基于BP神经网络的江西省铁路货物周转量预测

采用灰色关联分析法筛选出江西省铁路货物周转量的主要影响因素,在此基础上建立了BP神经网络预测模型,并采用多元线性回归模型、二次指数平滑法、灰色GM(1,1)模型分别对江西省铁路货物周转量进行预测,再对结果进行比较和误差分析。研究表明,BP神经网络模型预测精度明显高于其它三个模型,平均误差为0.76%,可用于实际预测。     

仿生电子鼻在芝麻油掺伪检测中的应用研究

研究并设计了一套电子鼻系统,并将基于生物嗅觉的模糊神经网络作为其模式识别算法。将该仿生电子鼻系统应用于芝麻油掺伪的检测中。实验结果显示,该系统在预测精度、收敛速度及运行时间上都取得了较好的效果,可为芝麻油以及其他农产品的在线动态监测及保真提供快速、有效的手段。     

结合细粒度特征与深度卷积网络的手绘图检索

目的 传统的手绘图像检索方法主要集中在检索相同类别的图像，忽略了手绘图像的细粒度特征。对此，提出了一种新的结合细粒度特征与深度卷积网络的手绘图像检索方法，既注重通过深度跨域实现整体匹配，也实现细粒度细节匹配。方法 首先构建多通道混合卷积神经网络，对手绘图像和自然图像分别进行不同的处理；其次通过在网络中加入注意力模型来获取细粒度特征；最后将粗细特征融合，进行相似性度量，得到检索结果。结果 在不同的数据库上进行实验，与传统的尺度不变特征（SIFT）、方向梯度直方图（HOG）和深度手绘模型Deep SaN（sketch-a-net）、Deep 3DS（sketch）、Deep TSN（triplet sketch net）等5种基准方法进行比较，选取了Top-1和Top-10，在鞋子数据集上，本文方法Top-1正确率提升了12%，在椅子数据集上，本文方法Top-1正确率提升了11%，Top-10提升了3%，与传统的手绘检索方法相比，本文方法得到了更高的准确率。在实验中，本文方法通过手绘图像能在第1幅检索出绝大多数的目标图像，达到了实例级别手绘检索的目的。结论 提出了一种新的手绘图像检索方法，为手绘图像和自然图像的跨域检索提供了一种新思路，进行实例级别的手绘检索，与原有的方法相比，检索精度得到明显提升，证明了本文方法的可行性。     

基于Elman神经网络的排水管网液位预测

建立了排水管网液位的Elman神经网络预测模型,以液位和雨量的监测数据为输入,未来的液位值为输出。提前5、15、45和60 min的预测平均绝对误差分别为2.07%、3.75%、8.39%和9.49%。与BP神经网络对比,Elman神经网络的拟合和预测效果分别提升约23%和21%。结果表明,基于Elman神经网络的管网预测模型具有良好的预测效果,可以为建立排水管网的在线预测预警系统提供有效的方法支持。     

基于模糊神经网络的重载列车空气制动力预测方法

由于重载列车空气制动具有强非线性、反馈减压量误差较大的特点,且充风、排风时间与减压过程之间存在耦合关系,使得重载列车循环空气制动的操纵精确度难以保证,进而影响其操纵安全。为提高重载列车循环空气制动的控制精确度,文章提出一种基于模糊神经网络(fuzzy logic-based neural network,FLNN)的空气制动力预测方法。其首先采用径向基神经网络(radial basis function neural network,RBF-NN)训练空气制动离线数据,得到模糊逻辑形式的空气制动力离线预测规则;然后,计算当前数据与空气制动力离线预测规则的匹配度,得到相应的预测规则;最后,根据当前数据和相应的预测规则,输出空气制动力预测值。该预测方法通过数据处理的方式摆脱了对传统空气制动模型的依赖,避免了充、排风时间与减压过程之间的耦合分析,能够较准确地得到空气制动力预测值。试验结果显示,本文提出的基于FLNN的空气制动力预测方法将重载列车空气制动力在100 kN内的预测精度提高至99%,这验证了该方法在不同的工况下能有效实现空气制动力预测。     

铝电解电容器加速退化试验设计与寿命预测研究

铝电解电容器是寿命敏感器件,随着时间的推移,其参数退化到一定程度时,必然会影响电路板的寿命,故而研究其退化规律与寿命特征是至关重要的。文章从铝电解电容器结构和退化机理出发,将温度作为加速敏感应力设计了加速退化试验,并采用加速退化数据进行寿命预测,给出了延长铝电解电容器使用寿命的正向设计方向;从状态修的需求出发,提出了基于BP神经网络的铝电解电容器剩余寿命预测方法,其预测数据来源既可以是现场实测数据,也可以是加速试验数据。将BP神经网络所预测的电容量退化值与退化试验的实测数据以及试验数据的最小二乘线性拟合预测值进行对比分析,结果表明,基于BP神经网络的电容值的预测误差在3%以内,而通过最小二乘线性拟合的预测误差在6%左右,从而验证了BP神经网络寿命预计算法的优越性,为后续电路板级电容器在线监测技术开发与应用提供有力支撑。