基于混沌神经网络的建筑节能综合评价

目的 构建建筑节能综合评价指标体系,对建筑节能进行综合评价.方法 针对神经网络BP算法收敛速度慢且容易陷入局部极小值问题,在常规神经网络中引入混沌神经元,建立混沌神经网络建筑节能综合评价模型.结果 根据建筑节能综合评价指标体系各量化指标,得出科学合理的评价结果 .通过实验仿真验证了该混沌学习算法的有效性和先进性.在输入参数相同的情况下,训练收敛到相同精度,CNN模型的训练次数少于BP网络模型,CNN模型用于建筑节能评价精度高.结论 运用混沌神经网络进行建筑节能综合评价的方法 是有效的.     

基于改进PSO的神经网络短期电力负荷预测模型

针对短期电力负荷预测问题,提出了一种基于改进粒子群算法(PSO)的BP神经网络预测模型.选取与电力负荷大小密切相关的季节、天气情况、当天最高温度、当天最低温度、日期性质、上年同期历史数据为神经网络的输入变量,电力负荷大小为输出变量,建立基于BP神经网络的电力负荷预测模型,同时利用改进的粒子群算法对神经网络进行训练.该训练算法具有较高的精度,能够建立较精确的短期电力负荷测量模型.仿真结果表明,基于改进粒子群算法的BP神经网络电力负荷预测模型预测精度较高,具有一定的应用价值.     

基于动态人工神经网络的投资银行风险预警

投资银行是金融体系的重要组成部分,从可量化监测的角度考察,选取了投资银行风险监测指标中包括市场风险、信用风险、流动性风险、资本风险在内的17个具体监测指标,构建了投资银行风险预警指标评价体系.运用基于数值优化的方法即L-M算法构建了基于前馈神经网络的投资银行风险预警模型.用训练好的BP神经网络模型,对检验样本进行了预测判别,结果显示出神经网络模型对我国投资银行风险具有较强的预测能力.     

遗传算法和BP算法相结合进行图像匹配

将神经网络理论应用于图像匹配 ,提出采用遗传学习算法进行全局寻优、利用BP算法进行精确训练、优化BP(backpropagation)神经网络权重学习和训练的神经网络图像匹配算法 .实验表明该算法的收敛性能及学习速度优于传统的BP神经网络图像匹配算法及其他同类改进算法 ,具有寻优的全局性和精确性 .     

基于卡尔曼滤波技术的人工神经网络权重估算及应用

为改进神经网络模型算法,将神经网络技术与卡尔曼滤波技术进行耦合.在样本训练过程中,将卡尔曼滤波递推算法用于神经网络权重的训练,然后用训练得到的权重进行检验.文中以岷江上游段紫坪埔水文站的流量预报为实例,并与单一的神经网络模型以及卡尔曼滤波模型进行了比较.应用结果表明,卡尔曼技术用于神经网络权重估算,可改善水文预报精度.     

基于自适应模糊神经网络的水轮机特性辨识研究

利用自适应模糊神经网络(ANFIS)较强的非线性逼近能力,建立了辨识模型,对水轮机非线性特性进行了辨识.训练算法采用最小二乘和梯度下降结合的算法来训练参数,模型能很好地辨识水轮机特性,并有一定的透明性,为研究智能水轮发电机控制策略提供了有效的建模方法.     

基于卷积神经网络的目标检测

为了完成视频图像中人体检测,将卷积神经网络和梯度算法结合.将YOLO网络模型结构以及算法函数进行了优化调整.为了保留视频时间信息,引入了卷积神经网络反馈时间维度.采用长短记忆卷积神经网络(LSTM)进行训练,通过将迭代过程的最优解保留,加快了梯度算法中的搜索速度,并且保证收敛于全局最优解.     

基于自适应GA-ANN的拉延筋阻力优化

以某汽车的侧壁板的拉深成形为例,研究了基于神经网络的拉延筋阻力(DBRF)的优化和拉延筋反向设计方法.以反映拉深成形效果的参数最大等效应力、最大等效应变和板厚最大减薄率作为神经网络的输入参数,记为:x1,x2,x3.以拉延过程中不同位置拉延筋的拉延阻力为输出参数,利用Dynaform进行有限元分析,为神经网络提供训练样本,利用训练好的神经网络模型对给定的成形性能指标进行计算,从而获得了优化的拉延筋阻力分布状态,表明根据等效拉延筋阻力的解析模型结合优化算法可以反求拉延筋几何参数.为了克服BP算法训练神经网络具有收敛速度慢和易于陷入局部最优的缺陷,采用遗传算法(GA)训练神经网络,以提高网络计算精度.针对简单遗传算法(SGA)采用固定交叉率和变异率在处理非线性问题时效果不好的缺陷,作者在进行遗传运算时采用自适应交叉率和变异率,组成自适应GA-ANN以提高训练算法的收敛速度和求解精度.有限元仿真实验证明,通过这种方法进行DBRF优化有利于提高板料的成形质量和稳定性,利用该方法获得的设计参数可以对实际设计起到重要的指导作用.     

模糊小波神经网络在现役油田玻璃钢管的运行风险评价

玻璃钢管受到环境和腐蚀等各种因素的影响造成各种管道事故.将模糊评价法、小波分析和人工神经网络理论有机结合,建立了基于模糊小波神经网络的在役玻璃钢管运行风险评价模型.该模型采用模糊评价法对风险因素的指标进行量化,将模糊系统的输出作为神经网络的输入,构造模糊小波神经网络并加以训练.通过选择合适的算法,设计相应的小波神经网络,进行实例仿真.仿真结果表明,该模型能够有效解决现有评价方法主观随意性大、结论模糊等不足,并实时动态再现专家评价结果,其最大相对误差不超过0.3779％.     

基于粗糙集-神经网络的产业集群生命周期识别

将粗糙集理论与神经网络相结合,构建了基于粗糙集-径向基(RBF)神经网络集成的产业集群生命周期识别模型.该模型运用基于MDV(maximum discernibility value)函数与信息熵的模糊聚类算法进行连续属性离散化处理,采用粗糙集理论约简出重要指标体系,将训练样本输入RBF神经网络进行学习和训练,进而对检验样本的生命周期阶段进行判断.对我国138组产业集群样本数据的分析结果表明:基于MDV函数与信息熵的模糊聚类算法能够有效改善离散化效果,且该模型对检验样本的总体预测精度达到82.61%,从而证实了该识别模型的有效性和实用性.     

数学优化方法在新安江模型参数率定中的应用分析

以3种数学优化方法及新安江(三水源)模型的理论为依据,介绍了优化方法在新安江三水源模型参数率定中的应用.将率定成果与API模型进行了对比,说明这3种优化方法在大宁河流域参数率定中应用效果良好,具有很好的参考和推广价值.     

霸县凹陷文安斜坡内带层序地层学研究

以文安斜坡内带深层为研究对象,应用高分辨层序地层学等方法研究识别隐蔽油藏.通过兴隆1井地层重新划分及高分辨率三维地震应用,将该区沙三、沙四段地层之间重新确定为不整合接触.在三级层序地层框架建立的基础上,刻画各体系域砂体展布特征,构建了坡折带控制沙四下自生自储岩性油气藏成藏模式.通过钻井实践,首次在霸县凹陷发现沙四下段含油层系及新的烃源岩层,实现了深层自生自储式油藏类型的勘探突破.     

齿轮—五杆机构的轨迹特性研究

采用计算机机构动画仿真的方法，对齿轮五杆机构的轨迹特性进行了研究。分析了该机构双曲柄存在的条件，两连杆铰接点Ｃ的轨迹曲线可到达的区域及该轨迹曲线形状随机构结构参数的不同而变化的规律，从而为齿轮五杆机构的轨迹综合提供了重要依据。     

密炼机转子的刚度计算

介绍了变截面梁变形计算的初参数法，运用该方法求密炼机转子的变形，并得到了精确的解。     

高等学校固定资产计提折旧问题探讨

中国现行会计制度规定,高等学校的固定资产不计提折旧。随着经济的发展和高等教育的改革,高等学校的经济成分越来越复杂,固定资产管理和核算中暴露出来的问题越来越突出。针对现行高校固定资产计价模式存在的问题,提出了对高校固定资产计提折旧的设想,研究了高校固定资产折旧的范围、折旧年限、折旧方法及会计处理办法。     

浅析资产减值会计对利润的操纵

会计制度规定企业定期或者至少于每年年度终了，对各项资产进行全面检查，合理地预计各项资产可能发生的损失，并计提资产减值准备，既不高估资产或收益，也不少计负债或费用，从而避免虚增企业利润。但在实务中，一些企业却利用会计法规准则中的原则性，通过资产减值准备达到操纵会计利润的目的，本文即是从企业滥用资产减值入手，以实例来揭示企业计提秘密准备的意图，以引起业内人士的重视。     

扬声器的自滤波特性与D类功放失真的改善

应用动圈式扬声器的电—力—声类比等效线路对动圈式扬声器的频率特性进行了初步的研究,提出了利用扬声器的自滤波性能改善因D类功放移相网络引起信号相位失真的方法。同时,采用比较、反馈的方法对音频信号的谐波加以抑制,使得数字功放的总体失真指数下降。     

红土颗粒粒度的分维变化特征

借助分形几何理论,探讨红土在不同处理方法下其颗粒粒度的分维变化特征结果表明：红土的颗粒粒度具有线性分形结构的特点是客观存在的事实,其分维值的大小反映了土中颗粒粒度的分布情况,并与土的物理力学性之间存在一定的关系分维是描述土的颗粒粒度的一个新的特征参数     

独立学院学风建设的调查与思考

文章在对独立学院进行抽样调查的基础上,分析了影响独立学院学风的种种内部和外部因素,并由此探讨了建设优良学风的措施。     

正圆锥面表面交线的投影分析

给出了圆锥面截交线为椭圆时的投影方程，分析了截交线的投影形状，为准确作图提供了理论依据。并用解析法分析了圆锥面与圆柱面正交时相贯线的投影形状、特殊点位置及其作图方法。