基于人工神经网络的高聚物流变性能预测系统

针对影响高聚物流变性能因素的复杂性,利用VB与MATLAB混合编程将人工神经网络技术移植于应用软件,实现人工神经网络技术的各项功能,通过对采集的样本数据进行网络训练,开发了高聚物流变性能参数预测系统。经验证,系统可将预测精度误差,控制在5％以内。     

非视距传播下LTE的频率定位算法

基于单次反射信道模型,针对LTE通信网络在非视距传播环境下提出了一种基于频率的定位算法。首先根据信道传输模型计算路径损耗,再由路径损耗计算移动台与基站之间的距离,然后利用BP神经网络修正NLOS误差,最后利用最小二乘LS定位算法进行移动台定位。仿真结果表明,该基于频率的移动台定位算法定位精确,效果良好。     

基于BP网络的保护渣性能预测模型的研究

结合BP网络计算机实验研究 ,建立了保护渣化学组成与性能的预测模型 ,并利用化学组成与性能的关系 ,对网络的实用性进行了检验 ,结果符合保护渣化学组成与性能的关系。保护渣粘度随着保护渣碱度的增大而减小 ,而半球点温度随碱度增大而增大 ;保护渣的半球点温度和粘度都随着渣中CaF2 含量的增加而减小。用BP网络的误差反向传播算法建立的保护渣的化学组成与性能的预测模型 ,得出的预测值与实际值的误差小 ,对保护渣的设计与应用都有一定的指导作用。     

多因素耦合作用下合成β-sialon材料的工艺优化

以粘土矿物为主要原料,采用碳热还原氮化工艺制备出高品质β-sialon陶瓷粉体,并对多因素耦合状态下材料合成的工艺优化,微结构与相组成以及热力学反应机理作了系统研究。理论分析与实验结果均表明：随着合成温度的增加,产物中物相经历了O’,X相(中间杂相)→β相→15R,12H的sialon多型体与Si3N4和AIN的一系列相转变,导致合成工艺的复杂性。正交设计实验结果分析表明：控制保温时间和合成温度,是获得高含量长柱状β-sialon的有效途径;通过模式识别能快速寻找出性能优化区域,1500℃保温5h可以获得单一sialon相。结合逆映照与人工神经网络技术,可对所需要的新工艺参数进行预报。     

醋酸生产工艺选择

介绍醋酸生产的几种工艺路线，将巴斯夫工艺、BP／孟山都工艺及UOP/千代田工艺进行比较，寻找适合我厂的醋酸生产工艺。     

基于BP神经网络集成的钻井液粒度分布预测

利用BP神经网络模拟了钻井液的粒度分布与钻井液处理剂种类及加量之间的关系,并采用神经网络集成的方法提高模型的泛化能力。利用激光散射粒度分析仪测定了NaCl、CaCl_2、钻井液用高温抗盐降滤失剂SPNC、磺甲基酚醛树脂(SMP-2)4种处理剂对钻井液粒度分布的影响,选用60组实验数据作为试验样本,建立了钻井液粒度分布模型,并利用19组实验数据验证其精度。结果表明:该模型具有良好的预测精度,集成网络输出结果的平均误差率和最大误差率均小于单个神经网络子网,表现出良好的泛化能力;并利用该模型研究了单一处理剂对钻井液粒度的影响。     

基于BP神经网络的油基钻井液乳化稳定性预测

通过室内实验,研究十二烷基苯磺酸钙、环烷酸钙、油酸钙、正丁醇4种处理剂对油基钻井液乳化稳定性能的影响,并结合所得实验数据,应用BP神经网络对其进行预测。在模型训练中,采用了神经网络集成来提高BP神经网络的泛化能力。神经网络集成的检验结果明显优于单个子网,其中老化前的平均误差率为7.85%,最大误差率为22.34%;老化后的平均误差率为5.75%,最大误差率为14.53%。     

运用BP网络分析尿素合成塔CO_2转化率

采用BP神经网络模型预测尿素合成塔CO_2 转化率 ,分析了氨碳比和水碳比与转化率之间的关系。详细介绍了建模过程并对隐含层神经元数和迭代次数对网络性能的影响进行了讨论。分析结果表明 :所建模型能准确地对CO_2 转化率进行预测 ,平均相对误差在 1 0 %以内 ;CO_2 转化率随氨碳比的增大而显著增加 ,水碳比的影响则相对较小。     

高温变换催化剂制备条件的神经网络优化

将影响低汽气比条件下LB型节能高温变换催化剂活性的主要因素作为人工神经网络的特征输入向量,将全部实验数据分为训练集和预测集,运用Matlab神经网络工具箱,按改进的Bayes自动归一化算法建立反向传播神经网络模型,不仅可防止网络陷入局部最小,而且提高了网络训练精度和泛化能力。适当拓宽正交实验各因素的水平范围,经过不同因素、不同水平间的组合模拟,预测出LB型节能高温变换催化剂的最佳制备条件为氧化铈质量分数0.76%、氧化铜质量分数5.8%、氧化铬质量分数8.6%、氧化镧质量分数1.0%、铁液浓度92 g/L、中和过程最终pH值9.5。在最佳条件下试制催化剂在低汽气比下的平均活性达77.6%。     

基于直方图的水墨画艺术风格研究

基于内容的照片或自然图像分析和检索已经得到广泛的研究,但多数都基于颜色特征,不能直接用于水墨画艺术作品的分析。对图像进行预处理,提出基于灰度直方图描述水墨画笔道力度分布信息及构图风格,并利用神经网络学习水墨画整体技法风格特征,依据此特征进行不同艺术家间的分类。实验结果表明,通过对整体风格特征的提取,直方图模型能够有效表征画家不同的艺术风格,实现了水墨画的自动分类。