大气颗粒物及其组成研究进展(上)

颗粒物是空气中最重要的污染物之一,由于颗粒物表面的吸附作用,其组分非常复杂,其中含有多种有毒有害的化学成分,对大气环境造成不良影响,并危及人体健康。借助大气颗粒物及其组成成分的测定,通过污染源解析分析其来源及影响因素,控制大气颗粒物的排放,对于保证大气环境质量、改善人们的生存环境具有重大意义。本文对此进行综述。着重介绍大气颗粒物及其组成成分、源解析及测量技术的最新进展。     

大气颗粒物及其组成研究进展(下)

颗粒物是空气中最重要的污染物之一,由于颗粒物表面的吸附作用,其组分非常复杂,其中含有多种有毒有害的化学成分,对大气环境造成不良影响,并危及人体健康。借助大气颗粒物及其组成成分的测定,通过污染源解析分析其来源及影响因素,控制大气颗粒物的排放,对于保证大气环境质量、改善人们的生存环境具有重大意义。本文对此进行综述,着重介绍大气颗粒物及其组成成分、源解析及测量技术的最新进展。     

基于BP神经网络的电梯增长量预测研究

电梯增长量数据的预测可以为行业的管理部门和市场主体提供重要的决策依据。鉴于此,通过对影响电梯数量增长的相关因素进行分析,总结出6个影响电梯增长量的主要因素。运用BP神经网络构建电梯增长量预测模型,以实际某地市为例,结合国家统计局的数据,分析预测值相较于实际值产生的误差,判断构建的模型是否可靠。实验结果表明,预测值和实际值之间匹配度较高,误差范围控制在3%以内,该模型能高精度地预测该地区某年的电梯增长量。     

过程质量控制的BP神经网络预测方法研究

利用BP神经网络对过程质量特性值进行预测，建立了预测模型并利用单因素法优化模型参数，实现了过程质量的事前控制。仿真结果表明，神经网络在预测中具有较为明显的优势，对参数的优化提高了网络性能，因此模型符合过程质量智能预测的基本要求。     

基于BP神经网络预测的马铃薯晚疫病预测系统

马铃薯晚疫病是对马铃薯种植危害最大的病害之一,这种病现在还没有很好的根冶办法,只能以预防为主.BP神经网络在预测控制中有着极其广泛的应用,本文首先介绍了BP算法及网络隐含层与结点数的相关问题,然后说明了利用神经网络预测实现的马铃薯晚疫病预测系统,系统采用BP神经网络算法,以气象数据等作为预测的输入,达到预测马铃薯晚疫病流行程度的目的.     

基于BP神经网络模型的道路交通噪声预测

本文通过分析影响公路交通噪声的各种因素,并利用实测样本数据,建立了一个公路交通噪声预测的神经网络模型。并运用该模型预测道路交通噪声的等效声级,把预测因子作为样本输入到网络模型,噪声等效声级作为样本输出。且将其与实际数据相比较,发现神经网络模型的预测值准确度很高。该模型为公路交通噪声的预测、治理和控制提供了良好的条件。     

用BP神经网络预测数控铣削变形

铣削变形问题一直是影响薄壁件加工精度的瓶颈问题。由于引起铣削变形的因素较多以及铣削过程本身的复杂性,使得铣削参数与变形量之间的关系很难用准确的解析式来表示。因此借助神经网络的非线性映射能力,建立了变形量与铣削参数之间的非线性映射模型。结果显示:所建立的神经网络模型具有较高的精度和良好的泛化能力。该研究为进一步的铣削参数优化提供了保障。     

基于BP神经网络的磨削温度预测

磨削温度是评价磨削过程的一个重要指标,利用BP神经网络良好的非线性映射功能,以磨削用量(砂轮线速度、工作太速度和磨削深度)为输入,以磨削温度为输出,建立了磨削温度的BP神经网络预测模型。并通过仿真验证了模型的正确性,为磨削温度的预测提供了一个简单可行的方法。     

基于BP神经网络的物流预测方法

针对传统物流预测方法的局限性，研究了基于BP模型神经网络的物流预测方法，即依据历史数据建立BP神经网络对其进行训练形成物流预测模型。阐明了神经网络具有记忆、学习功能，能够很好地模拟物流发展趋势。大量预测结果的准确性表明基于神经网络的物流预测是一个行之有效的方法。     

BP神经网络在矿井涌水量预测中的应用

矿井涌水量问题受到多种因素的共同影响,具有非线性和高度复杂性。应用BP神经网络,结合工程实例,采用了两种不同的输入神经元构造方法来构建涌水量神经网络预测模型。首先收集了陕西大海则煤矿某个钻孔自1999~2008年7月份的涌水量数据,然后利用这些数据对已经构建好的神经网络进行训练,并用训练完成的网络进行涌水量数据预测,最后与实际值进行比较。结果表明:两种模型都可以完成预测工作且易操作,但是在预测精度上有差异。     

改进的BP神经网络在车辆目标识别中的应用研究

遥感图像下的车辆目标识别系统大多是基于传统的BP神经网络算法,传统BP神经网络算法存在诸多问题,如易形成局部极小而得不到全局最优、训练次数多、学习效率低、收敛速度慢等,影响和限制车辆目标识别系统的识别能力.针对传统BP神经网络存在的缺陷,为进一步提高车辆目标识别系统的识别精度,提出采用随机梯度下降法和深层滑动神经网络对...     

供应链二级可靠性评价的BP神经网络应用研究

以制造业供应链为研究对象,基于不确定性提出二级供应链可靠性评价模型,通过算例仿真验证模型可靠性诊断结果的合理性,最后提出针对结果的反向改进方案。二级模型是在一级模型的基础上,针对具有不确定性因素的一级评价指标,提出决定其性能的二级评价指标的优化模型,具有更高精度和更好的反向改进能力。BP神经网络作为一种成熟的工具具有强大的学习能力,经过大量历史数据的学习能够很好应用在诊断领域,应用算例得出结果与专家系统评价结果相符。     

BP神经网络的实现及应用

研究了BP神经网络的实现方法和在材料科学上的应用。BP网络经大批样本训练以后，能够对材料性能进行比较精确的预测，这有利于提高试验效率，降低试验成本。     

基于遗传算法优化的BP神经网络在粗糙度预测上的应用

针对BP神经网络预测工件表面粗糙度精度不高的问题,提出了一种基于遗传算法优化的BP神经网络预测方法。首先用遗传算法对BP神经网络的初始权值、阈值进行全局寻优,然后对优化的BP神经网络进行训练、预测。通过MATLAB进行了粗糙度预测仿真验证。结果表明:优化的BP神经网络比未优化的BP神经网络具有更高的预测精度。     

BP神经网络的摩擦力补偿算法研究

针对伺服系统中非线性摩擦力的影响,提出了一种基于BP神经网络的摩擦力补偿.通过神经网络的学习,可以改变PID的参数,从而达到对摩擦力的补偿.并通过MATLAB对系统进行了仿真,证明了该方法的有效性.     

BP神经网络在财务失败预测的应用

采用了改进的BP神经网络对企业的财务状况进行了仿真预测，并与证券交易所公布的结果做比较，验证了其可靠性。     

基于遗传算法的人工神经网络在航空发动机磨损预测中的应用

提出了一种将遗传算法和BP算法相结合的学习算法来训练BP神经网络,实现网络结构的优化,并用优化后的BP人工神经网络建立了航空发动机的磨损预测模型。将该模型预测结果与BP算法和多元线性回归法的预测结果进行了比较。检验结果表明：基于遗传算法的BP神经网络优于BP算法及多元线性回归法,具有良好的预测效果。     

基于BP神经网络的汽车故障诊断的研究

研究了一种基于BP神经网络的汽车故障诊断方法。主要结合了专家系统判断推理的思想,通过多个子BP神经网络形成一条诊断链,从故障征兆出发,对汽车故障进行分级连续诊断,使故障诊断范围逐级缩小,最终确定汽车故障的具体原因。该方法符合人的逻辑思维,实现简洁,同时具有很高的诊断精度和很好的鲁棒性,可行性强。     

GA-BP神经网络预测钛合金表面粗糙度

为了有效预测铣削加工中钛合金工件的表面粗糙度,建立了以切削速度、进给量、径向切深、轴向切深为输入参数,表面粗糙度为输出参数的预测模型。该预测模型将遗传算法与BP神经网络结合起来,使用遗传算法优化BP神经网络的初始权值和阈值,进行铣削实验获得实验数据,并对神经网络进行训练,最终获得预测模型。通过对比分析GA-BP预测模型、BP预测模型、线性回归预测模型的预测精度,得出GA-BP预测模型具有相对较好的预测精度,证明该预测模型是有效的。     

基于BP网络的机床主轴故障诊断研究

针对机床主轴在运转过程中由于高速、热变形和应力集中等原因而发生平移、旋转、压缩和伸展等,提出了一种基于BP神经网络和误差标定拟合对机床主轴轴心轨迹误差预测的方法。该方法首先通过实验测量出机床主轴轴心轨迹的偏心数据形成样本,运用BP神经网络对样本进行训练,然后根据样本训练结果预测机床主轴轴心偏转的将来值,最后通过三维张量空间分布函数分析将来值与理论值拟合情况得出机床运转状态。实验结果显示,当迭代次数epoch=2,训练误差为Validation=0.0052442时,训练后的拟合曲线拟合效果较好,此时BP训练状态最佳,训练后的主轴偏转结果能够反映和预测机床运转状态。本方法对于生产过程中的机床定期维修保养具有重要的指导意义。