硝化作用对BOD5测定值的影响

BOD5是污水处理厂的一个重要水质指标,SBR法污水处理出水中含有大量硝化细菌。在BOD5测定中,因受硝化作用的影响,常常出现BOD5测定值偏大的情况。用加入丙烯基硫脲(ATU,C4H8N2S)的方法,抑制硝化过程、消除对BOD5测定的影响,可取得良好的测定结果。     

电机故障诊断中RBF神经网络的应用

分析了RBF神经网络的特点及原理,针对RBF神经网络进行电机故障诊断的重点进行了探讨,同时就RBF网络的模型结构和算法作了论述,为实现电机故障诊断模型的优化设计提供了可行的途径。     

混凝土早期弹性模量的预测RBF模型

混凝土的早期弹性模量对施工的进度和工程的可靠度有重要的影响。借鉴RBF神经网络具有很强的非线性映射功能,在测定混凝土早期强度的基础上利用RBF神经网络对其弹性模量进行预测。讨论了RBF神经网络的拓扑结构和修正算法。通过对检验结果进行分析比较,证明了利用RBF网络能对混凝土早期的弹性模量进行精确的预测。     

混凝土氯离子扩散系数的RBF神经网络预测模型

提出了一种基于RBF神经网络的氯离子扩散系数预测模型,将RBF网络模型预测的结果与另外三种不同输入的RBF模型、BP网络模型的预测结果以及实测结果进行了对比分析,结果表明,RBF神经网络模型相对其他输入指标体系模型的预测精度有所提高,且能满足工程的需要,可以作为氯离子扩散系数预测的一种新的有效的方法。     

基于RBF神经网络的自适应轨迹跟踪算法

考虑到保障机械手系统工作稳定的需求设计以模型为基础的,结合RBF神经网络的自适应控制器轨迹跟踪算法。兼顾到该自适应控制器外部工作环境的影响因素对其工作形成的影响开展了详细的机械手轨迹跟踪算法。在控制系统中假如使用了RBF审计网络自适应补偿算法控制器,有效改善了外界环境因素对系统形成的不利影响,降低了神经网络的误差,进一步提升该系统工作的安全性与可靠性。得出的Lyapunov函数证明可靠稳定,使得其跟踪轨迹完整而准确。通过数据拟合出运动轨迹曲线结果得出两者之间误差,进一步提升了跟踪准确度,在稳态误差以及超调量方面都有所优化。     

基于RBF神经网络的钢筋锈蚀程度预测

通过分析钢筋锈蚀机理及其影响因素,建立了钢筋锈蚀程度预测的RBF网络模型.通过实例数据进行了分析预测,并与BP网络预测模型进行比较.测试结果表明:应用RBF网络模型对钢筋锈蚀程度进行预测,预测效果好,识别精度高.可见,径向基函数神经网络方法是一种可综合考虑各种影响因素、行之有效的钢筋锈蚀度预测分析方法.     

基于RBF神经网络的高校财务风险识别

为实现高校财务风险的实时监测及预警,文章在遵循全面性、科学性、可操作性等原则的基础上,建立了高校财务风险识别指标体系,并采用RBF神经网络构建了高校财务风险识别模型,最后用实例验证了该模型用于高校财务风险识别的可行性。     

应用RBF神经网络的预应力混凝土碳化深度预测研究

在现有混凝土碳化研究成果基础上,建立了预应力混凝土碳化预测模型。随后,运用径向基函数神经网络的基本原理,通过对影响预应力混凝土碳化深度因素的分析,建立了预测碳化深度的RBF和GRNN网络模型。通过实例进行了分析计算和预测,预测结果具有较高的精度。可以说,人工神经网络预测方法是一种可同时考虑各种影响因素组合、行之有效的混凝土碳化预测分析方法。     

基于RBF和朴素贝叶斯的红葡萄酒质量等级分类

为提高红葡萄酒质量等级的分类准确度,在提取红葡萄酒的多种物理化学成份测定的基础上,利用RBF神经网络和朴素贝叶斯分类相结合的机器学习理论构建分类模型,实现红葡萄酒质量的有效分类。结果表明,改进算法将质量等级的分类准确率提高了约7%;对红酒加工企业具有积极的实用参考价值。     

RBF神经网络在燃气负荷预测的应用

介绍RBF神经网络技术,提出一种基于RBF神经网络的燃气月负荷预测模型,实例预测取得了较好效果。探讨了数据归一化参数对负荷预测精度的影响。     

基于RBF神经网络的边坡稳定可靠度分析

RBF神经网络具有网络训练速度快、可以避免局部极小等优点。文章基于RBF神经网络理论,采用蒙特卡罗模拟法来进行结构的可靠度分析,研究了样本点的生成方法及样本数对可靠度分析结果的影响,并将基于RBF神经网络的蒙特卡罗模拟法应用于边坡的可靠度分析。计算表明:基于RBF神经网络的蒙特卡罗模拟法具有较好的计算效率和计算精度;样本点的生成方法和样本数对计算结果影响较大。与随机取样法相比,均匀设计法生成的样本点分布更均匀,由此样本点集训练生成的神经网络能更好的代替原功能函数,在相同的样本数时具有更高的计算精度;当计算精度相同时,均匀设计法比随机取样法需要生成的样本点少,计算效率高。     

BP神经网络和RBF神经网络在墩柱抗震性能评估中的比较研究

通过仿真实例,对BP神经网络和RBF神经网络在墩柱抗震性能评估中的应用进行了比较研究.训练和仿真结果表明,BP神经网络和RBF神经网络均能很好地对墩柱的延性进行抗震性能评估,并且,在相同精度要求下,RBF神经网络比BP神经网络的训练速度更快,效率更高,充分体现了RBF神经网络的优越性.同时也总结了BP神经网络和RBF神经网络所存在的不足.实际应用中,可以以此结论为指导来设计神经网络.     

CAST工艺的BP和RBF人工神经网络仿真模型

将误差反向传播前馈(BP)神经网络模型和径向基函数(RBF)神经网络模型应用到CAST工艺中,并采用多输入、双输出神经网络模拟处理过程中各变量之间的关系和预测出水水质.误差分析结果表明,训练阶段RBF神经网络模型的拟合精度比BP神经网络模型的高,但两者的预测精度相差不大;测试阶段BP神经网络模型和RBF神经网络模型预测出水COD的平均相对误差分别为6.35%、6.80%,预测出水TN的平均相对误差分别为7.19%、5.49%,均在8%以下,这说明两种神经网络模型均可用于模拟CAST污水处理工艺各变量之间的关系和预测出水水质,为污水厂的运行管理提供了理论依据.     

一种基于神经网络的材料成分模型

为研究如何利用神经网络预测材料化合物构成，建立了一个4层前向型网络，这种网络通过改变神经元非线性变换函数的参数，使连接权调整线性化，从而可提高学习速度，减少计算量，并避免了BP网络存在的易陷入局部极小和收敛速度慢的问题，以CaO-Al2O3-SiO2系统为例进行的仿真研究结果表明，该网络可成功包含材料化合物的构成信息。     

基于RBF神经网络的换热管污垢热阻预测

建立了换热管污垢热阻监测实验系统,采用偏相关系数方法,筛选出与换热管污垢热阻形成关系密切的因素.采用RBF神经网络法,对换热管污垢热阻的变化趋势进行了预测,预测值与实验得到的实测值基本吻合,误差小.     

RBF网络的结构动力响应预测

由于结构主动控制对地震反应振动控制的高效性,使主动控制在建筑结构振动控制领域中,具有广阔的应用前景,但是主动控制存在难以建立一个精确的数学模型,存在时滞效应等问题.神经网络不需要建立精确的数学模型,只是通过学习输入输出训练样本数据,就可归纳出隐含在系统输入输出中的关系;应用神经网络预测结构响应可以解决主动控制中的时滞问题,为控制决策提供依据.用RBF神经网络对结构响应进行预测,以期能为结构主动控制提供一种新的思路.     

小波神经网络在软基沉降组合预测中的应用

将小波神经网络组合预测模型引入软土路基沉降预测中。把5组不同形式的s型增长模型单项预测结果作为小波网络的输入向量,将代表相应时刻的实际值作为小波网络的输出,对软基沉降序列进行非线性组合预测。预测结果表明,小波网络组合预测的结果比各单项模型预测的结果都好,与BP神经网络相比,小波网络的收敛速度更快,预测精度更高,模型的泛化能力更强。     

一种改进的材料成分神经网络模型

所介绍的材料成分神经网络模型使用的是一种改进的4层径向基函数(RBF)神经网络,其基本思想是根据样本的不同特征采用不同的训练方式,并且在训练过程中根据样本的特征添加隐层节点来加快网络的训练过程．网络的映射选用区域映射方式,可有效防止网络的过拟和,同时也可提高网络的识别效果．对建筑材料系统中相图的仿真结果表明了该方法的有效性。     

基于径向基神经网络的基坑支护位移预测方法

简要分析了径向基神经网络相对于BP神经网络的优点,利用径向基神经网络建立了基坑支护水平位移的预测方法并编制了基于径向基神经网络的支护位移预测程序.结合实际工程监测数据中的基坑支护结构水平位移数据,对网络进行训练并利用训练好的网络对基坑支护结构的水平位移进行了预测.从预测结果与实测结果的对比分析来看,利用径向基神经网络对基坑支护水平位移进行预测是可行的,其精度符合工程实际的要求.     

基于时空序列模型的RBF神经网络在河流水位预测中的应用

河流水位预测一直以来都是水文预报中研究的热点。河流水位变化不定,具有时间上和空间上的变化性、多维性、动态性和不确定性等,给水位预测带来了挑战。本文综合考虑河流水位时空信息,建立基于时空序列的RBF神经网络预测模型来预测河流水位。实验中预测了金沙江下游向家坝水文站的水位信息,并将实验结果与其他多种水位预测方法比较,实验结果显示基于时空序列的RBF神经网络模型在河流水位预测中具有较高精度,证明了方法的可行性。