模糊人工神经网络在矿井构造评价中的应用

介绍了模糊综合评判和人工神经网络原理，分析了一般BP神经网络在研究复杂性问题时存在的局限性，根据模糊人工神经网络模型的构建方法，探讨了该模型在矿井构造定量评价中的应用，结合鲍店煤矿的实际资料，对建立的模糊人工神经网络模型进行了学习训练，对未采区的构造复杂程度进行了预测，结果表明：模糊人工神经网络较一般BP神经网络具有更快的收敛速度和更准确的预测效果．     

基于原位监测数据的尔王庄水库堤坝渗流预测分析

通过对影响堤坝渗流因素的分析,结合尔王庄水库堤坝实测渗流数据,建立了基于原位监测资料的堤坝渗流参数的时变模型,并应用Matlab工具箱中改进的神经网络模型对堤坝渗流参数进行了预测。研究结果表明:神经网络预测结果接近实测结果,该方法为堤坝的渗流预测提供了可借鉴的途径。     

基于原位监测数据的尔王庄水库堤坝渗流预测分析

通过对影响堤坝渗流因素的分析,结合尔王庄水库堤坝实测渗流数据,建立了基于原位监测资料的堤坝渗流参数的时变模型,并应用Matlab工具箱中改进的神经网络模型对堤坝渗流参数进行了预测。研究结果表明：神经网络预测结果接近实测结果,该方法为堤坝的渗流预测提供了可借鉴的途径。     

基于神经网络理论的电气安全综合评价模型

为了提高电气安全综合评价水平,依据人工神经网络的基本原理,分析了BP神经网络模型建构和优化策略,将其应用于电气安全评价之中．提出了基于神经网络理论的综合安全评价模型及实现方法,并以电气安全评价实例论证了此方法的可行性．     

神经网络方法在蓄电池建模中的应用

简要地介绍了人工神经网络,阐述了构建该网络及利用该网络建立蓄电池通用模型的方法,并建立了一种基于神经网络的电动汽车蓄电池模型;使用PSAT软件对该模型进行了仿真计算,得出了仿真结果;设计了某一阀控密封式铅酸蓄电池的充放电试验方案,进行了所建网络的训练和测试,对仿真与试验结果作出了比较和评价.研究表明,人工神经网络方法及所建模型在混合动力汽车设计中有很好的实用性.     

水质综合评价的Hopfield网络模型

将人工神经网络技术运用于水质评价，建立了水质综合评价的Hopfield模型，并以重庆市南川凤嘴江水质资料为实例，对模型精确度进行了测试。结果表明：Hopfield网络用于评价水环境质量形象、客观、准确、合理,具有广阔的应用前景。     

急倾斜煤层巷道放顶煤开采顶煤可放性评价

应用人工神经网络方法，建立了急倾斜中厚－厚煤层巷道放顶煤开采可放性评价的人工神经网络模型。该模型可用来预测工作面技术经济指标，优化放顶煤工艺参数。     

MATLAB神经网络在湖库富营养化程度评价中的应用

基于MATLAB神经网络和我国湖库富营养化评价标准,运用人工神经网络模式识别理论和方法,分别建立了BP,PNN,GRNN和Elman神经网络湖泊富营养化等级评价模型,对全国24个主要湖泊富营养化程度进行评价,并与文献[5]和文献[9]的评价结果进行比较.结果表明:基于MATLAB神经网络模型评价湖库富营养化程度是可行的...     

人工神经网络在炼钢生产上的应用

介绍了人工神经网络在炼钢生产上的应用,提出利用人工神经网络原理建立预报模型.     

改进GA算法结合ANN用于酚类化合物的QSAR研究

采用改进的遗传算法(IGA)和BP人工神经网络相结合的方法,研究了50个酚类化合物的麻醉毒性和分子结构之间的相关性,并与单纯用BP人工神经网络建立的模型进行比较.结果表明,该方法克服了人工神经网络训练中的局部最优问题,采用最优交叉和变异等遗传策略,有效地解决了收敛过程中的振荡问题,所得模型的训练精度和预测精度均优于单纯的BP人工神经网络QSAR模型.     

土石坝位移反分析的遗传方法

土石坝安全评价是大坝运行安全管理中的重要工作 ,而大坝的安全评价需要以运行期间的观测资料为基础 .尝试把遗传优化算法应用到土石坝土料的参数反演中 ,针对土石坝观测资料的特点 ,建立了适合于土石坝土料参数反演的优化模型 ,在此基础上编制了基于遗传算法的优化程序EDBAGA ,形成了土石坝土料参数反演的通用程序 ,并进行了工程实例的反分析 .此外 ,对观测值数目对反演结果的影响以及如何提高反演结果可信度等问题作了初步讨论 ,并提出了补偿观测信息量的多断面分析法 .     

基于Matlab的BP神经网络在大坝观测数据处理中的应用

建立大坝观测数据处理的BP人工神经网络模型,用正交变换法来初步优化设计大坝变形分析的模型结构.运用Matlab工具箱函数建立网络模型,选择合适的训练函数,并采用正则化的算法以缩小网络的规模,改进BP算法提高学习速度和算法的可靠性.实例表明,基于Matlab的神经网络优化设计能比较有效地避免BP网络的固有缺陷,在精度和训练速度上得到提高.     

大坝安全监测量的组合预测模型研究

鉴于传统数学模型和神经网络等预测模型在大坝安全监测领域应用中存在预测精度不高的问题，分析探讨了BP神经网络模型和统计预测模型的各自建立方法，在此基础上提出了一种新的组合预测模型，结合实测数据对此组合预测模型进行了检验。通过实例表明，该组合预测模型不仅很好地克服了BP神经网络模型和线性回归模型的缺陷，亦提高了预测精度，在大坝安全监测量预测中具有较强的实用性。     

关于大坝安全监测内涵及扩展

从分析影响大坝安全的各种因素入手,在时空两个方面拓宽了大坝安全监测的概念。建议大坝安全监测应和设计、施工及大坝安全定检结合起来,有利于资料分析和相互校核;应加强对大坝安全监测（包括监测系统）的效益评估,把大坝安全监测系统作为水库运行调度的有效工具,以提高水库运行效益;通过网络技术的推广使用,将实现大坝安全监测的网络化,极大地方便经验交流,提高监测技术,是今后大坝安全监测领域发展的主要方向之一。     

噪声自适应抑制技术在大坝安全监测数据处理中的应用

利用传感器监测大坝安全特征量从而实时掌握大坝安全状况是目前较为常见的安全监控手段。噪声干扰是传感器数据输出的重要问题,严重影响建模分析的精度。针对传统线性滤波的不足,提出了基于RBF神经网络的非线性神经网络滤波器,该模型克服了传统线性滤波对非高斯噪声处理时的缺点,且不需要关于输入信号和噪声的先验知识,非线性映射能力强。采用自适应噪声抵消基本原理,构造RBF神经网络自适应滤波器,然后针对该系统建立Simulink仿真模型。该技术应用在大坝监测数据处理中,取得了良好的效果。     

径向基函数神经网络在大坝安全监测数据处理中的应用

建立了大坝安全监测数据处理坝段挠度预测的径向基神经网络模型 ,与通常的BP神经网络模型进行对比 ,并与实测结果进行校核 .结果表明 ,对于所研究的问题 ,径向基函数网络避免了BP网络的局部极小及收敛速度慢等缺点 ,在精度、训练速度等方面优于BP网络     

基于遗传神经网络的大坝变形预测模型研究

神经网络具有自学习、修正误差的能力，遗传算法具有较强的全局随机搜索能力，两者结合可以优势互补. 在编码、选择、交叉、变异等方面对基本遗传算法进行改进，提高其效率和性能，并利用改进的遗传算法对神经网络权阈值进行学习，同时确定最佳的网络结构. 利用原型观测资料建立了大坝变形预测的遗传神经网络模型，模型具有良好的预测性能及泛化功能，为大坝安全监控提供了有力的技术支持.     

山东某调蓄水库围坝应力与变形分析

采用有限元方法对山东省某调蓄水库工程围坝进行了有限元分析,论证了聚乙烯薄膜垂直防渗槽的位置对坝体应力与稳定的影响.通过分析计算表明,目前设计的防渗沟槽的位置及其回填质量不至于对坝体的安全和运行状况造成很不利的影响,由于坝体的施工和运行一般不会对聚乙烯薄膜造成破坏     

土石坝渗流确定分析模型研究

:针对土石坝渗流安全监测中观测项目较少 ,难以分析大坝渗流场的问题 ,通过三维渗流有限元分析 ,分离了大坝坝体、坝基以及两岸岩体的渗流量 ,并建立了基于三维渗流有限元计算的土石坝渗流确定分析模型 .计算实例表明 ,该模型精度较高 .     

用灰色优势分析确定网络安全评估指标

针对如何确定网络安全评估指标的问题,在从NetFlow数据对象中提取关键域数据的基础上,将数据按相关维度进行多种形式的汇总分析,通过灰色关联优势分析的方法,计算网络安全事件与网络数据各种特征的灰色关联度,确定了体现网络安全事件的重点特征因素,提出了一系列评估网络安全的重点指标。实验结果表明,提取的指标能有效地反映网络的安全态势。