人工神经网络理论在核动力领域的应用与展望

对人工神经网络(ANN)在核动力领域的应用研究进行了评述。重点阐述了人工神经网络在核动力控制系统、核电厂监测与瞬态辨识、设备故障监测与诊断、核燃料管理、核参数预测等方面的应用与研究进展。就人工神经网络在核动力领域的实际应用问题提出了作者的看法。     

基于EEMD-ANN的水库年径流预测

以三峡水库为例,基于集合经验模态分解(EEMD)及人工神经网络方法对水库年径流进行预测。首先利用Mann-Kendall和Pettitt法对水库年径流序列进行突变检测,获得平稳径流序列,然后采取EEMD方法分解径流序列,得到固有模态函数(IMF)和残差,最后对不同IMFs和残差分别建立人工神经网络预测模型,叠加所有模型预测结果得到年径流预测值。结果表明,基于EEMD-ANN的年径流预测模型优于自回归模型和人工神经网络模型,其预测结果与实测值的相关性更强,预测误差分别减少了11.4%、8.7%。同时,构建EEMD-ANN预测模型时需考虑径流序列的突变特征,采取平稳径流序列的预测效果更优。     

大坝渗流监测遗传神经网络模型

基于遗传神经网络的基本概念及学习步骤，对大坝坝基渗流量、坝基扬压力监测数据进行了训练和预测。结果表明，利用遗传算法特有的全局优化能力，可以较好地完成网络的学习，而且还减少了网络训练次数，缩短了网络训练时间。     

基于ART1人工神经网络的数据聚类

本文对数据聚类进行了研究，提出了一种利用ART1人工神经网络的数据聚类方法的结构和算法。     

基于叶片弯掠技术的优化设计

在三维粘性流场的数值计算程序平台上,利用BP神经网络和遗传算法,通过叶片弯掠技术对一轴流风机的转子叶片的周向弯曲角度进行寻优,以使风扇的气动性能进一步提高。通过对比优化前、后的叶轮发现,优化之后的叶片呈现明显的周向前弯曲特征。测试结果显示,其全压和气动效率分别提高了3.56%和1.27%,失速裕度大幅度拓宽36%以上,上、下端部的损失进一步降低。     

基于人工神经网络的供热管网终端温度预测模型

从供热管网终端泄漏诊断需要出发，引出求解正常供热时管网系统的终端温度。绕过传统的通过求解微分方程确定温度的方法，利用人工神经网络来预测管网系统的终端温度，从而为供热管网终端泄漏诊断提供参考依据。在应用人工神经网络时，采用基于相关分析法的节点删除法来优化网络结构提高网络性能。仿真分析表明基于这种结构优化的人工神经网络模型对供热管网终端温度预测较为准确，对泄漏诊断有一定帮助。     

基于人工神经网络的统计降尺度模型研究

基于BP神经网络模型对黄河源区的降水、温度进行了统计降尺度研究,探讨了统计降尺度模式中考虑预报量的敏感大气环流因子随季节变化时对降水的降尺度效果的影响。结果表明,人工神经网络降尺度模型能成功地捕捉黄河源区的日平均温度及气温极值的年际变化趋势,纳什效率系数均达0.95以上;比较CON模型及PIE模型对降水指标的模拟能力,发现两种模型对1961~2000年不同降水指标时间序列的模拟能力相当;从季节尺度看,在冬季PIE模型显示了更好的模拟能力,但在夏秋季节PIE模型对多数降水指标的模拟能力略不及CON模型。总之,CON模型对降水指标的模拟效果更好。     

基于人工神经网络的钢铁冶炼终点预报模型

全面地综述了人工神经网络在“烧结-炼铁-炼钢(铁水预处理、转炉、电炉)-炉外精炼(LF精炼、RH精炼)”整个钢铁冶炼工艺过程的各生产环节中的终点成分和温度预报方面的开发应用工作。还简单讨论了人工神经网络与回归模型和专家系统的特性。人工神经网络技术在冶金过程终点预报应用方面具有广阔的应用前景。     

复杂系统拓扑结构对人工神经网络的优化综述

随着人工神经网络在不同领域的成功应用,改变网络结构以优化其性能成为近年来的研究热点。由于人工神经网络具有广泛的连通性和复杂的结构,在获得高性能的同时,设计时间、布线成本和空间成本都更低的稀释型人工神经网络备受关注。复杂系统理论主要考虑结构对网络整体行为的影响,并将其应用于人工神经网络,使其具有更高的效率和更简单的结构。研究表明,复杂随机拓扑结构在连通性较低的情况下也要优于全连接人工神经网络。但根据神经生物学的研究,具有短特征路径长度和无标度分布的高度聚集的神经元更受青睐,且连接成本更低。因此,将小世界和无标度拓扑应用于人工神经网络成了相关领域的研究热点。文中总结和讨论了小世界、无标度和混合复杂网络与传统的全连接和随机结构对人工神经网络性能的影响。     

变压器绝缘老化诊断技术

详细介绍了变压器绝缘老化在线检测分析模型，叙述并分析了人工神经网络(TFDANN)在变压器绝缘老化程度诊断和寿命评估方面应用的可行性和有效性。