应用BP神经网络预测原油含水率问题的研究

原油含水率是一个复杂的随机系统,本文根据射频原油含水分析仪的非线性问题(双值性),以及原油含水率与其影响因素之间存在的映射关系,建立了一个BP人工神经网络模型,并将其用于原油含水率的预测,给出BP算法动态演化过程的训练调试界面,并在算法上进行改进。实例表明,该模型软件预测精度高,有一定推广价值。     

射线型原油含气含水率自动监测仪的应用

射线型原油含气、含水率自动计量系统是基于油、气、水三种不同介质对一定能量的γ射线的吸收不同,通过检测γ射线穿过油、气、水的混合物后的透射计数,经过理论计算,实现对原油含气、含水率的在线分析.     

灰色神经网络模型在电信业务预测中的应用与研究

神经网络由于优越的非线性数据处理性能以及较强的学习能力而被广泛地运用于电信业务的预测当中。然而,神经网络常常存在着收敛于局部最优解、学习时间长等缺陷而影响其预测效果,而基于灰色系统模型神经网络是一种寻优搜索算法,能够有效克服上述缺陷。本文针对影响电信业务量的主要因素,将神经网络与灰色系统模型有机结合起来,建立了相应的灰色系神经网络模型用于电信业务量的预测,并利用实际数据进行效果验证。实验表明,该预测模型具有很强的学习能力和自适应性,其预测结果优于传统的预测方法,而且具有良好的泛化性。     

小波神经网络在电力期货价格预测中的应用研究

提高电力期货价格的预测精度,对于指导正确操作、稳定电力市场价格、促进电力市场快速平衡发展有着积极的意义。在常用小波神经网络模型的基础上,对网络输出层的激励函数进行改进,给出该网络的具体学习算法并用Nordpool交易所的电力期货价格数据对该小波神经网络进行了训练和检测,通过与常用的小波神经网络比较,该网络显示出较快的学习速率和较高的预测精度。     

贝叶斯BP神经网络在离心泵性能预测中的应用

在利用神经网络对离心泵性能预测的研究，广大从事泵研究领域的专家的做了大量工作，在工程上也得到了广泛的应用，但也存在一定的不足。本文将贝叶斯理论引用到BP神经网络中，并通过一系列的仿真实验，发现贝叶斯BP神经网络在离心泵的性能预测中有很好的精度，从而为泵的性能预测研究开辟了新的思路。     

RBF神经网络在爆破振动强度预测中的应用

在介绍RBF神经网络基本思想的基础上,建立了爆破振动预测模型,用RBF神经网络方法对质点振幅、主振频率及振动持续时间进行预测。用阳泉煤矿主井爆破开挖工程中所监测到的振动数据对模型进行了训练,并对27组数据进行了预测,实测结果和模型预测结果的对比表明,RBF神经网络预测模型能反映影响因素与特征量之间的非线性关系,适用于爆破振动特征参量预测。     

小波神经网络在电力期货价格预测中的应用研究

提高电力期货价格的预测精度,对于指导正确操作、稳定电力市场价格、促进电力市场快速平衡发展有着积极的意义。在常用小波神经网络模型的基础上,对网络输出层的激励函数进行改进,给出该网络的具体学习算法并用Nordpool交易所的电力期货价格数据对该小波神经网络进行了训练和检测,通过与常用的小波神经网络比较,该网络显示出较快的学习速率和较高的预测精度。     

多相流计量撬在塔里木油田的应用

为了解决高含硫化氢试采单井计量误差大、人员操作风险高问题，2011年塔里木油田在某试采单井引进多相流计量撬，本文详细介绍了多相流计量撬的组成及工作原理并对其操作的可行性及结果的可靠性进行了验证。     

神经网络在GT中的应用

在实施成组技术的过程中，通过零件的合理分配分组，建立零件族，是成组技术的关键成在，是ＧＴ成败的第一个关键步骤，常规的方法有：码域法、生产流程法。本文用人工神经网络中的ＢＰ网来分类零件，组建零件族，以提高零件分组的效率和可靠性。     

基于遗传算法的神经网络在爆破振动预测中的应用

针对BP神经网络对工程爆破振动的预测存在精度不够高的缺点,建立遗传算法优化神经网络的模型,并介绍了它的原理。最后通过爆破振动预测实例的介绍,应用MATLAB编程,将总装药量Q、测点与爆源的高差h、孔间微差时间t、最大药包距离L这4个参数作为模型参数,对爆破振动幅值v、振动主频f和振动持续时间T进行预测,得出基于遗传算法的神经网络预测的结果比BP神经网络更为精确,克服了BP神经网络的缺点。     

BP人工神经网络在酥性饼干货架寿命预测中的应用

分别使用动力学方法、weibull危害分析法、BP人工神经网络法建立了预测美味酥饼干货架寿命的数学模型。3种模型性能的比较表明:BP人工神经网络预测结果更加准确、方便,使用BP人工神经网络模型的预测值与真实货架寿命值的相关性最高(R2=0.963 8);并且BP模型能综合反映饼干的初始含水率、初始过氧化值,饼干包装材料的透氧率、透湿率以及贮存环境温湿度对其货架寿命的影响。     

Application of Neural Network in Precision Prediction of Hat-Section Profiles in Rotary Draw Bending

It is difficult to control the accuracy of hat-section profile rotary-draw bent products because their shapes are complex and many factors influence the forming process. In this paper, a multi-layer feed-forward neural network based on improved BP (back propagation) algorithm is adopted to study the influence law of the main material properties and forming parameters on the accuracy of hat-section profile forming process. Rotary draw-bending precision prediction is realized and the technology parameters in the forming process are controlled according to the given precision.     

神经网络在电路诊断中的应用

目的：阐述了目前电路基于数据库技术和人工智能专家系统及神经网络原理的故障诊断系统。方法：将所记录的模糊症状输入到系统中，通过模糊运算后，运用神经网络学习算法来寻找故障类型。结果：介绍了人工神经网络技术在电路诊断中的应用，并给出系统故障诊断软件的设计，结论：所用专家系统和神经网络相结合的方法改进电子电路故障诊断是可行的。     

隧道爆破振动的BP神经网络预测及应用研究

以福厦高速公路扩建工程中的大帽山小净距大跨度隧道爆破开挖为背景,应用BP神经网络,建立了小净距隧道掘进爆破振动和速度峰值的预报模型,并成功地应用于该隧道进、出口段掘进爆破振动控制工程实践.分析比较结果表明,BP神经网络预报方法的预测结果与实测值的平均误差为7.16%～10.61%,较传统预报方法的预测精度提高20%以上.研究成果为小净距大跨度隧道爆破振动控制提供了新的预测方法,具有理论及实用参考价值.     

多因素作用下混凝土寿命的BP神经网络预测

影响混凝土及其结构使用寿命的因素主要包括荷载和自然环境的变化,它们对混凝土结构使用寿命的影响过程是错综复杂的,难以用准确的数学式表达.人工神经网络方法具有无需输入变量与输出变量间复杂的相关假设,也无需确定各种计算参数,从而以消除计算参数确定过程中产生的计算误差的特点,使得其在土木结构工程耐久性方面具有广泛的应用.采用动量～自适应学习速率调整算法以及规则化调整对BP神经网络的泛化能力进行了改进,使其误差平方和达到0.000918,提高了BP神经网络的泛化能力;并用改进的BP神经网络对荷载-复合离子-干湿交替作用下混凝土材料的使用寿命进行了预测,避免了在确定计算参数过程中所产生的计算误差,拓宽了多因素作用下结构混凝土寿命预测新方法.     

人工神经网络在材料制备工业中的应用

人工神经网络具有非线性的自适应信息处理能力,已广泛应用于化工、通信、控制及优化等领域.在简单介绍人工神经网络方法的基础上,重点综述了该方法在陶瓷工业的原料分类、配方优化、缺陷分析、性能预测等方面的应用情况,指出在应用过程中可能存在的问题以及未来的发展趋势.     

广义随机模糊神经网络及在随机混沌时间序列预测中的应用

针对随机模糊神经网络缺乏自适应性，引入广义高斯函数和广义随机模糊神经网络，使系统中隶属函数具有自适应性；并对参数进行遗传退火算法优化，使系统具有最佳结构和参数。以随机混沌时间序列为例进行仿真预测分析，结果表明广义随机模糊神经网络能够更好地预测原随机混沌时间序列，精度良好，具有抗噪声干扰能力．     

人工神经网络模型在人员安置中的应用研究

为了将不同特质的人员安置到各自合适的工作岗位上去，人工神经网络中的约束满意模型被用来解决这个问题。该模型中的每一个结点都代表一个假设，各结点间的联结权重代表了各个假设之间的约束，同时，对于每一个结点都可以有来自外界的输入，必要时还可以为网络设置一定的偏置值。模拟实验的结果表明该模型经运行后可以找到最大程度地满足各种约束的人员安置方案。     

基于BP神经网络的冷水机组能效预测方法

针对冷水机组能效物理模型及辨识模型结构复杂,模型参数难以获取等特点,提出了基于BP神经网络的冷水机组能效预测方法,并以某酒店离心式冷水机组为例,建立了其冷水机组能效预测模型,并利用实际运行数据对模型进行了训练及验证,同时介绍了该模型神经网络结构参数的设计及冷水机组能效预测方法实现过程,线性回归分析结果表明：提出的能效预测方法能够准确地预测冷水机组的能效,方法简单、实用,具有一定的适用性。