基于人工神经网络的智能化架空线路应变快速解调方法北大核心

为了提高智能化光纤复合架空线路态势感知的实时性,将人工神经网络方法应用于光纤沿线应变解调,确定了神经网络的结构。编程实现了基于洛伦兹模型的最小二乘谱拟合方法和神经网络方法,采用不同信噪比和布里渊频移的布里渊谱训练神经网络,将它们应用于某光纤复合架空线路沿线光纤应变的测量,从不同角度比较了两种方法的计算结果。计算结果表明,神经网络方法能有效获得光纤沿线的布里渊频移进而获得应变,具有与谱拟合方法相似的准确性,但应变解调时间仅约为谱拟合方法的1/20000。研究结果为提高智能光纤复合架空线路态势感知的实时性提供了参考。     

机器学习理论的超光谱遥感图像无损压缩

针对一般超光谱遥感图像的压缩方法无法同时实现图像信息缩减和图像完整性的问题，提出一种机器学习理论的超光谱遥感图像无损压缩方法。利用机器学习中的聚类算法进行第一次压缩，减少超光谱遥感图像中的冗余波段光谱，并降低图像维度；再利用机器学习中的人工神经网络进行第二次压缩，将不同图像子块送入不同压缩率的神经元当中，通过隐含层自主完成图像压缩编码。通过与四种一般压缩方法的对比验证，本方法图像压缩后，图像压缩率更小，图像分辨率和信息熵更高，既有效地减少了图像信息量，能够保留有效关键信息，达到了图像信息缩减和图像完整性的双重目标。     

基于逐步优化算法的梯级电站优化调度研究

长河坝、黄金坪梯级电站投产后,面临"康甘断面送出受限""运行方式孤立""龙头水库未建"等一系列突出问题。因此,开展长河坝、黄金坪梯级水库优化调度研究具有现实意义。笔者从梯级电站的工程特性入手,通过探索出力联动机制,基于逐步优化算法(POA)建立优化调度模型,以1952～2017年的径流资料为基础,对梯级电站的年度发电量进行优化计算,并通过BP人工神经网络模型对计算结果进行检验,结果表明:优化模型计算稳定,收敛性好,为梯级水库优化调度研究提供了思路。     

基于人工神经网络的一卡通数据挖掘

随着计算机技术、通信技术的进步,国民经济得以快速发展,各行各业的信息化程度越来越高。每时每刻都产生庞大的数据,对这些数据进行深入挖掘分析,有助于促进相关行业的发展。本论文将数据挖掘技术应用于校园一卡通数据分析中,通过分析相关记录,从中寻找出品学兼优、家庭贫困的同学供相关部门参考,结合必要的证明材料,使得更多努力学习的贫困学生得到助学金帮助。本文首先介绍了数据挖掘分析的整个流程,接着对人工神经网络算法进行详细的讲述,最后利用Rapidminer studio平台进行实验仿真。     

基于神经网络的实物保护系统综合效能评估研究

目前国内外核设施实物保护系统大多采用路径分析法进行有效性评价,通过计算截住概率来衡量系统的优劣,评估指标单一,未能精确反映系统可靠性、指挥策略、信息安全设计等因素对系统性能的影响。为全面分析实物保护系统综合效能,从影响系统效能因素集出发,采用层次分析法(Analytic Hierarchy Process,AHP)建立实物保护系统综合效能评估指标体系,同时借助BP(Back Propagation)神经网络的非线性复合能力,建立核设施实物保护系统综合效能评估模型,完成了海洋核动力平台实物保护系统综合效能评估。评估结果表明:该BP神经网络评估模型收敛迅速,避免了AHP评估过程中不能满足多数样本集中效应的缺点,且具有较好的自适应性、稳定性,为实物保护效能评估领域提供了一种全新思路。     

基于高斯混合隐马尔科夫模型与人工神经网络的紧急换道行为预测方法

为了有效降低因驾驶员紧急换道行为而诱发的交通事故，提高道路交通事故链阻断效率，提出一种基于高斯混合隐马尔科夫模型（GMM-HMM）和人工神经网络（ANN）的紧急换道行为预测方法。首先利用GMM-HMM对车辆行驶状态以及驾驶行为连续观察序列进行换道意图辨识，采用ANN预测下一时段的驾驶行为，再预测换道过程中的横向加速度变化率，从而判断紧急换道的危险程度。驾驶员在环仿真实验及实车实验结果表明，该方法预测避险成功率达92.83%，实验避险成功率达90.32%。该方法能有效地对紧急换道行为进行提前警告与干预。     

井场措施废液微涡流混凝处理试验

在房地产税制改革新背景下,房地产评估行业对自动估价技术提出了更高要求。基于特征价格理论,以武汉市84 215条二手房数据训练、检验、建立了用于二手房价格批量评估的神经网络分级模型。结果显示,估价相对误差在10%和20%以内的样本比例分别为87.5%和98.9%,模型在保证泛化能力同时提高了精度,为二手房价格自动批量评估提供了可行思路。     

基于双边型直线电机的故障信息融合诊断方法的研究

针对双边型直线电机的气隙偏心故障、绕组匝间短路故障,提出了一种基于双边型直线电机的故障信息融合诊断方法,该法通过数据层融合、特征层融合、决策层融合以及两级诊断的方式来实现,其中数据层采用了Park矢量融合方法以及改进的基8FFT算法,特征层采用了模糊人工神经网络法。将改进的基8FFT算法、模糊人工神经网络法结合在一起,提高了双边型直线电机各种故障的诊断能力。     

基于神经网络的电动汽车电池SOC估算研究

论文首先分析了当前电动汽车电池管理系统中存在的问题,特别是电池电压的精确测量和剩余电量的准确预测问题一直亟待突破,因此,论文在分析电池荷电状态(SOC)影响因素的基础上,进行了动力电池的充放电实验,建立了BP网络电池模型,通过对网络进行训练,应用神经网络模型进行SOC估算,实验表明:建立的BP网络具有较好的适应性,能有效预测锂离子动力电池电压、电流和放电容量间的映射关系。可以准确地对电动汽车电池进行SOC估算。