基于小波分析的神经网络在混凝土测强曲线拟合中的应用

将小波母函数嵌入人工神经网络的神经元形成紧致型小波神经网络,将此种网络用于混凝土非破损检测的测强曲线拟合和预测,提升了纯粹的BP神经网络的拟合和预测精度,效果远胜于最小二乘拟合和预测.通过一个算例对小波神经网络的高精准性和非性线逼近能力进行了验证,对实验数据进行了统计分析,结论表明小波神经网络优于BP神经网络.     

用神经网络和ANFIS模拟污水生物处理过程

为了对污水生物处理过程进行有效的控制,首先要对该过程进行模拟以分析其动态特性。神经网络和ANFIS同样具有以任意精度逼近任何线性或非线性函数的功能,可以作为污水生物处理过程建模的工具。通过对深圳盐田污水处理厂的模拟发现：当采用实际运行数据作为模型的训练样本时,对样本进行适当的筛选处理是非常必要的;训练样本相同时,用ANFIS进行模拟则对出水COD和NH3-N的预测误差比用BP神经网络进行模拟的误差分别低79．7％和86．8％;在同样的预测精度下,用ANFIS模拟所需的训练样本数可比用神经网络的少很多。     

单桩静载荷试验数据的优化计算和可靠性分析

运用函数逼近理论,根据有限个实测数据的有效值,计算出逼近多项式的系数,从而可以算出对应于任何荷载的位移值。运用最优拟合曲线法,根据拟合曲线的线形特征,判断与特定形态拟合曲线相应的实测数据的可靠性。     

径向基网络在结构设计与分析中的应用

详细地介绍了径向基(RBF)神经网络的结构和基本原理。基于RBF神经网络能够逼近任意非线性函数的特点,提出了一种基于RBF神经网络建立结构分析模型的方法。与BP网络的仿真结果对比表明,所建立RBF神经网络模型收敛速度快,拟合精度高,适用于复杂结构的建模问题。     

粒子群算法优化的BP网络在GNSS高程拟合中的应用

针对BP网络用于GNSS高程拟合存在收敛速度慢、易陷入局部最优等缺陷,采用粒子群算法(PSO)优化BP神经网络。通过合理选取网络的权值和阈值,对系统的参数进行有效优化,提高网络的泛化能力和拟合准确度。在顾及EGM2008重力场模型的基础上,采取“移去—恢复”策略,用粒子群算法优化的网络进行高程拟合,并与二次多项式曲面拟合法、多面函数法和BP网络拟合方法所得结果进行对比,经工程实例数据验证,结果表明粒子群算法优化的BP网络模型拟合精度更好,可靠性更高,拟合效果较BP网络模型提高了25%,明显优于其它拟合模型,可为高程拟合研究提供新的思路和方法。     

应用人工神经网络求算含水层参数

以各时刻的观测降深与流量的比值作为输入向量，含水层的导水系数T和储水系数S作为输出向量构成一个求算合水层参数的BP网络，用泰斯公式生成200个训练样本来训练网络，然后把一个实际的抽水试验资料加入到已训练好的网络中，输出的含水层参数（T和S）与配线法结果一致，展现了这种方法的实用性。     

带有约束条件的函数型数据的拟合——以北京市城镇最低生活保障为例

城镇低保问题一直以来被社会广泛关注,精确的拟合分布函数不仅对计算低保水平及覆盖范围起到重要的作用,同时有利于完善收入分配体制。我们尝试一种基于样条拟合和带有约束条件的函数型数据理论相结合的方法,首先将观测的数据转换为函数型数据,通过B-样条逼近数据的离散值,然后利用带有约束条件的函数型数据的分析方法及表现形式对拟合的函数加以约束和限制,不仅能满足分布函数的性质,而且能很好地兼顾拟合优化和曲线的光滑度。     

基于BP神经网络的马铃薯气候产量预报模型

为了准确预测马铃薯气候产量达到趋利避害的目的,利用1980—2015年山西省大同市马铃薯产量及同期国家基准观象台观测到的气候资料,选用传统的统计回归方法和BP神经网络方法分别建立马铃薯产量预报模型。结果表明:通过二次函数曲线和最小二乘法确定马铃薯敏感期的气候因子是气温、日照和降水,其中降水对马铃薯产量的影响最大。通过改进的气候产量算法可以更好地反映气候要素与作物单产之间的函数关系。在Matlab平台上训练精度设为0.005、学习率0.01的BP神经网络方法可以很好地逼近非线性函数。用大于1/3样本进行预报检验表明,在预报精度和拟合精度上,BP神经网络模型都明显优于传统的回归模型,BP神经网络方法在马铃薯产量预报中有具有非常广泛的应用前景。     

基于BP神经网络的连续刚构预应力参数优化

在许多结构优化设计中，由于设计参数比较多，难以用一般的显示表达式来表示目标函数。利用BP神经网络的函数逼近能力可以映射复杂的函数关系，同时，结合遗传算法来求解该函数的优化问题。通过算例分析，利用BP神经网络与遗传算法优化得到连续刚构纵向预应力弯束的转角、曲线半径和竖向预应力间距。     

多参数有限节点函数拟合技术

插值及函数拟合技术通过有限样本数据对函数变量之间的关系做出预测,采用该方法能得到结构的计算公式,在以往的计算中样本数据通常采用实验方法获得,由于实验数据准确性不高,拟合曲线本身存在噪音和孤立点,因此传统方法进行函数拟合的结果往往不能满足要求.介绍了采用有限元多参数计算方法,得到初始样本数据.与实验值相比由于计算采用程序控制,有限元计算值一致性好,精度较高,拟合函数具有较高准确度.首先对函数拟合技术进行探讨,对材料力学中常见悬臂梁结构通过多参数有限元计算拟合得到最大变形计算公式,与理论公式相比具有较高的逼近精度.最后通过数控机床横梁工程计算实例对该方法应用进行举例,与有限元计算结果相比,得到的拟合公式具有较高精度,可以作为设计人员在结构设计开始阶段的基本公式使用.