基于神经网络的城镇在岗职工平均工资预测

由于在岗职工的平均工资不仅能反映人民的生活水平,也是企业退休职工的养老金、社保基金收缴比例以及个税征收比例等主要指标的参考标准,因此对其进行预测就显得尤为重要。为了提高在岗职工平均工资的预测精度,文中分别采用了BP神经网络和广义回归神经网络(GRNN)的方法,利用Matlab2010a对城镇在岗职工的平均工资进行模拟和预测。其中,用BP神经网络预测出的平均工资与实际值十分接近,相对误差能控制到2%以内,因此,利用BP神经网络对平均工资进行预测是可行的。     

考虑索支座振动的索力识别研究

为了提高索力测试精度,考虑索的抗弯刚度和支座振动建立物理模型,导出了索的位移函数,进而得到索力和频率之间的关系,并分析了索的支座振动对索力动力检测的影响。研究结果表明：当索力较小时,考虑支座振动进行索力识别所得结果明显大于不考虑支座振动时的索力识别结果,但随着索力的增大,这种差剐的趋势减小,不考虑支座振动将识剐出不可接受的误差。     

露天煤矿爆破振动的BP神经网络预测

由于爆破振动效果的影响因素繁多,能够综合考虑各因素并对爆破振动进行合理预测亟待研究。通过分析爆破各影响因子与爆破监测数据间的相互关系,利用神经网络之间的权值训练,找出变量之间的非线性关系,然后用训练好的神经网络对爆破振动进行预测。模型预测结果与实际监测得到的爆破振动数据基本吻合,与常规经验公式的预测效果对比表明,基于BP神经网络的爆破振动预测模型的预测方法更为简单适用,精度高而且误差更小,说明将BP神经网络模型应用到爆破效果预测中是适用的和正确的。利用该模型获得了满足布沼坝露天煤矿西帮生产爆破要求的一组最优参数。     

基于BP神经网络的爆破振动峰值及主频预测

针对当前爆破振动安全评价实践现状及不足,建立了基于BP神经网络理论的爆破振动模型。该模型可根据各工程实际情况选取影响爆破振动的主要因素作为输入层参数,可同时预测爆破振动峰值和主振频率。工程实例表明：基于BP神经网络的爆破振动模型比常规经验公式更简单实用,预测精度高,更符合《爆破安全规程》（GB722—2003）的评价要求。     

均匀设计法优化神经网络参数的研究

提出采用均匀设计法设计优化ＢＰ神经网络参数的方法,实验表明,通过采用均匀设计法可以有效地降低调节网络参数所需的实验次数,并降低训练误差,取得了良好的效果。     

徐州和平大桥斜拉索的索力测试

徐州和平大桥是徐州第一座独塔双索面斜拉桥,是连接徐州新老城区的黄金通道.基于风雨的腐蚀及风振疲劳等因素会影响拉索的寿命及索力大小,并直接影响桥梁的受力状态,首先推导出环境风载激励下拉索的横向振动方程,用分离变量法求得拉索索力与其振动频率的关系式,然后利用TST5927无线索力测试分析系统采集拉索在风振作用下的时域信号,通过频谱分析得到拉索的振动基频.根据推导的索力公式及索力相关资料,计算得到所测拉索的索力.结果表明,离塔中央较远的拉索,其横向振动基频较小,索力较大.     

BP神经网络在回归分析中的应用研究

通过实例比较，分析了神经网络在回归分析和预测中的应用。与传统的回归方法相比在某些方面有一定的优势。     

基于BP神经网络的立铣加工振动快速预估

结合研制的立铣加工过程虚拟仿真系统和实验测量铣削力信号,训练并建立优化的1-20-1型BP神经网络模型,快速实现铣削加工过程刀具-工件系统振动状态的预估.对比神经网络模型预估的振动结果与实验测量振动信号可以看出,二者数据吻合较好,表明铣削虚拟仿真系统与神经网络技术的结合能够高效低耗地用于不同铣削加工条件下铣削振动状态的快速预估和加工过程监测.     

斜拉桥索力测试分析

基于频谱法原理对斜拉索进行索力测试,针对斜拉索索力测试中的拉索抗弯刚度、边界条件、垂度影响、温度影响进行了定性和定量分析并给出了实测中采用的对应措施,最后结合涪陵乌江二桥索力测试中提出了测试拉索索力的方法,实际证明该方法是有效的.     

系杆拱桥的吊杆索力测试研究

分析了系杆拱桥吊索的受力情况。不同长度吊索的索力计算方法,应根据具体情况考虑边界条件。通过对某系杆拱桥索力测试与分析,并对该桥的吊杆索力其他测试结果进行比较,验证了计算方法的正确性。     

利用BP人工神经网络实现对轧机轧制力的预测

将人工神网络与轧制力预测相结合,利用BP人工神经网络对4004铝合金轧机的轧制力进行预测,设计该预测模型并采用MATLAB神经网络工具箱加以实现,获得了较高的预测精度.     

基于人工神经网络的振动 钻削仿真与参数优化

将人工神经网络（ＡＮＮ）技术引入振动钻削领域,研究适用于变参数振动钻削过程仿真与参数优化的神经网络模型和算法。实验表明, ＡＮＮ优化精度较高,为振动钻削研究提供了新的分析方法与途径。     

基于BP神经网络的锅炉烟气中CO的测量

增加烟气中一氧化碳含量作为电厂锅炉燃烧调整的参数,可以有效避免局部不完全燃烧,提高锅炉经济性。因此,如何快速准确地反映烟气中一氧化碳含量至关重要。为此采用软测量方法,利用与之相关的一些参数作为输入变量,对一氧化碳含量进行BP神经网络建模。根据对模型的训练仿真和验证样本的相对误差计算,该模型具有较好地泛化能力,可以较准确地预测一氧化碳含量。利用该模型预测结果可以快速调整燃烧工况,得到CO/O2变化关系,使锅炉处于最佳过量空气系数下。     

前馈神经网络开发工具的研究

本文应用面向对象编程的Ｃ语言，建立了一个功能全面的前馈神经网络开发工具（ＢＰＮｅｔｗｏｒｋＴｏｏｌ，ＢＰＮＴ）。该工具具有构造各种结构的前向网络，修改学习参数，编辑训练样本，进行网络训练，检验网络性能以及存取网络数据等功能，为前馈神经网络的研究和应用提供了一个有力手段。     

斜拉桥缆索动力特性研究

针对斜拉桥正逐步向大跨径、密索体系发展,而除测振法外,其它测量方法均难以满足斜拉桥施工、架设至竣工后的随时、迅速、准确地测定缆索索力的要求的状况,进行了斜拉桥结构模型试验,研究了原型的特性,为原型设计提供依据．在模型试验中,采用了动力测试的方法来测定缆索的索力,从而使模型试验与斜拉桥实桥缆索索力的动力测试更紧密地结合起来．     

非线性多元回归分析的神经网络方法

提出了利用前馈神经网络进行非线性多元回归分析的方法,该方法能有效解决传统多元回归分析难以解决的非线性多元回归问题;并提出了进行非线性多元回归分析的BP改进算法,通过实例验证了其有效性.     

基于神经网络和蒙特卡罗方法的天气衍生品定价研究

参考温度变化过程的固有特性,利用1951年至2010年重庆市的温度数据,采用BP神经网络对温度进行预测估计,并采用蒙特卡洛方法对天气衍生品进行定价.仿真结果表明,该方法有效且相对误差较小,对开发重庆市的天气衍生品市场有一定的实用价值.     

BP神经网络在多源图像融合中的应用研究

采用BP神经网络与SVR融合法相结合的方法来实现像素级多源图像融合。改进型的SVR方法,用来进行全色波段和多光谱波段的融合。首先将各多光谱波段与全色波段求算回归系数,然后利用回归系数与多光谱波段合成模拟高空间分辨率全色波段,最后利用比值变换完成各波段的融合．通过仿真证明,BPNN—SVR融合法优于SVR融合法。