基于BP神经网络的油井井斜角误差补偿研究

介绍了延长石油常用的石油测井测斜仪器及其测量原理,分析了其工作过程中可能存在的误差及其来源。针对井眼姿态测量中主要测量参数之一的井斜角,利用前馈神经网络算法,建立了以测量井斜角为输入、期望的井斜角为输出的三层BP神经网络模型,并用实际测斜仪器的测量数据进行现场测试。实验数据表明,采用该BP神经网络补偿算法,可将井斜角的实际测量精度从提高至以内。     

基于BP神经网络的流体流量补偿方法

针对流体质量流量测量中密度随温度及压力等参数的变化而变化,在BP算法的基础上,采用BP神经网络补偿方法对液氨的密度进行了补偿,给出了网络训练后误差渐进过程的仿真图和补偿后的仿真结果图,通过函数调用网络训练后非采样点上的温度来得到对应的密度值。可以得到结论:基于BP神经网络的补偿方法弥补了最小二乘法在非线性补偿方面的缺陷,且误差比较小,是一种性能比较优越的补偿方法。     

基于粗糙集和神经网络的地表水质预测

当前,许多地方已经建设重点污染源在线监控系统,收集了重点污染源大量的排污数据。同时,也开始建设地表水质自动监测系统,并获得地表水质的实时数据。利用数据挖掘技术,这些数据对城市地表水质的分析和预测有着十分重要的意义。本文主要以小榄水道马大丰水厂水质自动监测子站的历史数据和周边上下游重点污染源在线监控数据为研究对象,并利用数据挖掘技术,对监测数据进行筛选,预处理和属性约简,再运用BP神经网络技术建立模型,对小榄水道的主要指标CODMn进行预测。预测结果分析表明,误差较少,预测效果较好。     

BP神经网络补偿快速成型系统闭环误差的研究

提出快速成型系统闭环误差反馈的必要性,将BP神经网络引入快速成型技术,建立了快速成型误差补偿模型,探求出一种快速成型系统闭环误差的反馈方法,并通过实例进行了验证。结果表明,基于BP神经网络控制的最大绝对误差和相对误差均比传统误差补偿方法大为降低。     

基于BP神经网络的天然气负荷预测方法改进

改进用影响因素最为输入变量的BP神经网络进行短期负荷预测的传统方法,讨论基于BP神经网络的两种天然气负荷预测方法,分析其稳定性和误差分布及平均误差大小,最后得出用前4年的数据作为输入变量,后一年的数据作为目标矢量的网络训练方法,误差分布均匀且平均误差非常小,可达到天然气负荷预测的要求。     

基于BP神经网络的焦炭质量预测

分析了配煤炼焦中影响焦炭质量指标的各种因素及传统焦炭质量的预测方法。以天津天铁焦化厂的配合煤及生产焦炭的各项实际数据为基础,在MATLAB环境下,进行了基于BP神经网络对焦炭质量预测的方法研究。实验结果显示:3种网络的误差基本相同,范围在2%～0.05%,以中间层为15个神经元的略好,满足焦炭质量的预测要求。     

基于反向神经网络的陶瓷材料Vickers硬度预测

误差反向传播神经网络(BP网络)具有能够正确逼近非线性映射关系的优点。将其运用到复相结构陶瓷材料Vickers硬度预测当中，克服了陶瓷材料研究中单因素实验法不能正确反映Vickers硬度与添加组分多因素之间复杂非线性关系的弱点，通过硬度预测和试验验证表明，该方法可行有效，为快捷、经济地开发研制新的陶瓷材料提供了新的思路和有效手段。     

基于改进误差修正方法的灰色动态模型群水质预测

介绍了一种新的水质预测方法一灰色动态模型群法的基本原理和计算过程。将该方法应用于浑河沈阳段某监测断面的水质预测中,预测所得数值经过一种新的误差修正方法后和实际监测水质数据同时进行水质标识指数法评价,以便得出一个简单直观的结果对其精度进行检验。结论得出,应用新的误差修正方法的灰色动态模型群的预测结果与实际监测的水质结果一致,表明该方法能克服由数据序列随机波动性大而引起的GM（1,1）动态模型群预测精度不高的问题,可以作为水质预测中的一种有效的误善修正方法。     

基于BP神经网络的电力负荷预测算法

将BP神经网络用于电力负荷预测。给出了具体的数据处理方法、神经网络构造及预测结果评价方法。在南京市夏季电力负荷统计数据集上面的实验结果表明．BP神经网络能够对电力负荷进行较好地预测。     

基于BP神经网络的膜蒸馏性能预测系统

利用BP（反向传播）神经网络模型建立了气隙式膜蒸馏性能（通量和造水比）与热进料温度、冷进料温度和管膜比之间的映射关系,神经网络由输入层（三输入）、隐含层和输出层（二输出）构成,隐含层包含6个神经元。神经网络模型预测通量和造水比的决定系数分别为0.9981和0.9801,具有很高的预测精度。Pearson相关性分析显示热进料温度、管膜比与通量呈正相关,冷进料温度与通量呈负相关,热进料温度、冷进料温度及管膜比对造水比均有正向影响,其中热进料温度对造水比的正向影响最大。     

基于神经网络的污水处理厂水质预测模型

摘要该文针对污水处理厂进水水质变化及处理过程中具有非确定特性、不易精确控制等特点,充分利用神经网络模糊信息处理的优势,结合污水处理工艺过程,以MATLAB为研究平台建立一套具有3层神经网络结构的预测模型并进行仿真验证。结果表明该系统能够预测该污水处理厂12h后处理水质的状况,为运行管理提供可靠的数据支持,是一种预警处理水质的有效方法。     

基于RBF神经网络区域划分-分块补偿的储油罐用温度传感器非线性补偿

由于储油罐温度场分布规律复杂,因此采用温度传感器进行储油罐温度数据测量时需要进行误差补偿,提出了一种基于RBF神经网络区域划分-分块补偿方法。根据储油罐温度场分布规律及温度传感器安装布置,将罐内空间划分为若干个区域。利用RBF神经网络对各个区域内的温度传感器分别构建相互独立的补偿模型进行非线性补偿。实验表明,与多种补偿方法相比,该种方法模型结构简单,补偿后的储油罐用温度传感器误差大幅减少。     

BP神经网络在膜分离处理废水中的应用

为能更好地预测工艺条件对膜分离过程的影响,运用BP神经网络技术建立输入变量为压差、流速、浓度和温度,输出变量为膜通量的预测模型。通过大量实验数据训练预测模型,得到的网络模型整体误差平方和仅为0.014 5;计算值与模拟值相比,10组不同条件的膜通量平均预测误差仅为1.1,证实了所建立的BP神经网络膜通量预测模型与实验值吻合程度较好,有较好地预测能力。在此基础上进一步考察了工艺参数对膜分离过程的影响。     

基于BP神经网络的教学质量评价的探讨

教学是学校的基本功能,正确评价教学质量具有重要的实际意义。本文在分析现有教学评价方法的基础上,结合BP神经网络的特点,探讨了基于BP神经网络的教学质量评价方法。通过分析教学质量评价体系,我们构建了教学质量评价BP神经网络模型,模拟检验结果表明,BP神经网络可以有效、准确地评价教学质量。     

基于BP神经网络的液化石油气芳构化反应体系的预测模型

将BP神经网络应用于液化石油气芳构化反应体系,建立了该体系在指定反应条件下的神经网络模型,网络的训练结果达到了预设要求,且网络输出结果与试验值能够较好的吻合,所建模型能较准确地预测指定反应条件下该体系的产物分布状况。分析结果可为LPG芳构化技术的进一步开发、生产过程中的产物分布预测和工业过程的模拟提供一些指导。     

人工神经网络在污水处理中的应用

文章对污水处理系统的特点进行了分析,并针对时变性、非线性、复杂性和不确定性的特点,提出应用人工智能技术对其进行智能控制是实现城市污水处理系统自动控制的重要方法。对人工神经网络控制特点进行了介绍,综述了国内外人工神经网络在污水处理不同领域中的应用研究,并结合国内外研究动态,简要分析了人工神经网络污水处理今后的发展方向。     

神经网络系统预测采面来压研究

通过人工神经网络方法,将影响工作面来压的主要因素作为输入层,构建BP神经网络模型,应用黄金分割算法确定最优隐含层节点数,得到最优模型,并对工作面支架平均来压阻力、平均非来压阻力、平均来压步距进行预测,分析可知预测误差在±10%,且符合正态分布,可通过多种方法提高预测精度,控制在±5%,取得了较好的预测结果精度,对于指导工作面的安全生产具有重要意义。     

基于人工神经网络的炸药性能研究

为了解人工神经网络方法在炸药性能预测的应用及发展,分析总结了BP神经网络在炸药性能预测方面的应用。选取合适的参考量作为输入,建立BP网络学习样本、训练样本,构建网络,训练并优化网络,调整隐含层节点数和迭代次数,使得预测误差处于可接受范围。通过对炸药的装药密度、爆热、爆速以及撞击感度等性能的研究,认为人工神经网络会对炸药更多的性能进行精确的预测,有重要参考价值。