共查询到19条相似文献,搜索用时 296 毫秒
1.
2.
针对滩坝砂体单层砂体厚度薄,横向连续性差的特点,采用多参数地震属性神经网络技术进行预测。该方法综合多种属性所包含的地质信息,避免单一属性的局限性,采用交会图、灰关联分析及相关系数组合优化方法优选出对滩坝砂体影响最大的地震属性,经过BP神经网络的学习训练,对官1地区滩坝砂体平面分布进行了预测,预测结果与钻井资料吻合较好。 相似文献
3.
对焦炉的发生和消耗特性进行分析,找出影响煤气产量的主要影响因素,并建立径向基函数(RBF)神经网络模型进行预测,实验表明:RBF模型具有较强的非线性逼近能力,能较真实地反映煤气产量和影响因素之间的非线性关系,预测效果要优于BP神经网络模型。 相似文献
4.
5.
6.
玻璃钢壳体电子性能预测技术研究 总被引:1,自引:0,他引:1
研究目的为通过人工神经网络方法预测玻璃钢天线罩的电子性能.建立具有非线性逼近能力的径向基函数(RBF)神经网络,根据试验得到的不同厚度玻璃钢平板,不同入射角的透波率数据,对神经网络进行训练.按照给定的玻璃钢天线罩内外表面数据计算入射角范围和罩壁厚度,并对玻璃钢壳体进行电子性能预测.计算结果与试验数据十分近似,表明该方法预测精度高,训练速度快,为玻璃钢电子性能设计和分析提供了一种实用有效的方法. 相似文献
7.
在利用BP神经网络预测挤出吹塑中型坯尺寸工作的基础上,采用径向基神经网络(RBF)来预测挤出吹塑中型坯尺寸,并与BP神经网络的预测结果进行了比较。结果表明,虽然RBF与BP神经网络均能较好地预测挤出吹塑中型坯尺寸,RBF网络的训练时间比BP少很多,只是BP的0.7%。 相似文献
8.
9.
10.
11.
以水胶比、用水量、砂率、水泥强度、水泥用量以及偏高岭土、矿粉和粉煤灰用量为输入向量,采用SPSS回归方程分析和基于Levenberg-Marquart算法的BP神经元网络预测模型对偏高岭土高性能混凝土的抗压强度进行了预测研究,并与试验值进行了对比.结果表明:与SPSS回归方程分析预测结果相比,BP神经元网络预测值与实测值线性拟合度高,拟合值为0.997,两者之比的平均值和标准差分别为0.999和0.010,网络预测最大相对误差不超过2.1%,模型预测精度高,结果可靠,为偏高岭土高性能混凝土的抗压强度预测提供了指导依据. 相似文献
12.
水泥强度的预测具有多变量、非线性和大时滞特性,因此传统线性回归方法的结果不准确。除此之外,传统的神经网络预测可能对少量样本不够精确。本文建立灰色BP模型,以此来预测水泥的强度。建立一个多因素灰色模型GM(1,N)用于水泥化学成分的样本数据进行预处理,得到新的数据来作为建立预测模型的样本数据,通过BP神经网络建立预测模型。最终通过建立的灰色BP神经网络预测模型来预测28天水泥强度。仿真结果表明:灰色BP预测模型的效果比BP预测的要准确。 相似文献
13.
人工神经网络在混凝土强度预测中的应用 总被引:6,自引:0,他引:6
人工神经网络技术综合考虑了高强度、高性能混凝土强度的各种影响因素,可用于预测混凝土强度。本文选取混凝土配料中7个因素作为输入值,混凝土28d强度作为输出值,建立起混凝土强度预测BP网络模型,进而对混凝土配合比强度实验数据进行分析预测,结果效果良好。表明该方法用于高性能混凝土强度预测方面是可行的。 相似文献
14.
15.
基于ANN的复合材料变厚度壳体固化变形预测 总被引:2,自引:0,他引:2
研究目的是建立基于人工神经网络的复合材料固化变形预测模型。复合材料固化变形的多因素性致使很难得到精确的解析解。应用人工神经网络方法结合实验实测数据,模拟复合材料各项参数与变形间的非线性关系,对相同材料(玻璃钢)在相近固化条件下的固化变形进行预测,计算速度快,精度高,为固化变形的预测控制提供了一种新方法。 相似文献
16.
人工神经网络(ANN)由于本身具有极强的非线性映射能力、容错性、自学习能力得到广泛的应用。基于反向传播算法(BP)的神经网络作为ANN重要组成部分,在涉及多种非线性因素建模时,相对于传统的反应机理建模显示出巨大的优势。虽然神经网络的发展几经繁荣与冷落,但目前在不同领域已经获得成功的应用。本文概述了BP神经网络的映射原理、缺点以及相应的改进方法,介绍其在催化剂设计、动力学模拟、理化特性估算、过程控制与优化、化学合成与反应性能预测的应用现状,展示了使用不同优化方法的改进模型在实验设计与优化方面取得的成果。最后指出未来BP神经网络的发展要进一步结合数据深度挖掘与机器学习等技术,为今后化学化工领域的研究提供强有力的工具。 相似文献
17.
在汽车发动机活塞销表面制备Ni-ZrO_2纳米复合镀层,以期提高活塞销表面的耐磨性。通过正交试验,得到影响纳米复合镀层磨损量的因素主次顺序,并在正交试验基础上建立BP神经网络模型,对纳米复合镀层的磨损量进行预测,进而评价其耐磨性。研究表明:BP神经网络模型能用于预测纳米复合镀层的磨损量,磨损量的预测值与实验值具有较高的拟合度。通过正交试验与运用BP神经网络模型优化的最佳参数组合相同,采用最佳参数组合制备的纳米复合镀层的磨损量较低(仅为4.26mg),其耐磨性良好。 相似文献
18.
19.
利用某石化企业40个月的循环冷却水实际生产数据,基于小神经网络进行了腐蚀预测研究。经过对比分析,得出了小波神经网络预测精度最高的网络模型为6-7-1结构。在相同输入参数向量下,对含有相同隐层节点个数的小波神经网络和BP神经网络进行腐蚀预测对比,小波神经网络比BP神经网络预测精度高。 相似文献