多氯酚QSAR建模的人工神经网络信息流分析

针对目前采用人工网络（ANN）建模中存在的问题,以多氯酚的定量构效关系（QSAR）人工神经网络模型研究为基础,开展了ANN的信息流分析,对该网络的连接权值和阈值进行了分析、比较,找出了影响网络输出的稳含层的主要节点;并由这些隐含层节点进一步确定出主要输入层节点;经对网络内部信息传播与分配过程的分析,得到ANN模型信息流流径分布图。     

活性污泥法人工神经网络建模

针对现行采用活性污泥法处理废水的污水厂建立实用数学模型较难的实际,通过引入人工神经元网络理论和思想建立起基于BP人工神经网络模型,对污水厂的运行状态进行模拟,结果表明,人工神经网络完全可以用于活性污泥法建模,这种模型的建立,使得活性污泥法工艺系统在线智能控制成为可能。     

污泥和煤混烧特性的热重试验研究

利用热重分析法对兰坝煤粉和某城市污泥及两试样混合物的着火温度、燃尽特性和综合燃烧性能等参数进行了研究。实验结果表明:在20℃/min的加热速度,20~1200℃的温度范围内,单一试样及不同掺混比混合试样燃烧时燃烧特性和燃尽性能存在差异,并得出了一些燃烧特性参数,结合实验条件,对反映燃料着火及燃尽性能的燃烧特性综合判别指数S进行了修正。计算结果表明:修正后的S'与其他特性参数计算结果吻合较好。     

降雨径流模拟神经网络模型及应用

针对水文系统的非线性,构建了基于遗传算法和人工神经网络的降雨径流模拟神经网络模型(GA-BP模型).采用附加动量法和自适应学习速率对BP神经网络进行改进,遗传算法用于优化神经网络的初始权重.以大别山及皖南山区月潭流域为例,将GA-BP模型、BP模型以及新安江模型应用于水文日径流过程模拟,进行应用比较以及分析GA-BP模型在水文径流模拟过程中的难点及其可行性.结果表明,GA-BP模型优化了网络结构,加快了算法收敛速率;可以用于降雨径流过程模拟,也为今后类似研究提供一种模拟技术.在实际应用中可以根据流域资料情况选择合适的模型进行水文模拟作业.     

基于热重红外联用分析的纤维素热裂解机理研究

在用红外固体压片法研究纤维素多糖结构的基础上,利用热重红外联用技术在线分析研究了纤维素在20 K/min升温速率下的热裂解行为.结果表明,纤维素的热分解主要发生在550~670 K,680 K以后热失重很缓慢,在此温度下固体残留物的质量分数为14.7%.在线红外分析结果表明,纤维素热裂解过程中先析出游离水,随后发生解聚和脱水反应,主要的苷键和碳碳键断开形成各种烃类、醇类、醛类和酸类等物质,随后这些大分子物质二次降解为甲烷和一氧化碳为主的气体产物.     

基于神经网络的弹性连杆机构动力响应分析

针对求解弹性连杆机构动力响应过程的复杂性和耗时性，提出了基于人工神经网络中的向后传播网络的机构动力响应分析模型，利用训练后网络所给出的近似函数关系式，推导出网络输出参数对网络输入参数的灵敏度计算公式，将训练后的网络以及求解灵敏度的方法应用于弹性连杆机构的优化设计和可靠性分析中，可减少动力响应分析时间，提高设计效率。     

人工神经网络泛化性能改进

泛化能力是人工神经网络的重要特性.总结了增强神经网络泛化能力的几种方法,分析了各自的优缺点,并使用Matlab中提供的函数进行非线性函数的逼近,通过仿真与原函数拟合验证了泛化能力的提高.     

On the optimization of froth flotation by the use of an artificial neural network

A multi layered, feed forward Artificial Neural Network (ANN) was used to study the effect of feed mean size, collector dosage and impeller speed on flotation recovery and grade. The results of 30 flotation experiments conducted on Jordanian siliceous phosphate were used for training the network while another 10 experiments were used for validation. Simulation results showed that a four layer network with a [9 11 5 9 2] architecture was the one that gave the least mean squared error (MSE). Using this ANN to optimize the flotation process showed that the optimum flotation parameters were 321.28 μm for the feed mean size,0.7354 kg/TOF for the collector dosage and 1225.25 RPM for the impeller speed. Studying the effect of these parameters on flotation recovery and grade was done by analysis of variance, ANOVA. The results showed that grade was more sensitive to changes in flotation parameters than was recovery. They also showed that changes in collector dosage had a more significant effect on flotation grade and recovery than did changes in feed mean size or impeller speed.     

基于多方法优选因子和人工神经网络耦合模型的枯水期径流预报

通过对比相关系数法、逐步回归法及综合方法3个预报因子筛选方案的模拟结果,确定优选预报因子的最佳方法,采用BP人工神经网络模型对大通、屏山和汉口3个站点进行枯水期(当年11月-次年4月)径流预报研究.结果显示,采用相关系数法初选及逐步回归法优选所筛选出的预报因子集合可以得到更好的预报效果;该模型在枯水期月尺度径流预报中,检验期的平均合格率为56.44%,达不到实际预报的需求.而采用旬尺度模拟计算月径流的预报效果要远远高于月尺度径流模拟,检验期平均相对误差与合格率分别为12.27%和71.63%,有较好的预报精度.可以为长江流域水文预报工作提供一定的参考.     

定性基准的线性变换与人工神经元网络

将专家系统方法中类似医生凭化验单进行诊断的判断操作,归结为一个以n维超平行体为定性基准,以人工神经元为其定性基准一个((n-1)维超平面)边界的定性映射.并指出,人工神经元可看作是一个定性基准仅有一个有限边界,而其余边界均消失在无穷远点的定性映射.若以一组人工神经元所围封闭邻域为其定性基准,则该定性映射等价于这组神经元构成的人工神经网络.还讨论了定性基准的伸缩、平移和叠加(或整合)等(线性)变换与人工神经元网络的关系,指出,定性基准的伸缩等价于连接权重的调节,平移等价于阈值调整,叠加等价于边界(人工神经元)旋转.也就是说,带定性基准线性变换的定性映射,不仅具有人工神经网络的所有调节功能,而且,可表示真值随定性基准而变的动态判断和识别过程.     

改进的BP网络在嵌岩桩承载力预测中的应用

本文提出了用改进的BP网络对嵌岩桩承载力进行预测的新方法，并编写了相应的训练程序。实例计算表明，改进的BP网络算法比一般的BP模型结果误差小、收敛快，人工神经网络方法对嵌岩桩承载力的预测行之有效。     

Fusion analysis of MH-Ni batteries characteristics by neural network data fusion method

0　ＩＮＴＲＯＤＵＣＴＩＯＮＡｓａｎｅｗｎｏｎｐｏｌｌｕｔｉｎｇｅｎｅｒｇｙｓｏｕｒｃｅ ,ＭＨ Ｎｉｂａｔｔｅｒｙｈａｓｂｅｅｎｕｓｅｄｍｏｒｅａｎｄｍｏｒｅｗｉｄｅｌｙ .ＴｈｅｄｅｍａｎｄｆｏｒＭＨ Ｎｉｂａｔｔｅｒｙｉｓｒｉｓｉｎｇｒａｐｉｄｌｙｉｎｓｕｃｈｆｉｅｌｄｓａｓｅｌｅｃｔｒｏｎｉｃｅｑｕｉｐｍｅｎｔ,ｉｎｓｔｒｕｍｅｎｔｓ ,ｕｎｌｉｎｅｄｅｌｅｃｔｒｉｃｆａｃｉｌｉｔｉｅｓ ,ｃａｒｓｆｏｒｄｉｓａｂｌｅｄ ,ｅｌｅｃｔｒｉｃｔｏｙｓ ,ｈｏｍｅａｐｐｌｉａｎｃｅｓａｎｄａｒｍｙ ｅｌｅｃ…     

地下水动态的BP神经网络模型及改进的灰色斜率关联度分析

为了深入探求地下水动态变化规律,以陕西洛惠渠灌区多年实测数据为例,首先引用3层前馈型BP网络建模方法,对灌区自然一人工一生物条件下地下水动态进行了研究,其次采用改进的灰色斜率关联度方法分析了各影响因子与地下水埋深的敏感程度,根据斜率关联度进行了综合排序.结果表明,该人工神经网络模型具有较高的精度,可以真实地定量描述地下水动态与各影响因子之间的响应关系;改进的灰色斜率关联度法能够很好的分析各因子对地下水动态的影响程度;蒸发量是影响该灌区地下水动态的主要因子,各因子之间相互作用,相互影响,形成了复杂条件下的耦合关系.将这两种方法结合运用到灌区地下水动态评价中是切实可行的,是对传统地下水动态研究方法的补充与完善.     

GIS与人工神经网络在水质评价中的应用

水环境质量评价是水环境管理保护和治理的一项重要基础性工作 .在分析目前用于水质评价主要模型及其存在主要问题的基础上 ,引入了人工神经网络理论来解决自动定权问题 ,应用BP改进模型及GIS开展了东湖水质、富营养化综合评价 ,结果表明该方法在客观性、实用性及适应性等方面具有明显的优点 .     

人工神经网络中隐含层节点与训练次数的优化

目前构建定量构效关系人工神经网络模型中隐含层节点数和网络训练次数大多是依靠试验方法来确定，针对该方法运算工作量较大、模型质量和预测精度没有保证等问题，通过编写程序获得有关网络的预测精度和百分误差与网络隐含层节点数和训练次数之间关系的大量数据，采用Matlab语言分别绘制预测精度和百分误差与网络隐含层节点数和训练次数之间的三维关系图，从图中可以很容易判断出达到最佳预测精度和最小百分误差的隐含层节点数和训练次数。该方法和技术从根本上提高了选择人工神经网络隐含层节点数和训练次数方法的效率。     

人工神经网络与模糊算法相结合的自动设备故障诊断系统

介绍了一种神经网络与模糊算法相结合的自动设备故障诊断系统,即将人工神经网络对故障定位的一般搜索与模糊算法对故障定位的特殊规则相结合。系统运行结果说明本系统可以提高故障诊断的准确性。     

人工神经网络与模糊算法相结合的自动设备故障诊断系统

介绍了一种神经网络与模糊算法相结合的自动设备故障诊断系统,即将人工神经网络对故障定位的一般搜索与模糊算法对故障定位的特殊规则相结合.系统运行结果说明本系统可以提高故障诊断的准确性.     

Dynamic rupture and crushing of an extruded tube using artificial neural network(ANN) approximation method

A numerical study of the crushing of thin-walled circular aluminum tubes has been carried out to investigate the crashworthiness behaviors under axial impact loading. These kinds of tubes are usually used in automobile and train structures to absorb the impact energy. Previous researches show that thin-walled circular tube has the highest energy absorption under axial impact amongst different structures. In this work, the crushing between two rigid flat plates and the tube rupture by 4 and 6 blades cutting tools is modeled with the help of ductile failure criterion using the numerical method. The tube material is aluminum EN AW-7108 T6 and its length and diameter are 300 mm and 50 mm, respectively. Using the artificial neural network(ANN), the most important surfaces of energy absorption parameters, including the maximum displacement of the striker, the maximum axial force, the specific energy absorption and the crushing force efficiency in terms of impact velocity and tube thickness are obtained and compared to each other. The analyses show that the tube rupture by the 6 blades cutting tool has more energy absorption in comparison with others. Furthermore, the results demonstrate that tube cutting with the help of multi-blades cutting tools is more stable, controllable and predictable than tube folding.     

Estimation of froth flotation recovery and collision probability based on operational parameters using an artificial neural network

An artificial neural network and regression procedures were used to predict the recovery and collision probability of quartz flotation concentrate in different operational conditions. Flotation parameters, such as dimensionless numbers (Froude, Reynolds, and Weber), particle size, air flow rate, bubble diameter, and bubble rise velocity, were used as inputs to both methods. The linear regression method shows that the relationships between flotation parameters and the recovery and collision probability of fl...