活性污泥法人工神经网络建模

针对现行采用活性污泥法处理废水的污水厂建立实用数学模型较难的实际,通过引入人工神经元网络理论和思想建立起基于BP人工神经网络模型,对污水厂的运行状态进行模拟,结果表明,人工神经网络完全可以用于活性污泥法建模,这种模型的建立,使得活性污泥法工艺系统在线智能控制成为可能。     

Activated sludge process based on artificial neural network

0　ＩＮＴＲＯＤＵＣＴＩＯＮＴｈｅｄｅｓｉｇｎａｎｄｃｉｒｃｕｌａｔｉｏｎｏｆｗａｓｔｅｗａｔｅｒｍｉｃｒｏ ｂｉｏｌｏｇｉｃａｌｔｒｅａｔｍｅｎｔｈａｓｂｅｅｎｍｏｓｔｌｙｃａｒｒｉｅｄｏｕｔａｃ ｃｏｒｄｉｎｇｔｏｅｘｐｅｒｉｅｎｃｅｄａｔａｆｏｒｍａｎｙ ｙｅａｒｓ .Ｓｏｍｅｓｃｈｏｌａｒｓ (ｉ.ｅ .Ｗ .Ｗ .Ｅｃｋｅｎｆｅｌｄｅｒ ,Ｒ .Ｅ .Ｍｃｋｉｎｎｅｙ ,Ａ .Ｗ .Ｌａｗｒｅｎｃｅ ,Ｐ .Ｌ .ＭｃＣａｒｔｙａｎｄｓｏｏｎ)ｉｎｔｒｏ ｄｕｃｅｄｒｅａｃｔｏｒｔｈｅｏｒｙｏｆｃｈｅｍｉｃａｌｉｎｄｕ…     

人工神经网络在水工结构优化中的应用

采用人工神经网络方法 ,为水工结构优化提供初始方案 .通过典型的混凝土重力坝断面优化的例子 ,说明该方法能形成很好的初始方案 ,并容易推广到其他结构优化中     

神经网络在二氧化碳提纯塔建模中的应用

为提高提纯塔出口二氧化碳纯度，根据实际生产数据运用人工神经网络方法建立了出口二氧化碳纯度与进塔纯度、进塔温度、塔顶压力、塔顶温度、塔釜加热温度、塔釜压力、塔釜温度7个因素之间的非线性模型.建立的模型能够有效描述出口二氧化碳纯度与各因素之间的关系，同时通过训练好的网络能够找到生产较高纯度二氧化碳的最佳控制点.与传统线性回归模型、对数回归模型相比，采用人工神经网络方法建立的模型非线性处理能力强，鲁棒性好，拟合精度高，计算速度快，预测和控制能力强.     

基于神经网络的道路交通污染物浓度预测

利用人工神经网络技术设计了一段式计算路侧道路交通污染物浓度的模型。首先把影响路侧道路交通污染物浓度的因素归结为3大类;然后设计了反映污染物浓度与交通流参数、气象参数和道路空间特征等因素之间数学关系的人工神经元网络结构;最后通过实际观测搜集大量的数据,对神经元网络模型进行训练,得到了精度令人满意的预测模型。     

人工神经网络与模糊算法相结合的自动设备故障诊断系统

介绍了一种神经网络与模糊算法相结合的自动设备故障诊断系统,即将人工神经网络对故障定位的一般搜索与模糊算法对故障定位的特殊规则相结合。系统运行结果说明本系统可以提高故障诊断的准确性。     

人工神经网络与模糊算法相结合的自动设备故障诊断系统

介绍了一种神经网络与模糊算法相结合的自动设备故障诊断系统,即将人工神经网络对故障定位的一般搜索与模糊算法对故障定位的特殊规则相结合.系统运行结果说明本系统可以提高故障诊断的准确性.     

The Rapidly Solidified Aging Copper Alloy by BP Neural Network

1　IntroductionTheCu Cr Zralloysarewidelyusedinavarietyofproductsrequiringacombinationofhighmechanicalprop ertiesandgoodelectricalconductivity .Examplesincludeelectronicconnectors ,integratedcircuitleadframesandweldingelectrodetips[1-4] .Howeveritisdifficulttofur therimprovetheirelectricalandmechanicalpropertiesun derconventionalsolutionheat treatment (CSHT)sincethedegreeofprecipitationhardeninguponagingisre strictedbythelimitedsolubilityofchromiumandzirconi umincopper.Inanefforttoimproveth…     

TiB2-Cu复合材料SHS工艺的人工神经网络优化

利用3×5×1的3层BP神经网络模型对SHS法制备TiB2-Cu基复合材料过程中的工艺参数进行优化.将SHS工艺的3个主要参数--延迟时间、高压压力和高温保压时间作为人工神经网络的输入,合成产物的相对密度作为网络的输出,利用单参数动态搜索算法对SHS工艺参数进行了优化.结果表明训练样本和检验样本的网络实际输出值与相应的试验值均非常接近,TiB2-Cu基复合材料的SHS最佳工艺参数是延迟时间为6.8 s,高压压力为360 MPa,高温保压时间为9.2s.     

TiB_2-Cu复合材料SHS工艺的人工神经网络优化

利用3×5×1的3层BP神经网络模型对SHS法制备TiB_2-Cu基复合材料过程中的工艺参数进行优化。将SHS工艺的3个主要参数——延迟时间、高压压力和高温保压时间作为人工神经网络的输入,合成产物的相对密度作为网络的输出,利用单参数动态搜索算法对SHS工艺参数进行了优化。结果表明训练样本和检验样本的网络实际输出值与相应的试验值均非常接近,TiB_2-Cu基复合材料的SHS最佳工艺参数是延迟时间为6.8s,高压压力为360 MPa,高温保压时间为9.2s。     

人工神经网络在数据挖掘中的应用

在分析了现行数据挖掘方法后，介绍一种基于数据库的挖掘方法一人工神经网络(Artificial Neural Network)方法，通过对数库据中数据样本的学习，自动发现隐含的大量知识，具体给出了神经网络方法的学习模型和算法．该方法丰富了数据挖掘工具，使定性变量和复杂、动态数据的科学处理成为现实．     

基于人工神经网络的多目标动态规划

利用权重系数法来求解多目标动态规划,并在求解的过程中,引入人工神经网络与专家系统,实现对模糊的产生式规则库的学习和推广,从而可以随时根据决策者的意愿合理决定权重系数,完成多目标动态的交互式决策过程.     

Numerical simulation of isothermal chemical vapor infiltration process in fabrication of carbon-carbon composites by finite element method

The chemical vapor infiltration process in fabrication of carbon-carbon composites is highly inefficient and requires long processing time. These limitations add considerably to the cost of fabrication and restrict the application of this material. Efforts have been made to study the CVI process in fabrication of carbon-carbon composites by computer simulation and predict the process parameters, density, porosity, etc. According to the characteristics of CVI process, the basic principle of FEM and mass transport, the finite element model has been established. Incremental finite element equations and the elemental stiffness matrices have been derived for the first time. The finite element program developed by the authors has been used to simulate the ICVI process in fabrication of carbon-carbon composites. Computer color display of simulated results can express the densification and distributions of density and porosity in preform clearly. The influence of process parameters on the densification of prefo     

基于神经网络预测啤酒老化过程中感官得分的初步研究

选取8种不同种类新鲜啤酒通过实验手段模拟其老化过程,对老化后的啤酒进行感官品评并分析了新鲜啤酒的老化相关指标.使用灰色关联分析法分析了啤酒的感官评价得分和啤酒老化相关指标之间的关联度,并根据其影响程度的大小进行了排序.把新鲜啤酒的感官得分和啤酒老化相关指标作为输入数据,不同老化时间的感官得分作为输出数据,使用BP神经网...     

人工神经网络在钢水二次精炼脱磷中的运用

使用CaO基渣系对钢水进行二次精炼脱磷,基于BP神经网络建立脱磷预报系统。对于初始组成(质量分数)为:CaO(48%)-CaF2(32%)-Fe2O3(20%)的熔剂,通过实验与脱磷预报系统的预报发现:①添加剂BaO替代熔剂中CaO的量>13%时,脱磷率ηP90%;②Fe2O3添加量在25%～37%之间时,ηP90%;③渣中存在SiO2时,脱磷率将大幅降低。     

人工神经网络在交通网络OD矩阵推算中的应用

交通网络中ＯＤ矩阵的推算曾一度成为交通规划界的热点,国内外不少学者也提出了一些计算模型和求解方法。在此基础上,针对常规求解方法的不足,提出了应用神经网络来进行ＯＤ矩阵的推算,最后通过实例,分析了此方法的精度,从理论上和实践上证实了该方法的可行性。     

预测城市用水量的人工神经网络模型研究

为了提高多层前馈神经网络权的学习效率,引入变尺度方法来训练神经网络的权值,并根据训练误差自适应调整学习系数和动量因子.将该方法应用于城市用水量预测中,建立了非线性人工神经网络预测模型.该模型考虑了城市工业用水重复利用率、用水人口、经济发展等众多因素对用水量需求的影响,具备系统决策功能.杭州市预测实例表明,建立的模型及其相应计算方法具有较高的预测精度和准确度.     

干旱内陆河流域月径流的神经网络模拟

针对干旱内陆河流域地表径流形成、消耗的特点,采用1956~2003年的水文气象、灌溉用水等资料建立了用于模拟出山口月径流量、下游径流月径流量的分布式神经网络(ANN)模型。模型的输入为各子流域及中游本月降水、潜在蒸发蒸腾量、上月降水、潜在蒸发蒸腾量、中游灌溉面积、灌溉定额,输出为月径流量.检验结果表明,本文所建立的分布式ANN模型可以有效模拟干旱内陆河流域月径流,模型用于模拟子流域出山口径流的误差为0.18×107~0.42×107m3,用于模拟下游径流的误差为0.52×107m3.与单一ANN相比,尽管分布式ANN的输入不需实测出山口径流,但模型的精度没有明显减小.分布式ANN为研究干旱内陆河流域气候变化及农业活动对地表径流过程的影响提供了有效的工具.     

人工神经网络水文模型适度训练

应用人工神经网络进行水文模拟需要解决维数灾及过度训练2大主要问题.在介绍4种常用的避免过度训练方法的基础上,提出了一种新的混合法.选用团结、七一及三峡水库区间流域的雨洪资料,对以上5种方法进行比较研究.计算结果表明:混合法适度训练效果最好,随机误差叠加法的适度训练效果次之,相对于容差训练法、罚函数法及前期中止法,可以较好避免过度训练.     

水文预报的神经网络模式分类预报方法

基于时间序列的相空间扩维思想,利用神经网络的感知器分类原理,提出一种水文预报方法.直接从水文单因素时间序列滑动生成多维空间的一个相型分布中寻求水文现象变化的规律.并利用湖北省宜昌市沮漳河洪水资料对该方法做了初步验证.