基于进化神经网络的岩土边坡稳定性预测方法

根据岩土边坡的力学特性和几何尺寸,将遗传算法和人工神经网络有机结合在一起,建立了基于进化神经网络的岩土边坡稳定性预测方法.为了提高神经网络的计算效率和克服BP算法的局部极小的缺陷,采用遗传算法进化神经网络的连接权值和阈值.工程实际应用表明,采用遗传算法训练的神经网络预测岩土边坡的稳定性具有收敛速度快、范化能力强和非常高的预报精度.     

灰色预测GM（1,1）模型的Matlab实现

介绍了GM（1,1）模型的基本原理和建模步骤,利用Matlab实现了程序化、智能化的灰色预测GM（1,1）模型。通过实例验证了其能够快速、精确地进行计算,可以帮助工程人员对所得数据进行准确性分析和预测。     

边坡稳定可靠度分析的神经网络法

用常规可靠度分析方法进行边坡稳定的可靠度分析时,可靠度分析的主程序与用GEO-SLOPE软件求解安全系数的过程需交互进行,过程繁琐。为加快运行速度,本文采用了基于RBF神经网络的蒙特卡罗模拟法（RBF-MCSM）,此法在进行可靠度分析时,需在运行可靠度分析程序之前先用GEO-SLOPE软件来准备好所有样本。本文首先应用GEO-SLOPE软件中的Slope/w模块对皮园边坡四组剖面支护前后的安全系数进行求解,接下来采用基于径向基函数神经网络的蒙特卡罗模拟法（RBF-MCSM）拟合出功能函数,进而求解边坡的失效概率及可靠指标,并与常规的可靠度分析方法（中心点法、验算点法和响应面法）进行比较,由于RBF-MCSM法的计算结果与常规法中精度较高的验算点法和响应面法结果非常接近,说明RBF-MCSM法十分准确。     

Application of artificial neural network to predict Vickers microhardness of AA6061 friction stir welded sheets

The application of friction stir welding(FSW) is growing owing to the omission of difficulties in traditional welding processes. In the current investigation, artificial neural network(ANN) technique was employed to predict the microhardness of AA6061 friction stir welded plates. Specimens were welded employing triangular and tapered cylindrical pins. The effects of thread and conical shoulder of each pin profile on the microhardness of welded zone were studied using tow ANNs through the different distances from weld centerline. It is observed that using conical shoulder tools enhances the quality of welded area. Besides, in both pin profiles threaded pins and conical shoulders increase yield strength and ultimate tensile strength. Mean absolute percentage error(MAPE) for train and test data sets did not exceed 5.4% and 7.48%, respectively. Considering the accurate results and acceptable errors in the models' responses, the ANN method can be used to economize material and time.     

人工神经网络在数据挖掘中的应用

在分析了现行数据挖掘方法后，介绍一种基于数据库的挖掘方法一人工神经网络(Artificial Neural Network)方法，通过对数库据中数据样本的学习，自动发现隐含的大量知识，具体给出了神经网络方法的学习模型和算法．该方法丰富了数据挖掘工具，使定性变量和复杂、动态数据的科学处理成为现实．     

Internet环境下的电火花加工工艺效果预测

电火花加工艺规律复杂，加工的影响因素众多；其中电参数的选择对加工结果有很大影响，其影响程序难以用精确的数学模型来表示。运用人工神经网络技术对电火花加工工艺效果的预测进行了研究。研究结果表明，所建立的预测模型能够很好地映射出电参数与加工网络的电火花加工工艺效果之间的关系。进而，运用APS动态交互技术，在因特网上实现了开发了基于人工神经网络的电火花加工工艺效果的预测模型，充分好挥互联网的优势，扩展了所建立的预测模型的作用范围。为实现电火花加工智能化网络制造系统进行了有益的探索。     

人工神经网络在钢水二次精炼脱磷中的运用

使用CaO基渣系对钢水进行二次精炼脱磷,基于BP神经网络建立脱磷预报系统。对于初始组成(质量分数)为:CaO(48%)-CaF2(32%)-Fe2O3(20%)的熔剂,通过实验与脱磷预报系统的预报发现:①添加剂BaO替代熔剂中CaO的量>13%时,脱磷率ηP90%;②Fe2O3添加量在25%～37%之间时,ηP90%;③渣中存在SiO2时,脱磷率将大幅降低。     

人工神经网络在水工结构优化中的应用

采用人工神经网络方法 ,为水工结构优化提供初始方案 .通过典型的混凝土重力坝断面优化的例子 ,说明该方法能形成很好的初始方案 ,并容易推广到其他结构优化中     

人工神经网络在岩土参数反分析中的应用

在运用人工神经网络对深基坑岩土参数进行反分析的基础上,将PSO与BP算法相结合,充分发挥PSO全局寻优的能力和BP算法局部细致搜索优势,并通过实例验证了方法的可行性。可以看出,运用该方法可以使学习效率增高,收敛速度加快,预测结果更加准确。     

人工神经网络在交通网络OD矩阵推算中的应用

交通网络中ＯＤ矩阵的推算曾一度成为交通规划界的热点,国内外不少学者也提出了一些计算模型和求解方法。在此基础上,针对常规求解方法的不足,提出了应用神经网络来进行ＯＤ矩阵的推算,最后通过实例,分析了此方法的精度,从理论上和实践上证实了该方法的可行性。     

Prediction of operational parameters effect on coal flotation using artificial neural network

Artificial neural network procedures were used to predict the combustible value (i.e. 100-Ash) and combustible recovery of coal flotation concentrate in different operational conditions. The pulp density, pH, rotation rate, coal particle size, dosage of collector, frother and conditioner were used as inputs to the network. Feed-forward artificial neural networks with 5-30-2-1 and 7-10-3-1 arrangements were capable to estimate the combustible value and combustible recovery of coal flotation concentrate respectively as the outputs. Quite satisfactory correlations of 1 and 0.91 in training and testing stages for combustible value and of 1 and 0.95 in training and testing stages for combustible recovery prediction were achieved. The proposed neural network models can be used to determine the most advantageous operational conditions for the expected concentrate assay and recovery in the coal flotation process.     

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 .     

基于人工神经网络的强化学习在机器人足球中的应用

将人工神经网络与强化学习相结合,提出了基于人工神经网络的强化学习的应用方法,并用该方法解决了机器人足球比赛中踢球机器人的动作选择问题．实验结果表明了该方法的有效性．     

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.     

Application of artificial neural network and information theory to detection of insulators

0　ＩＮＴＲＯＤＵＣＴＩＯＮＩｎｓｕｌａｔｏｒｉｓａｎｉｍｐｏｒｔａｎｔｅｌｅｍｅｎｔｉｎｔｈｅｅｌｅｃｔｒｉｃａｌｐｏｗｅｒｔｒａｎｓｍｉｓｓｉｏｎｌｉｎｅｈａｖｉｎｇｄｉｒｅｃｔｅｆｆｅｃｔｏｎｔｈｅｓａｆｅｔｙｏｆｔｈｅｗｈｏｌｅｐｏｗｅｒｇｅｎｅｒａｔｉｏｎｓｙｓｔｅｍ .Ｔｈｅｄｅｔｅｃｔｉｏｎｏｆｐｏｏｒｉｎｓｕｌａｔｏｒｓｂｙｄｉｓｔｒｉｂｕｔｉｏｎｏｆｉｎｓｕｌａｔｏｒｓｈａｓａｈｉｇｈｅｒａｃｃｕｒａ ｃｙ ,ｂｕｔｉｔｉｓａｈａｒｄｊｏｂｔｏｃａｒｒｙｏｕｔｔｈｅｄｅｆｅｃｔｉｏｎ…     

人工神经网络及粒子群优化算法在跟驰模型中的应用

在车辆跟驰现象中,驾驶员-车辆系统可视为一个非线性的动态系统,而人工神经网络(ANN)是开发非线性系统模型的有效工具,采用ANN技术建立了车辆跟驰模型,开发了基于粒子群优化(PSO)算法的ANN训练算法。测试结果表明,基于神经网络的跟驰模型比传统模型具有更强的鲁棒性,基于PSO算法的ANN训练方法能够避免陷入局部最优。     

小波神经网络在高陡边坡位移预测中的应用

阐述小波神经网络模型法的基本原理与程序实施步骤,探讨了高陡边坡监测数据与小波神经网络间的联系,建立了基于小波神经元网络的高陡边坡预报模型.以工程实例为背景,对高陡边坡位移进行预测预报,并与其它方法对比分析.研究表明:小波神经网络具有较好的函数逼近能力和容错能力,经过选取恰当的网络参数,较少的级数项组成的小波神经网络就能达到良好的预测效果.     

基于人工神经网络的多目标动态规划

利用权重系数法来求解多目标动态规划,并在求解的过程中,引入人工神经网络与专家系统,实现对模糊的产生式规则库的学习和推广,从而可以随时根据决策者的意愿合理决定权重系数,完成多目标动态的交互式决策过程.     

Activated sludge process based on artificial neural network

0　ＩＮＴＲＯＤＵＣＴＩＯＮＴｈｅｄｅｓｉｇｎａｎｄｃｉｒｃｕｌａｔｉｏｎｏｆｗａｓｔｅｗａｔｅｒｍｉｃｒｏ ｂｉｏｌｏｇｉｃａｌｔｒｅａｔｍｅｎｔｈａｓｂｅｅｎｍｏｓｔｌｙｃａｒｒｉｅｄｏｕｔａｃ ｃｏｒｄｉｎｇｔｏｅｘｐｅｒｉｅｎｃｅｄａｔａｆｏｒｍａｎｙ ｙｅａｒｓ .Ｓｏｍｅｓｃｈｏｌａｒｓ (ｉ.ｅ .Ｗ .Ｗ .Ｅｃｋｅｎｆｅｌｄｅｒ ,Ｒ .Ｅ .Ｍｃｋｉｎｎｅｙ ,Ａ .Ｗ .Ｌａｗｒｅｎｃｅ ,Ｐ .Ｌ .ＭｃＣａｒｔｙａｎｄｓｏｏｎ)ｉｎｔｒｏ ｄｕｃｅｄｒｅａｃｔｏｒｔｈｅｏｒｙｏｆｃｈｅｍｉｃａｌｉｎｄｕ…     

基于神经网络理论的砂土液化的判别

本文探讨了用神经网络方法来研究土的抗液化性能与土参数之间的非常复杂的非线性关系 ,并对实例进行网络测试。测试结果与其它液化判别方法所得的结果相比要更为可靠