对小麦的含水量进行预测.结果表明:国标法测定值与BP神经网络结合近红外法测定值之间的T检验结果为P=0.52＞0.05,两种方法测定结果无显著性差异.采用BP神经网络对小麦水分的预测值与国标测定值之间的R2为0.999,可以用来预测小麦的水分含量.     

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BP神经网络的场道脱空检测方法及实验

为研究场道脱空检测方法,进行室内模型试验,获得冲击荷载作用下道面板加速度响应时程曲线,利用Matlab小波变换工具箱提取加速度曲线特征值,分析脱空对振动信号的影响规律.通过优化荷载级数、筛选输入向量,建立了场道脱空的BP(back propagation)神经网络预测方法.为检验理论研究结果的正确性,利用重锤式弯沉仪在机场进行跑道脱空测试,通过场道取芯脱空观察评价BP神经网络预测结论的可靠性.结果表明,荷载级数、输入向量、训练次数、训练强度和算法对BP神经网络预测准确性影响较大;脱空影响下场道加速度信号可作为BP神经网络脱空预测的输入向量,取芯后场道脱空状况同BP神经网络预测结果一致.     

基于MEA-BP神经网络的超声挤压加工表面粗糙度预测

为了有效预测超声挤压加工工件的表面粗糙度,建立以转速,进给速度,振幅,挤压力,挤压次数为输入参数,表面粗糙度为输出结果的预测模型.该模型利用思维进化算法(mind ev-olutionary algorithm,MEA)的全局搜索能力对BP神经网络的权值和阈值进行优化.为了验证该模型的有效性,对45号钢进行超声挤压加工后,使用BP神经网络进行预测,通过引入思维进化算法(MEA)和遗传算法(GA)优化BP神经网络的权值和阈值,并对3种模型的预测精度进行对比分析.结果表明:在相同的实验条件下,MEA-BP模型的预测结果最精准,与BP神经网络相比,该模型精度高,运行速度快.     

城市日用水量预测的神经网络方法

介绍了城市日用水量预测的BP神经网络方法,分析了日用水量的变化规律和影响因素.以每日最高温度、最低温度、晴雨情况、星期及前一日用水量为输入节点,预测日用水量为输出节点,建立了日用水量预测神经网络模型,编制出预测模型的计算机程序.通过实测数据进行了模型检验,对预测结果进行了分析.     

基于BP-Adaboost模型的年降水量预测研究

基于BP和Adaboost模型算法构建BP-Adaboost模型,通过对河南省10个地市的近60年降水数据进行2~4 a的年降水量预测.和单一BP算法预测结果相比,BP-Adaboost预测模型对训练数据的误差率全部小于BP神经网络模型,预测能力较BP神经网络有明显的提升.最后对10个地市2013年和2014年的年降水量进行预测,供相关决策部门参考.     

基于BP神经网络和TOC的工程造价预控研究

为了有效控制工程造价,使建设投资确定,运用BP神经网络对工程造价进行预测,以预测结果对工程量清单计价模式进行优化,再以优化的工程量清单计价模式为计价依据,通过TOC理论对工程造价进行控制.以六条高速公路为样本数据,其中一条为检测数据,运用BP神经网络仿真,建立仿真模型.通过十三次迭代,模型顺利拟合,并且代人样本检测数据的输出结果与实际吻合.再以检测数据的输出结果为依据对这条高速公路进行TOC理论优化,最终相比优化前工程决算总额减少了2 072.6万元,降低了1%.     

基于BP网络模型的青弋江水质预测研究

以水质因子CODCr为例,构建并训练BP神经网络预测模型,分别从空间和时间上对青弋江芜湖市区段水质进行预测,并用实际监测值检验预测精度.预测结果说明BP网络模型在青弋江水质的预测方面是一种简单有效的方法.     

基于多层聚类和改进BP神经网络的短期负荷预测

随着电网规模的扩大,数据量的急剧增加,漏采、误采等不良数据及数据冗余会对短期负荷预测产生负面影响,造成预测准确度下降,预算结果无法正常使用.针对这些现象,提出一种基于多层聚类和改进BP神经网络的负荷预测模型.该模型基于多层聚类对原始数据进行预处理,选取形成与待预测数据相似的样本数据集,建立基于改进BP神经网络的预测模型.多层聚类模型减小了输入改进BP神经网络的数据量,避免了不良数据对预测模型造成的影响,预测模型更贴近待预测数据特点;改进BP神经网络避免了在训练过程中陷入局部最小解.预测结果表明:相比模糊C均值聚类方法,多层聚类与改进BP神经网络的负荷预测方法提高了预测精度与预测速度.     

基于神经网络的交通发生量预测研究

交通发生吸引量预测是交通规划四阶段的首要步骤,其预测结果是城市规划布局及交通设施建设发展的重要依据.为了提高交通发生量预测准确性,利用K-means聚类分析对交通小区进行分组;对同组内样本小区各项土地利用及人口就业指标进行主成分分析,通过计算主成分载荷率为选择预测影响因素提供依据;针对各组样本分别建立BP神经网络模型,以土地利用和人口数据作为输入变量,小区交通发生量作为输出变量,以大连市城市交通调查数据为例对上述方法进行检验,并与传统回归模型预测结果进行比较.结果表明,在数据预处理基础上建立的BP神经网络模型具有较高预测精度.     

齿轮—五杆机构的轨迹特性研究

采用计算机机构动画仿真的方法，对齿轮五杆机构的轨迹特性进行了研究。分析了该机构双曲柄存在的条件，两连杆铰接点Ｃ的轨迹曲线可到达的区域及该轨迹曲线形状随机构结构参数的不同而变化的规律，从而为齿轮五杆机构的轨迹综合提供了重要依据。     

霸县凹陷文安斜坡内带层序地层学研究

以文安斜坡内带深层为研究对象,应用高分辨层序地层学等方法研究识别隐蔽油藏.通过兴隆1井地层重新划分及高分辨率三维地震应用,将该区沙三、沙四段地层之间重新确定为不整合接触.在三级层序地层框架建立的基础上,刻画各体系域砂体展布特征,构建了坡折带控制沙四下自生自储岩性油气藏成藏模式.通过钻井实践,首次在霸县凹陷发现沙四下段含油层系及新的烃源岩层,实现了深层自生自储式油藏类型的勘探突破.     

一类含间隙分布时滞的种群模型稳定性研究

主要借助螺线特性,对一类含间隙分布时滞的种群增长模型特征方程λ＋c＝d（1＋λT）     

数学优化方法在新安江模型参数率定中的应用分析

以3种数学优化方法及新安江(三水源)模型的理论为依据,介绍了优化方法在新安江三水源模型参数率定中的应用.将率定成果与API模型进行了对比,说明这3种优化方法在大宁河流域参数率定中应用效果良好,具有很好的参考和推广价值.     

红豆杉原生质体制备和培养研究

采用不同浓度的纤维索酶和果胶酶混合液对红豆杉种子的胚进行了处理,采用3％ 0.5％(m／v)的纤维索酶 果胶酶混合液效果好．得到了红豆杉胚原生质体;同时采用了B5、V-KM、MS3种培养基对所得到的原生质体进行了初步培养;实验结果表明．采用V-KM附加椰子汁(含天然植物激素)培养基培养胚性原生质体效果较好,并研究了植物激素的浓度和光照强度等对愈伤组织的诱导的影响,表明采用IAA和NAA对愈伤组织生长效果较好,光照强度在1000lx生长效果较好.     

浅析资产减值会计对利润的操纵

会计制度规定企业定期或者至少于每年年度终了，对各项资产进行全面检查，合理地预计各项资产可能发生的损失，并计提资产减值准备，既不高估资产或收益，也不少计负债或费用，从而避免虚增企业利润。但在实务中，一些企业却利用会计法规准则中的原则性，通过资产减值准备达到操纵会计利润的目的，本文即是从企业滥用资产减值入手，以实例来揭示企业计提秘密准备的意图，以引起业内人士的重视。     

密炼机转子的刚度计算

介绍了变截面梁变形计算的初参数法，运用该方法求密炼机转子的变形，并得到了精确的解。     

高等学校固定资产计提折旧问题探讨

中国现行会计制度规定,高等学校的固定资产不计提折旧。随着经济的发展和高等教育的改革,高等学校的经济成分越来越复杂,固定资产管理和核算中暴露出来的问题越来越突出。针对现行高校固定资产计价模式存在的问题,提出了对高校固定资产计提折旧的设想,研究了高校固定资产折旧的范围、折旧年限、折旧方法及会计处理办法。     

一类3种群相互作用的系统平衡位置的稳定性

研究了3种群相互作用构成的群落的Volterra模型，利用特征值法讨论正平衡点M的局部渐进稳定性，得到一个充要条件；同时构造V函数得到M点全局稳定的充分条件．     

《承德石油高等专科学校学报》缩短科技论文发表时滞的措施

《承德石油高等专科学校学报》从作者、评审专家、编辑、发文量和出版周期等方面分析产生论文时滞的因素,通过提高科技期刊编辑部工作效率、流畅稿件处理的过程加快论文发表速度,缩短稿件处理时间,进而缩短科学技术期刊的论文发表时滞。