神经网络自适应噪声对消的研究

基于神经网络中自适应线性单元(ADALINE),结合传统自适应噪声对消原理,提出了一种基于ADALINE的改进型自适应噪声对消器。经仿真和实例证明,具有很强的噪声滤除能力和鲁棒性。     

基于BP神经网络的PID参数自整定的船舶操纵控制器研究

船舶操纵的模型参数具有非线性、慢时变特性。船舶操纵的传统控制方法的操纵性能不能令人满意。本文讨论一种应用ＢＰ神经网络实现ＰＩＤ参数自整定的控制方法。此法能根据船舶动态特性的变化,自动重新整定ＰＩＤ参数,从而改善了操纵性能和鲁棒性。     

BP神经网络分光光度法在多组分体系分析中的应用研究

介绍了BP神经网络的基本原理，用BP神经网络分光光度法解决了多组分体系中各组分曲线相互重叠的问题，不需要用物理的、化学方法进行分离或掩蔽而测定出各组分的相对含量，具有简便、准确的优点。     

宽尾墩的工程应用与发展浅析

结合工程实例综述了宽尾墩与其他消能工(如挑流、底流、面流)联合运用、以及宽尾墩在岸边溢洪道上应用的原理及在实际工程中的应用效果,介绍了目前中国新型宽尾墩的发展和应用。     

基于自相关分析的BP网络年径流预测模型及其应用

在目前利用BP神经网络进行径流预测的方法中,网络输入与输出的确定方法比较模糊,缺乏理论依据.鉴于此,提出通过对数据系列进行自相关性分析来确定网络结构的方法,此方法建立的BP网络预测模型应用于某电站的年径流预测.结果表明,该模型预测精度高,能够满足电站对径流预测的需要.     

地铁站深基坑土体力学参数反演分析

基于正交试验设计和FLAC3D建立的学习样本以及测试样本,通过工程现场获取的地铁站深基坑支护体系位移信息,在总结分析基坑变形受力特征的基础上,找出对地铁站深基坑变形起主要作用的因素,确定待反演土体力学参数,然后建立BP神经网络理论反演的参数同支护结构位移间潜在的映射关系。实例计算结果表明,利用BP神经网络的仿真预测功能实现地铁站深基坑土体力学参数反分析是较为准确可行的。     

改进Elman神经网络在径流预测中的应用

针对传统静态前馈神经网络动态性能较差的缺点,提出一种基于遗传算法（GA）优化Elman神经网络连接权值的GA-Elman多元变量年径流预测模型.以新疆伊犁河雅马渡站径流预测为例进行实例分析,并构建传统Elman,传统BP和GA-BP多元变量年径流预测模型作为对比模型,预测结果与文献IEA-BP网络模型预测结果进行对比.结果表明:①GA-Elman模型的拟合及预测效果略优于文献IEA-BP模型,该模型用于多元变量年径流预测是合理可行的,具有较好的预测精度和泛化能力.②在相同网络结构及传递函数等条件下,GA-Elman模型的预测精度和泛化能力优于GA-BP模型,传统Elman模型优于传统BP模型,表明具有适应时变特性的Elman反馈动态递归网络预测性能优于BP网络;GA能有效优化Elman神经网络连接权值,使网络的预测精度和泛化能力有了较大提高.     

气泡混合轻质土置换高速公路路堤工后沉降研究

以申嘉湖杭高速公路（练杭段）堆载预压处理段路基沉降速率较大断面采用气泡混合轻质土置换高速公路路堤为例,采用土体弹塑性本构模型及Sjerrum等时e—lgp曲线理论,对置换后地基土体的应力路径变化进行理论分析,地基土处于超固结状态;通过现场实测沉降资料,置换前处理段沉降观测点月沉降量在14mm～18mm,置换后沉降观测点月沉降量在2nm～4mm,沉降速率收敛较快,处理后效果明显,能够有效减少工后沉降。结果表明,采用气泡混合轻质土置换高速公路路堤不仅施工方便,质量容易控制,而且处理效果显著,是一种有效的减少软土地基工后沉降的控制方法。     

基于指标权重的湖库营养状态识别

针对湖库营养状态识别未考虑指标权重及营养状态分级较少的不足,基于熵值法与概率神经网络（PNN）基本原理,提出熵值PNN湖库营养状态识别模型,以全国24个湖库营养状态识别为例进行分析。利用熵值法确定识别指标权重,依据我国湖库富营养化评价标准,将湖库营养状态划分为极贫营养一极重度富营养11个等级,提出基于改进的湖库营养状态识别等级标准,在等级标准域值间采用随机内插的方法生成样本对PNN模型进行训练和检验,利用正确识别率和运行时间对PNN模型性能进行评价。最后,基于两种方案对全国24个湖库营养状态进行识别。结果表明：@PNN模型对于随机生成的训练样本和检验样本的正确识别率分别达到98．9％、98．6％（5次平均）,模型用于湖库营养状态识别是合理可行的。②湖库识别结果存在差异。比较而言,基于指标权重考虑的识别结果更能科学、客观地反映湖库营养状态。     

压力传感器温度补偿的BP神经网络算法

压阻式压力传感器易受工作温度影响,存在着温度漂移现象.为了提高测量的准确度,采用BP人工神经网络的数据融合处理法对温度漂移进行补偿.分析比较了补偿前后的数据,补偿后的温度灵敏度系数和零位灵敏度系数提高了2个数量级.实验结果表明,该方法有效地抑制了温度对压力传感器的影响,提高了传感器的稳定性和准确性.