基于神经网络的井漏风险预警技术

井漏是影响钻井施工安全最为严重的井下复杂情况之一,为了有效地预防井漏事故的发生,文章对井漏风险机理进行了研究,得出了井漏发生表征现象及井漏风险预警所需参数,此外,采用神经网络算法建立了具有自学习性质的神经网络预警模型,并运用现场数据对模型进行了检测,该模型能够很好地对钻井过程中的井漏风险进行预警,满足实际钻井施工的要求。     

基于BP神经网络的钻井复杂情况和事故诊断

根据钻井过程中复杂情况和事故发生及处理的特点,基于人工智能BP神经网络算法,构建了BP神经网络的钻井复杂情况与事故诊断模型,对复杂情况与事故的预测更加合理,精度更高。分析了钻井事故状态下工程参数的变化,采用不确定理论建立了基于可信度因子CF的训练样本构建模型。对BP神经网络算法进行了修正,改进了网络适应度及运算精度。实例证明,基于BP神经网络的诊断模型,能够实现钻井复杂情况与事故快速可靠诊断。     

一种基于人工神经网络的反馈式神经元数优化方法

针对纳米级Cu薄膜电阻率,基于BP神经网络模型,本文提出了一种反馈式神经网络优化方法,利用蒙特卡洛分析方法对隐含层神经元数进行了优化,并基于随机样本集进行网络训练,建立了反馈式BP神经网络的电阻率预测模型。通过100组学习样本训练后的神经网络模型,与50组测试样本进行测试,结果表明,所提方法能够实现电学参数值与金属Cu电阻率较好的非线性映射,预测结果与Marom模型相比较,最大误差不超过4%,并且训练范围外的预测结果与测试样本吻合较好,验证了该方法的精度和泛化能力,为超薄金属互连电阻率模型估算提供了重要参考。     

人工免疫系统在手写希腊字符识别中的应用

基于自然免疫系统的人工免疫系统是人工神经网络和进化计算之后的新型计算智能,以其强大的信息处理和问题解决能力被广泛应用到众多领域。本文提出了基于人工免疫系统的手写希腊字符识别策略并进行了实验仿真。利用3*3子网格算法对24*24字符图像样本提取64个特征参数,通过人工免疫算法训练图像样本,建立24个抗体库用于识别手写希腊字符。另外,利用BP神经网络进行了对比实验。实验结果表明,人工免疫系统模型在手写希腊字符识别中较BP神经网络具有更大的优势。     

基于遗传LMBP神经网络模型的股票预测

股票市场是一个高度非线性的系统,通过传统的方法建立较为精确的预测模型比较困难。文章建立了基于遗传算法的LMBP神经网络组合预测模型。利用遗传算法优化BP神经网络的连接权和阈值。采用LMBP算法改进模型的收敛速度。实例验证表明,在建模样本和预测因子相同的条件下,该模型比传统BP网络的预测结果稳定且精度高。     

基于RS-LMBP算法的故障智能诊断系统

文中提出了基于粗糙集(RS)理论与BP神经网络相结合的故障智能诊断技术.首先对大型设备大量复杂的数据,利用粗糙集理论进行前期数据的预处理,约简原始数据的属性,再将处理过的数据用LM算法改进的BP神经网络技术来进行分析,最终实现故障智能诊断.建立了基于RS-LMBP算法的故障诊断模型,并通过实例验证了方法的可行性和高效性.     

基于PSO-BP的神经网络卡钻事故预测研究

随着科技的快速发展,对能源的需求日益提高。石油作为基础的传统能源在其中扮演了重要地位。在勘探石油的钻井过程中,由于不确定的地质等客观因素,钻井事故常有发生。井下事故从发生到处理会占据石油生产单位大量的非生产时间,严重损害经济效益,危害工作人员人身安全。在钻井事故中以卡钻事故尤为常见,其中因卡钻事故引发的次生灾害不在少数。文章文参考近年钻井历史数据,分析导致卡钻事故发生的因素,建立经由PSO粒子群算法优化的BP神经网络模型,通过对相关样本的训练和验证,实现基于PSO-BP的神经网络预测模型。经实验,文章中PSO-BP神经网络预测模型相较优化前有更高的精确性。研究结果对钻井事故研究具有重要参考意义,对相关从业人员有重要启发意义。     

基于油液在线监测的风机齿轮箱磨损状态识别

针对风机齿轮箱磨损状态识别中传统算法识别准确率低的问题,该文提出了一种基于BP神经网络的风机齿轮箱磨损状态的识别方法。该方法基于油液在线监测的多维数据样本,构建BP神经网络风机齿轮箱磨损状态识别模型。仿真实验中,在经过对测试数据学习训练后,BP神经网络和传统聚类算法分别对一组测试数据进行磨损状态识别,BP神经网络模型的风机齿轮箱磨损状态识别准确率可达到98%,而相同样本下,传统聚类算法的识别准确率仅为90.4%。对比实验结果表明,所提方法具有更高的识别准确率。     

浅析BP神经网络基本模型的C语言实现

BP神经网络已经成为应用最为广泛的神经网络模型之一。而人工神经网络是对人脑真正神经工作的简化生物模型。为了加深对神经网络的理解,利用推导公式来详细分析其最后的输出值和误差。这里旨在阐述用C语言实现BP神经网络基本模型,在BP神经网络的初始化函数中采用了归一化处理的方法,另外就是对神经元的权重初始化;而BP神经网络训练函数是整个BP神经网络形成的引擎,驱动着样本训练过程的执行。     

基于BP神经网络的Ad Hoc网络通信能力评估

针对Ad Hoc网络特点,建立了效能评估指标体系,简要分析了指标选取的理由。然后阐述了利用BP神经网络评估网络通信能力的基本设想。构建了BP神经网络模型,分析了样本的录用和训练过程,当训练精度达到要求后,再运用BP神经网络对几种典型分簇算法构建网络的通信能力进行了评估。     

基于LMBP神经网络的SMT焊点缺陷智能鉴别技术

针对SMT焊点的常见缺陷,采用Levenberg-Marquardt(LM)算法改进的BP神经网络,运用仿真方法产生训练样本,利用正交试验设计选取具有代表性的训练样本,利用机器视觉技术获取测试样本,实现了对SMT焊点缺陷的智能鉴别.经验证,对几种常见的缺陷,所建立的LMBP网络模型具有较好的鉴别能力,与标准的BP网络的鉴别结果相比,提高了智能鉴别精度和速度.     

初始权值优化技术在机器人学习中的应用

针对移动机器人建立了基于BP神经网络的智能避障控制模型,提出了初始权值优化技术,使得样本组与初始权值相匹配,显著地提高了网络的收敛速度.为了提高系统的实时性,文中采用C和汇编语言混合编制控制程序.计算机仿真和实测结果表明该系统具有学习能力强、人机交互效果好等优点.     

基于BP神经网络的小角度井斜方位角误差补偿研究

井斜角与方位角是井眼轨迹计算中的主要测量参数,然而与常规井斜时方位角误差相比,小角度井斜下测斜仪的方位角测量误差更大。为了提高测斜仪在小角度井斜下的方位角测量精度,基于BP神经网络算法对5°~10°小角度井斜下方位角的测量进行了补偿。文中以标准井斜角和实测方位角构成的二维向量作为输入,以标准方位角构成的一维向量作为输出,建立了双入单出网络模型。采用随机选取的方式将学习样本分为训练集与测试集,使网络具有较好的泛化能力。仿真测试结果表明,该BP神经网络误差校正模型运行稳定,补偿精度达到10^-6,可将小角度井斜下方位角的测量精度从±5.3°提高至±1.7°以内。     

基于BP神经网络的企业债务风险预警系统构建

企业债务风险的提升与其自身经营管理水平的波动及投资决策是否失误存在密切关联。文章基于BP神经网络构建了一种企业债务风险预警系统,该系统由基础应用层、虚拟网络层、安全共识层、数据处理层及实际应用层等结构组成,实现了企业债务风险预警工作必需的功能,如构建基于BP神经网络的非线性预警模型等。     

一种基于蚁群算法与粗糙集的混合BP神经网络

为了解决BP神经网络对高维冗余样本分类时收敛速度慢、易陷入局部极小值问题,提出基于蚁群算法与粗糙集的混合BP神经网络分类模型.该混合BP神经网络用粗糙集对样本进行约简和降维,输入层神经元个数得到减少,降低了训练神经网络的计算复杂度,用蚁群算法解决了选取神经网络权值和阈值的随机性,避免了因其而导致的易陷入局部极小值的不足.对UCI数据库中数据集的测试结果说明,提出的混合BP神经网络对高维冗余复杂样本进行分类是可行的,性能远远比传统BP神经网络和蚁群神经网络优越.     

基于BP神经网络的食品价格的预测

针对目前食品价格上涨的问题,提出了一种基于神经网络的食品价格上涨的预测方法。借助于Matlab建立食品价格上涨数学模型。利用Matlab对各食品价格的数据进行分析,计算相应的食品价格,对结果进行对比。运用BP人工神经网络的多层神经网络对食品价格的实测值进行训练学习,建立模型。借助于此模型来对食品价格上涨进行预测和预报,以达到对食品价格预测预警的作用。应用实例表明：人工神经网络应用于食品价格的预测预警是比较理想的。     

基于神经网络的电子政务绩效评价模型分析

阐述电子政务评价指标体系，基于BP神经网络的电子政务绩效评价模型及其实证应用，包括评价模型设计的原理、评价模型的结构设计、电子政务的BP神经网络算法优化、样本数据采集和处理。     

基于BP神经网络的智能制造系统图像识别技术

研究了基于BP神经网络的智能制造系统图像识别技术。在当前制造业系统设计中,由于图像资源结构复杂,通过BP神经网络,有助于提取图像特征、优选特征向量组成方案,从而优化实现智能制造系统图像识别技术。该文基于BP神经网络设计了一个智能制造系统,并采用B/S模式设计系统结构,制造系统的图像识别技术,可以降低系统在使用过程中18.0的冗余度,同时也提升该系统12.0%的应用性能。结论表明,基于BP神经网络设计实现智能制造系统图像识别技术,可以使系统的平台更具智能性,符合制造业信息化发展要求,提升智能制造系统图像识别性能。     

基于贝叶斯分类的钻井复杂情况地面监测方法

钻井复杂情况严重影响钻井速度、建井质量和勘探效益,是钻井工程的头号隐患。为此,基于钻井复杂情况与立管压力和环空出口压力变化趋势具有相关性以及压力传递快速性的特点,将立管压力与环空出口压力变化趋势用于钻井复杂情况的监测。通过对井涌、漏失等各种钻井复杂情况发生机理的研究,建立了立管压力和环空出口压力变化趋势与钻井复杂情况之间的对应关系。采用VB语言开发出一套钻井复杂情况监测诊断系统,该系统提取压力变化特征作为输入向量,采用贝叶斯分类方法对邻井压力样本数据进行训练,得到分类判别函数,使用分类判别函数对正钻井进行监测,从而实时诊断井下情况实现钻井复杂情况的早期预警。实际监测应用结果表明,系统预警及时性好、预警结果准确性高、能够满足现场应用需求,能够为现场钻井复杂情况监测预警提供有效的技术支持,可以做井下复杂情况监测的新的手段。     

基于BP神经网络的飞机娱乐系统采购短期预测

针对传统航材采购决策行为的局限性,研究了基于BP神经网络的航材采购短期预测方法,拟在建立BP神经网络模型的基础上,将BP神经网络模型运用到航材采购量短期预测中来,根据历史数据建立BP神经网络对其进行训练形成飞机娱乐系统采购量预测模型。阐明神经网络在决策时能提供更多的支持信息,实现采购数量科学化。并进一步通过预测结果说明基于神经网络的航材采购量短期预测是一个行之有效的方法,为民航航材集中采购的理论和方法提供借鉴和参考。