液压挤压工艺ANN／GA建模与优化研究

利用人工神经网络方法（ANN）建立了工艺系统模型,用遗传算法（GA）对过程参数进行优化,实验结果与预测值吻合良好,为预测和控制该工成形质量提供了行之有效的手段。     

基于人工神经网络的结构腐蚀损伤定量预测

用BP神经网络算法分别对飞机结构材料，1Cr17不锈钢腐蚀损伤数据进行学习训练，建立了腐蚀损伤与环境条件的映射模型，并预测腐蚀损伤值。结果表明，ANN预测的精度比灰色GM（1，1）模型及Logistic模型的预测精度高，且对数据有较好的适应能力，将ANN技术用于飞机结构腐蚀损伤预测是可行的。     

沿程水头损失系数研究的一种新方法

采用神经网络(ANN)方法对沿程水头损失系数的影响因素进行了分析．以著名的尼古拉兹试验数据为基础，建立了相应的ANN模型．模型计算结果与试验数据以及经验公式的计算成果比较表明，利用ANN模型进行沿程水头损失系数影响因素评估有效和方便．计算实例表明，采用ANN方法计算沿程水头损失系数简单方便，计算精度高，工作量小，可操作性强，通用性好，工程适用性强．因此，以试验数据为基础建立的水力学体系，可以以ANN方法为新的分析与计算手段，进行新的发展．     

液态挤压工艺ANN/GA建模与优化研究

利用人工神经网络方法(ANN)建立了工艺系统模型,用遗传算法(GA)对过程参数进行优化, 实验结果与预测值吻合良好, 为预测和控制该工艺成形质量提供了行之有效的手段。     

基于人工神经元网络的预想事故电压预测

提出了基于人工神经元网络(ANN)的预想事故无功电压预测的方法．此方法以潮流计算所得的数据为训练样本,经过筛选及预处理后,在不同的负荷条件下及不同的系统拓扑结构下对ANN进行训练,建立了可在预想事故下进行电压预测的ANN网络模型．在ward & Hale 6节点系统上仿真计算结果证明,该方法能够满足在线安全分析对精度和速度的要求．     

建设需求量预测分析中的人工神经网络和多元回归方法

利用人工神经网络（ANN）和多元回归（MR）预测方法分别基于中国统计年鉴和香港房屋署的相关数据对中国内地和香港地区的建设需求量进行预测,并对两种预测手段得到的预测结果的可信度和离散程度进行对比分析.基于ANN和MR两种预测手段的不同特性,从预测结果中可以看出,就香港地区的预测情况而言,ANN方法产生的结果比回归模型更加精确;从内地的预测结果来看,ANN和MR的预测精度几乎一致.对于存在较大波动性的数据而言,ANN模型建立的非线性关系可以更精确地描述预测结果,反之,两种预测模型的应用均可得出良好结果.同时,经预测得知,两地的建筑需求量都存在上升趋势,有关部门应采取相应措施提前做好规划工作.     

基于ANN方法的煤巷掘进前方小构造预报技术

利用煤巷掘进过程中所暴露出的大量的煤层信息，确定了与煤巷掘进前方小构造存在密切关系的影响因素，分析了煤层倾角、煤层厚度、涌水量、瓦斯等各个影响因子，选出主控因子，建立主控因子与煤巷掘进前方小构造预测危险性指数间的人工神经网络（ANN）分析模型，求取了各影响因素对前方小构造预测的权重系数，并建立了煤巷掘进前方小构造预测预报的ANN模型及其判据．对鹤壁十矿煤巷掘进前方小构造进行了预测，结果表明：ANN技术可用于煤矿巷道掘进前方小构造预测．     

数据挖掘技术在松花江水质预测中的应用

为更好地实现松花江水质预测,对水质的科学管理起到指导作用,应用人工神经网络技术（ANN,ArtificalNeuralNetworts）,利用松花江四方台监测站某连续3年水质数据,建立水质预测模型,实现对松花江主要污染指标CODmn的预测．为保证预测模型具有较高的预测精度,将数据按月分期,应用聚类分析法对数据进行处理,...     

化工过程灰箱建模中采用灰色聚类技术的研究

利用灰色聚类方法建立灰箱模型,进行预测化工生产过程中催化反应的进料量和填装量等参数。实验结果表明,采用灰色聚类技术分析预测,对催化反应的数据预测结果在精度上明显优于传统化工方法,可使催化反应在原料成本最小的条件下获得较高的转化率。     

基于外海环境预报的近岸岛礁桥址区波高ANN推算模型

中国跨海桥梁多建于近岸岛礁海域，桥址区的波浪要素随时空演变复杂。桥址区波高的准确推算对于桥梁结构设计和施工组织具有十分重要的意义。提出一种基于外海环境预报数据的近岸岛礁桥址区波高人工神经网络（ANN）推算模型，并以平潭海峡公铁两用大桥桥址海域为研究对象，运用ANN算法中常用的BP神经网络对外海海洋预报台提供的波高、风速数据以及在桥址区实测波高数据进行训练，建立二者之间的映射关系及ANN推算模型。为验证推算模型的可行性和有效性，运用上述模型对桥址区连续80 d的海浪波高进行推算，通过对比前人模型和实测数据发现，推算波高和实测波高的变化趋势基本吻合，均方根误差满足预测要求，获得了理想的预测效果。研究表明，提出的波高ANN推算模型可以利用外海预报信息进行近岸岛礁桥址区的波高推算，且建模过程较为简单。     

基于人工神经网络的中期电力负荷预测研究

采用人工神经网络(ANN)进行电力负荷中期预测．阐述了人工神经网络的基本原理和反向传播算法(Back Propagation)．根据实际情况建立了人工神经网络的模型并利用Visual Basic编制了相应的计算程序．进行了实例计算，并验证了ANN适用于中期电力负荷预测．     

云南饵丝及其原料大米的全程粘度试验研究报告

本文使用布拉班德粘度仪,对三种大米及以其为原料加工的三种饵丝进行了全程粘度测试,探讨了原料大米的糊化温度和粘度特性对饵丝品质的影响,指出粘度回老值是反映饵丝复水方便性的重要指标。     

预测混合生物质灰熔点的CV-GA-SVM模型

为了更加快速、精确地对混合生物质灰熔点进行预测,利用交叉验证(cross validation,CV)方法进一步优化了前人提出的经遗传算法(genetic algorithm,GA)优化的支持向量机(support vector machine,SVM)回归模型。以灰成分作为输入量,灰熔点为输出量,以单生物质数据训练该模型,对混合生物质灰熔点进行了预测;并与仅经GA优化模型的预测结果进行了比较。研究结果表明:经GA与CV优化的SVM模型对混合生物质灰熔点进行预测,平均绝对误差为25。0℃,平均相对误差为2。7％,比仅经GA优化的SVM模型预测结果更为精确;适当地设置相关参数可以节省程序运行时间。     

基于不同ANN模型对流化床颗粒内循环量的预测研究

双循环流化床的颗粒内循环量直接决定了副流化床内的传热效果。为了解双流化床在其他工况下的传热效果,采用多种ANN模型对颗粒的内循环量进行预测。以一种新型双流化床冷态实验系统的60组工况运行结果作为数据来源,采用5种不同的人工神经网络(ANN)模型对颗粒内循环量进行预测,并同各个工况下的实验数据进行对比。采用主流化床流化风速、炉膛隔墙高度、主流化床初始床层高度这三个因素作为模型的特征值,将颗粒内循环量作为输出目标,以平均绝对百分比误差和均方根误差作为评价指标。结果显示GA-BP、SVM以及ELM三种模型具有比较理想的预测精度。     

汽车转向时驾驶员驾驶意图辨识与行为预测

提出了一种基于隐马尔可夫模型(HMM)和人工神经网络(ANN)相结合的模型,用于实现驾驶意图辨识和驾驶行为预测,从而达到辅助驾驶和提高主动安全性的目的。通过驾驶模拟器获得双移线和直线行驶的数据,通过结合HMM和ANN建立了驾驶员意图辨识和行为预测模型,对驾驶员意图和行为在紧急转向、正常转向和直线行驶三种工况下的操作分别进行了辨识和预测。实验结果表明,该模型在给定车速下能够准确辨识当前的驾驶意图和较为精确预测驾驶员的驾驶行为。     

基于ANN及FFT技术的电力系统预想事故选择

开发了一种基于人工神经网络(ANN)和快速付里叶变换(FFT)技术进行预想事故快速筛选的方法．利用快速解耦潮流计算的迭代一次法(1P－1Q)分别构造了反映预想事故严重程度的有效性能指标PIp和无功性能指标PIv同时还构造了一个多层感知型神经元网络并用BP算法加以训练．神经元网络的输入经过快速付氏变换可以大大提高网络的训练速度．算例表明,本算法具有较高的性能指标计算速度,且性能指标的构造避免了遮蔽现象的发生,同时ANN的特点也使得预想事故的筛选速度大为提高．     

基于聚类分析和神经网络的高炉焦比预测模型

为降低高炉生产焦炭的消耗,对高炉操作参数和燃料比指标进行关联性分析,提出了一种组合聚类分析与神经网络进行高炉焦比指标预测的方法。聚类分析将数据集聚划分为几类,数据的相似度比较高,分类训练相应的神经网络模型,实现高炉焦比指标的预测。结合聚类分析构建的神经网络模型,用某高炉生产数据进行仿真学习,并跟传统的神经网络模型进行比较。结果表明,加入聚类分析的神经网络模型平均绝对误差降低3．13kg／t,平均相对误差降低5．19％。     

小麦粉作辅料啤酒酿造工艺的探讨

采用正交试验法分析不同原料配比、糖化工艺及添加酶制剂对麦汁制备和啤酒发酵的影响,并对小麦粉分别投入糊化锅和糖化锅进行比较.同时以麦芽70%、大米3O%的原料配比作了对照试验,得到采用煮—浸法糖化工艺,原料配比为麦芽60%、小麦30%、大米10%,加糖化酶的方案较为理想.工艺进展顺利,成品啤酒各项理化指标符合GB4927-85标准,泡沫持久性明显提高,口味淡爽,原料成本降低了约11.4%.     

基于ANN的电力工程造价预测

为了对新的电力工程进行造价预测与估算,采用人工神经网络（ANN）的机器学习与预测能力,通过分析电力工程造价的影响因素,并将这些影响数据归一化预处理后作为ANN的输入,用历史电力工程造价数据对ANN进行训练,并采用训练后的ANN对新的电力工程进行造价预测。多个电力工程造价预测结果表明,ANN的造价预测结果与实际造价的误差小于5%,符合电力工程造价人员的经验许可。     

基于神经网络构建取代苯类化合物QSAR模型

在取代苯类化合物定量构效关系（QSAR）模型构建中,采用人工神经网络技术对所选点价自相关拓扑指数结构参数进行筛选,并对筛选过程中不同数量的输入结构参数所构建的ANN—QSAR模型的质量和预测能力进行了比较．研究结果显示,应用人工神经网络自身非线性特点对QSAR研究中结构参数筛选是可行的。使最初QSAR模型中24个结构参数减少为5个,而模型的质量和预测能力没有受到影响．该研究成果不仅大大加快了网络模型的运算速度,而且为深入探讨取代苯类化合物生物致毒机理奠定了基础．