遗传神经网络-紫外分光光度法同时测定苯酚和邻苯二酚

研究吸收光谱重叠严重的苯酚和邻苯二酚的两组分体系,针对BP神经网络易陷入局部极小等缺陷,将遗传算法与BP神经网络相结合,用遗传算法优化神经网络的初始权值和阀值,由神经网络输出的误差构造适应度函数,建立遗传神经网络算法,用紫外分光光度法同时测定混合的苯酚和邻苯二酚,预测集样品的相对平均误差分别为0.818%和0.366%,对水样的加标回收率分别为104.7%和102.9%。     

径向基神经网络示波计时电位法同时测定铅和镉

将径向基神经网络用于Pb~(2 )和Cd~(2 )示波计时电位重叠切口的解析,建立了同时测定Pb~(2 )和Cd~(2 )的径向基神经网络示波计时电位分析新方法。实验表明:所建模型对训练集20个样本,预测结果相对标准偏差平均值仅为0．93%,而主成分回归模型预测结果为3．2%,偏最小二乘回归模型预测结果为3．0%。用本文方法预测的结果比主成分回归和偏最小二乘回归模型准确度高。     

人工神经网络阻抑动力学光度法同时测定邻苯二酚和间苯二酚

研究发现:在pH=8的NaH2PO4-Na2HPO4的缓冲溶液中,邻苯二酚和间苯二酚都能明显的阻抑H2O2氧化灿烂甲酚蓝的褪色.但二者存在一定的速率差异,反应速率常数之比随时间而变化,且吸光度的加和性不佳.结合人工神经网络提出了1种能同时测定邻苯二酚和间苯二酚异构体的新方法.该方法无需预先分离或加入掩蔽剂等其他物质,最大限度保护样品不被破坏而较容易地直接进行有机物同分异构体的同时测定.本文研究了最佳反应和测定条件以及神经网络参数对网络性能的影响.并将该方法用于合成样品及水样中邻苯二酚和间苯二酚的测定,结果表明,精密度和准确度均满足分析要求.     

BP神经网络在永磁同步电机中的应用

永磁同步电机是一个多变量、非线性、强耦合的系统,传统PID速度控制效果不理想.在分析永磁同步电机数学模型的基础上,采用改进型BP神经网络与传统PID控制相结合作为速度控制器,应用于永磁同步电机调速系统中.在电机初始运行阶段采用传统PID控制,网络学习一段时间后,切换到经过改进的BP神经网络在线自整定PID控制,实现了电机速度的自适应控制.仿真结果表明:应用这种新型控制方式的永磁同步电机调速系统具有良好的动态性能和稳态精度.     

带反馈输入BP神经网络的应用研究

为了有效解决具有非线性特征的水文预报精准度的问题,通过对反向传播BP神经网络的学习和研究,分析了变量间的相互信息,提出了系统间相关信息熵的概念,并建立了适合水文预测的自迭代反向传播神经网络模型.该模型通过对迭代因子的及时修正,在反向传播中不断调整网络的权值和阈值,从而在很大程度上改善了传统BP算法所带来的不足,提高了预测的精度.实际的应用研究表明,自迭代反向传播模型的预测效果优于传统预测模型.     

BP网络与RBF网络在感官评估中应用比较

介绍BP网络与RBF网络的方法原理以及二者在感官评估中的应用.利用企业提供的单料烟感官数据设计建立BP网络和RBF网络模型,并利用模型预测单料烟感官质量指标,然后通过行业专家提供的符合度公式对建立的模型进行评估,评估结果以百分比的形式展示.实验结果表明:在感官评估应用中,RBF网络模型预测性能优于BP网络模型.     

BP神经网络信息融合技术在水质监控中的应用

目前我国对于集约化水产养殖的水质调控,仅处于单指标调节水平,忽略了水质因子间的相互作用对养殖环境产生的影响。本文在现有的多传感器无线传感网络基础上,构建基于BP神经网络的信息融合监控系统,对多元非线性水质因子进行信息融合以全面评估当前水质环境是否适合虾类生长并做出相应的调控决策。文章最后通过实际水质数据对该系统算法进行测试分析,测试结果表明此监控系统具有较高的精确度,为集约化水质监控开辟了一条新路径。     

应用BP神经网络预测油页岩含油率

根据测井资料计算油页岩含油率多采用△logR法或改进的△logR法,这些方法中参数获取过程中易产生诸多误差,且这些方法是建立在油页岩含油率与特征测井曲线值是线性关系的基础上的,而在实际非均质性地层中,测井对油页岩含油率参数的响应在本质上必然是非线性的。基于此,运用BP神经网络来预测柴达木盆地北部地区侏罗纪油页岩含油率。首先分析研究区段测井数据的数理统计分布特征,在优选学习样本的基础上再采用一种基于LM（ Levenberg-Marquardt）算法的BP神经网络进行含油率预测,最后得出一组由40个连接权值与11个阈值组成的含油率参数解释模型,油页岩含油率预测值与岩心实验室分析值吻合很好,均方误差能控制在0.1918。因此,运用此模型可以预测相同地质背景条件下的油页岩含油率。     

BP神经网络在缺失数据估计中的应用

由于飞行参数记录系统所记录的数据很容易被污染,所以对飞参数据进行预处理已显得十分重要,而预处理的一项重要内容就是对缺失参数数据进行合理且有效地估计,真实地反映飞行器当时的状态.通过分析神经网络理论和飞参数据特征,提出了一种基于BP神经网络的缺失数据估计的方法,有效地解决了目前飞行参数记录系统记录数据时缺失数据的问题.利用某型飞机真实的数据进行仿真,结果表明了这种方法是可行且有效的.     

动态构建和存储BP神经网络模型的方法

BP神经网络是一种用于机器学习的数学模型。它在预测未来事件是否发生的方面具有强大的优势,而考虑到不同的应用,其影响发生的因子也不同,使得网络的结构复杂多样。提出了一种通用的建模方法,即动态地构建和存储BP神经网络模型,阐述了其原理,并以典型的应用实例(病虫害预测)加以验证。     

基于改进BP网络算法的故障诊断分析

介绍BP神经网络结构和学习方法,针对误差反向传播神经网络模型学习收敛速度慢、容易陷入局部极小点等缺点,本文对BP网络模型进行了改进。对原始数据采用非线性的归一化函数,提出一种更加有效的学习率改进算法,提高了网络的收敛速度,采用了一种新的权值及阈值初始化方法,以避免训练时误差陷入局部极小解,并对改进BP算法与传统的BP算法进行比较,验证了该算法的优越性。