基于ANN和XGB算法的锈蚀钢筋混凝土高温粘结强度预测方法

为准确评估锈蚀钢筋混凝土(CRC)结构在突发火灾下的结构承载力,锈蚀钢筋混凝土高温粘结强度的统一预测方法研究亟待开展。然而,粘结退化机理复杂,粘结因素众多,实验方法不能考虑所有粘结因素的相关复杂关系的影响。在现有大量试验数据的基础上,采用机器学习方法可以有效地通过数据建立输入和输出特征之间的回归关系。该文利用ANN和XGB两种机器学习算法建立了一个统一的锈蚀钢筋混凝土高温粘结强度预测模型。基于612组高温锈蚀钢筋混凝土的试验研究数据,进行模型训练和测试。结果表明:ML模型的预测结果与实验结果十分吻合。此外,针对机器学习算法本身存在的黑盒子问题,使用SHAP方法来解决锈蚀钢筋混凝土高温粘结强度预测过程中的模型可解释性问题。同时,还将ML模型的计算结果与三种理论计算公式的结果进行了比较,结果表明:ML模型具有明显的优势。新构建的混合机器学习模型很有可能成为准确评估CRC结构经受高温后的损伤程度问题的新选择。

基于SEM与ANN混合方法的社交问答平台用户转移行为

社交问答平台得到了用户的广泛使用,但由于各平台的功能类似,用户转移起来较为容易,这将导致用户流失。基于PPM模型,研究社交问答平台用户转移行为。采集447份有效数据,采用SEM(结构方程模型)与ANN(人工神经网络)混合方法进行分析。结果发现:推力因素(不满意度、厌倦性)和拉力因素(内容质量、用户体验)正向影响用户的转移意向,锚定因素(转移成本)负向影响转移意向,且负向调节推力因素和拉力因素的作用。ANN结果显示:不满意度是影响转移意向的最重要因素。因此,社交问答平台需要提高内容质量,改善用户体验,降低用户的不满意度和厌倦性,从而防止用户的转移行为,实现用户保持。

基于GA改进ANN算法的车载网控系统故障诊断

车载网控系统是保证运行安全的一类重要控制设备,也是确保系统稳定运行的核心部件。为了提高车载网控系统故障诊断效率,通过遗传算法(GA)具有的全局寻优功能来实现对神经网络初始阈值与权值的优化,把寻优结果代到神经网络内完成训练过程;使ANN泛化方法具有的映射性能获得充分利用可以防止产生局部极小值情况,获得更高的分类精度;利用实例分析方式测试车载故障诊断过程的有效性。研究结果表明:采用GA改进ANN算法可以有效优化平均误差及数据正确率,有效降低迭代次数,表明可以通过GA改进ANN方法来提升神经网络运算性能。经过遗传算法优化处理的ANN在训练过程中可以获得比初始ANN更快时收敛速率。

基于BP-ANN与RBF-ANN的钢筋与混凝土黏结强度预测模型研究

为研究神经网络对钢筋与混凝土黏结强度的预测能力以及神经网络的输出性能,基于大量的试验数据,提出一种基于改进神经网络的变形钢筋与混凝土黏结强度预测模型,对混凝土结构的研究与实际工程应用均有着重要的意义。收集290组黏结锚固试验数据,引入基于反向传播人工神经网络(BP-ANN)与径向基函数神经网络(RBF-ANN)算法,揭示混凝土强度、保护层厚度、钢筋直径、锚固长度及配箍率对变形钢筋与混凝土黏结性能的影响规律,建立基于改进神经网络算法的钢筋与混凝土黏结强度预测模型。对比分析不同数据预处理方法和训练神经元个数对建议模型预测结果的影响,评估各经典模型与建议模型的预测精度和离散性,提出临界锚固长度计算公式。结果表明:BP-ANN预测值与试验值比值的均值、标准差及变异系数分别为1.009、0.188、0.86,其预测精度略高于RBF-ANN;建议模型能够更准确、更稳定地预测钢筋与混凝土的黏结强度,该方法为解决钢筋与混凝土黏结问题提供了新思路。

ANN模型与分段线性插值及回归模型的比较及应用

对ANN模型、分段线性插值模型和非线性回归模型从原理上进行了比较,ANN模型易于构建各影响因素与因变量间复杂关系,非线性回归模型和分段线性插值模型可以将自变量与因变量间的关系通过表达式直观表达。以荆江三口分流量与枝城流量的关系为应用算例,采用相关系数、纳什效率系数、均方根误差和平均绝对误差等4个评价指标对3个模型的拟合精度和误差大小进行了比较。结果表明:3个模型均可应用于模拟枝城流量与荆江三口分流量的关系,但3个模型的计算值与实际值间的误差大小存在差异,从4个评价指标综合来看,ANN模型计算值与实测值的误差最小,分段线性插值模型次之,回归模型计算精度相对较低。

基于ANN下拖拉机发动机扭矩预测模型的研究

拖拉机的传动系统结构较为复杂,是拖拉机的重要组成部分之一。拖拉机在农业作业过程中的轴扭矩(AT)实时数据是实现变速器优化的重要依据之一。为此,以拖拉机参数(发动机扭矩、发动机转速、燃油消耗率、行驶速度、耕作深度和滑移率)及土壤理化性质参数(SMC和CI)为输入,基于人工神经网络(ANN)估计拖拉机的轴扭矩(AT),并与传统的多元线性回归模型(MLP)进行对比分析。田间试验结果表明:基于ANN的模型在预测拖拉机AT数据时表现出更好的性能,可为提升拖拉机发动机管理系统提供技术参考与借鉴。

基于双阈值的ANN-SNN转换方法优化

脉冲神经网络作为第三代神经网络,能够克服许多人工神经网络中所存在的问题,如高功耗、鲁棒性较差等;通过对预训练好的人工神经网络模型进行转换是获取深度脉冲神经网络模型的一种主要方法,然而通过这种方法获取的脉冲神经网络的延迟较高,无法满足实时性要求;文章在双阈值转换方法的基础上,采用阈值平衡技术对转换过程进行优化,通过理论推导,提出了一种对称阈值LeakyReLU激活函数,并对人工神经网络到脉冲神经网络的转换流程进行了梳理;此外,采用了泄漏机制对转换后的脉冲神经网络模型结构进行了优化,并通过脉冲时序依赖可塑性学习规则对该结构进行训练;最终,在MNIST数据集与CIFAR-10数据集上进行了实验,结果表明,优化后脉冲神经网络的收敛速度与鲁棒性得到了大幅提升。

基于ANN-CA模型的F县季节性闲置耕地模拟及预测

为保护耕地和提高耕地利用率,促进农业可持续发展,本研究利用ANN-CA模型对F县的季节性闲置耕地情况进行模拟预测。模拟结果表明,在α=2,T=0.8的参数组合下,各类用地变化的模拟精度较高,模拟出的用地变化情况与2020年的实际用地情况较为贴近;根据季节性闲置耕地识别规则模拟出F县未来耕地季节性闲置现象呈现明显好转趋势,预测2025年F县季节性闲置耕地主要集中在东北部和南部,面积为25.8318km^(2)。生产中,注意对耕地进行科学合理的养护和利用,以保障农作物的产量和质量,确保农业可持续发展。

基于ANN-CA的外来入侵植物互花米草的扩散趋势预测研究

采用遥感技术手段对九段沙互花米草(Spartina alterniflora)信息提取与动态监测基础上,开展滨海地区互花米草入侵时空特征分析、入侵地区景观演变规律以及预测互花米草扩散趋势等研究对于沿海城市生态环境协调发展具有重要的意义。选取邻域因子、生态属性和地理属性等相关变量因子,耦合人工神经网络(ANN)与元胞自动机(CA),基于2015-2019年间九段沙互花米草与其他湿地景观类型数据构建ANN-CA模型,采用3层BP神经网络,在不断训练与校正与验证模型精度的基础上,对2019年九段沙区域互花米草进行模拟,采用Lee-Sallee形状指数来对比模拟分类结果与实际分类结果在空间分布层面的相似度,并进行相应的模型校正,在此基础上预测2025年九段沙互花米草扩散与群落分布格局,为互花米草的扩张趋势、景观演变以及分布扩散预测提供理论依据和科学基础。结果表明,1)1995-2025年间互花米草自从引种定居到不断扩张,所呈现的面积变化图近乎S型曲线,其中2015-2019年面积增长了847 hm^(2),2019-2025年面积增长了646 hm^(2),因此互花米草在九段沙自然保护区的动态扩散,分别为定居阶段、滞缓阶段、快速增长阶段以及缓慢增长阶段。2)2025年九段沙区域互花米草的扩张速率从趋势看已进入扩张的缓慢期,与前几年相比尽管有所增加,但趋势有所放缓。3)构建的ANN-CA模型能够较好地对九段沙自然保护区的植被演变进行模拟和预测。

基于OED-ANN的钻井参数优化——以绥中36-2油田沙河街组地层为例

为了厘清影响各层段钻井提速的关键因素,明确提高机械钻速的主要手段。以钻井参数为研究对象,通过建立钻井参数6因素3水平的基本模型,对绥中36-2油田沙河街组钻井参数进行分析,指出了各钻井参数在钻进时对机械钻速的影响程度,并结合ANN算法预测了各试验方案的预期机械钻速。研究结果表明:(1)利用OED模型明确了机械钻速的主要影响因素;(2)通过建立OED-ANN模型,确立了最佳钻井参数,并对机械钻速进行了预测,且优化后的机械钻速分别提高了15.70%、12.25%、2.66%。结论认为,该分析评价方法使钻井参数优化更加科学,数据分析结果更加直观,能够有效指导钻井提速,为该地区其他井的钻井参数优选提供了良好范例。

基于ANN算法的钢结构安装工程质量状态评价

随着石油建设工程项目规模越来越大,对钢结构安装工程的要求越来越高,钢结构安装工程质量检测与评价更加复杂,这些特点使得在施工现场对钢结构安装质量状态评价方法不一、结果也不易控制。为了对钢结构安装工程质量评价更加准确、适用,在人工神经网络(ANN)算法的基础上对钢结构安装工程质量评价方法进行了研究,并采用BP神经网络和RBF神经网络算法进行对照实验,梳理质量评价指标,计算其权重系数并进行误差分析,由实验结果选定ANN算法来得出钢结构安装工程质量状态的评分公式,以反映钢结构安装工程的质量情况,对钢结构安装工程的质量把控和管理有一定的指导作用,为工程质量管理和控制提供科学、准确的支持。

喷射成形TiC_(p)/ZA35复合材料热挤压工艺的ANN优化和组织研究

采用人工神经网络(ANN)的方法,研究挤压比、挤压比压、挤压温度和挤压速率对喷射成形TiC_(p)/ZA35复合材料力学性能的影响,建立了TiC_(p)/ZA35复合材料热挤压的人工神经网络模型。模型的输入参数为挤压比、挤压比压、挤压温度和挤压速率,输出参数为复合材料的抗拉强度。该模型可以仿真TiC_(p)/ZA35复合材料在不同热挤压工艺参数下的力学性能,也可以优化热挤压工艺参数,模型结果与实验结果误差小于1.8%,拟合率为0.986。推荐热挤压工艺优化参数为:挤压比22,挤压比压415 MPa,挤压温度315℃,挤压速率8 mm·s^(-1),此工艺条件下复合材料的抗拉强度为486.7 MPa。热挤压间接对复合材料进行了时效处理,材料晶内析出晶须状和颗粒状的MnAl6强化相。弥散强化和位错强化作用使热挤压喷射沉积TiCp/ZA35复合材料较未挤压复合材料抗拉强度提高38.3%。

基于ANN算法的海洋平台动力定位前馈-反馈控制方法

鉴于动力定位控制策略中的前馈控制与反馈控制方法具有不同的优缺点,提出一种基于人工神经网络(Artificial Neural Network,ANN)算法的二阶差频波浪力前馈控制与浮体位置反馈控制相结合的动力定位前馈-反馈控制方法,通过低频波浪载荷的超前预测提前做出反应,并对实时位置信息进行反馈控制以纠正前馈信息的误差及其累积效应,从而实现前馈、反馈两种控制模式的优势互补。对某半潜式平台动力定位模式进行数值仿真,验证所提出的前馈-反馈控制方法的可行性和有效性,与单一的前馈或反馈控制相比,平台动力定位的精度和稳定性得到显著提升。

基于信息熵理论的BP-ANN结合CCD-RSM优化黄连-黄柏提取工艺研究

目的基于熵权法结合星点设计-效应面法(CCD-RSM)和误差反向传播人工神经网络(BP-ANN)建模优化黄连-黄柏的提取工艺。方法采用HPLC测定表小檗碱、黄连碱、巴马汀、小檗碱的含量,应用UV测定总生物碱的含量,并计算提取量。采用信息熵理论对上述5个指标的的提取量与干膏得率进行综合评分,以CCD-RSM的13组数据作为训练数据,采用BP-ANN进行建模及分析,以综合评分作为考察指标,仿真模拟预测黄连-黄柏最佳提取工艺参数。结果最佳提取工艺为加11倍量水煎煮2次,每次煎煮95 min,此时综合评分达到最大值106.41。结论BP-ANN建立的数学模型具有良好的预测性,优化的提取工艺高效、稳定、可行。

基于RBF-ANN GA的水下空化水射流喷嘴结构优化

为使空化水射流的性能满足船舶水下清洁的需求,对喷嘴结构进行优化,提出一种基于径向基函数(RBF)、人工神经网络(ANN)和遗传算法(GA)的水下空化水射流喷嘴结构优化方法。通过数值模拟计算设计参数(如入口段长度、收缩段长度、圆柱段长度、扩散段长度、入口半径、圆柱段半径、收缩角和扩散角等)与空化性能参数轴线最大蒸汽体积分数的关系,通过RBF-ANN对该关系进行预测,解决采用GA进行结构优化时个体适应度难以计算的问题。将该方法与传统的方法进行对比,结果表明,该方法能快速且稳定地计算个体的适应度,相比传统方法能更有效地提升喷嘴的空化性能。

基于ANN的能量采集无线传感器网络中继选择策略

能量采集无线传感器网络(EH-WSN)中继节点的能量补给来源与选择算法是制约网络生命周期的关键因素。为提升EH-WSN可再生能源利用率与中继选择效率,引入配有太阳能电池板与电网供能的能量节点(EN),采用解码转发中继协议与改进的功率分割接收机传输模型,构建多中继EH-WSN协同通信模型。基于二维线性相控阵天线实现EN对中继节点的定向无线能量补给,根据EN能量的不同来源动态调整充能策略,提出最大化网络生命周期下的优化中继选择算法。建立基于人工神经网络(ANN)的中继选择模型,结合反向传播算法与交叉熵函数对模型结果进行修正。仿真结果表明:采用EH-WSN优化中继选择算法的网络生命周期相比于无线携能传输(SWIPT)的WSN增长62%,可再生能源利用率单天最高可达21%;基于ANN模型的中继选择结果准确率可达90%、选择效率提高92%,相比于具有遍历性的EH-WSN优化中继选择算法计算复杂度更低、实时性更高。

ANN-BiLSTM模型在温带荒漠灌丛碳通量数据缺失值插补中的应用

【目的】为提高净生态系统碳交换量(NEE)在长期缺失下的插补精度,利用人工神经网络(ANN)和双向长短期记忆网络(Bi-LSTM)将NEE的环境因子和时序特征相结合,提出了ANN-BiLSTM模型。【方法】以宁夏盐池观测站NEE数据及微气象数据为研究对象,通过随机剔除连续7、15、30、45和90 d的5类缺失情景来评估ANN-BiLSTM模型、随机森林(RF)、人工神经网络(ANN)、K最邻近(KNN)、支持向量回归(SVR)和边际分布采样法(MDS)在NEE长期缺失下的插值结果。【结果】当NEE缺失天数≤30 d时,各模型的插值精度相对可靠,ANN-BiLSTM模型的插值精度最高,决定系数(R^(2))均值在0.48~0.56之间,均方根误差(RMSE)和平均绝对误差(MAE)分别在0.68~1.92μmol/(m^(2)·s)、0.45~1.30μmol/(m^(2)·s)之间。当数据缺失天数≥45 d时,MDS不能对缺失值进行处理,ANN-BiLSTM模型的插值精度明显高于机器学习模型,R^(2)均值> 0.45,RMSE和MAE分别在0.79~1.95μmol/(m^(2)·s)、0.50~1.32μmol/(m^(2)·s)之间。【结论】当温带荒漠灌丛生态系统的NEE数据缺失长度> 30 d时,建议应用ANN-BiLSTM模型对缺失数据进行插补,可以在一定程度上提高NEE长期插值结果的精度。

基于自适应ANN的孤岛微网群电压频率分布式协同控制

针对孤岛微网群稳定运行难度大,电压和频率控制极为复杂的问题,提出了一种适用于含多逆变器分布式电源DGs(distributed generations)微网群MGC(microgrid cluster)的智能电压、频率协同控制方法。首先,该方法利用李雅普诺夫理论和基于逆变器DG的动态特性设计了基于模型化的控制器;然后,利用人工神经网络ANN(artificial neural network)来近似上述动态特性,从而得到不需要DG参数先验信息的智能控制器,此外,所提控制器不需要使用电压和电流PI控制器;最后,通过不同场景下的仿真分析,验证了所提控制器的有效性,还利用李雅普诺夫分析,证明了跟踪误差和神经网络权值最终一致有界,从而可实现较好的电压和频率动态调节。

基于RSEI和ANN-CA-Markov模型的伊宁市生态环境质量动态监测及预测研究

伊宁市位于中国新疆西北边陲伊犁河谷内,土地肥沃,水资源和生物资源丰富,具有发展农、林、牧业的优越自然条件,但由于城市化进程过快,导致生态遭受破坏,生态环境质量不断下降,因此依托遥感生态指数(Remote-sensing ecological index,RSEI)及ANN-CA-Markov模型,科学、合理地利用Landsat TM5/OLI-TIRS8遥感数据对开展伊宁市2006—2021年生态环境动态评价及预测具有重要意义。结果表明:(1)绿度和湿度对伊宁市生态水平具有正面影响,干度和热度对伊宁市生态水平具有负面影响,影响伊宁市生态环境质量的主要因素依次为绿度、热度、干度、湿度,符合伊犁河谷地区所表现出来的生态状况。(2)伊宁市RSEI平均值为0.451,总体处于中等水平,生态环境质量变化呈现两极逐渐缩小的趋势,但RSEI指标中等区域及较差区域的面积正在逐年增大,总体生态环境呈现稳中向差的发展趋势。(3)预计2026年和2031年伊宁市北坡地区生态得到一定程度改善,结合《新疆伊宁市城市2018—2035年总体规划》,城区在未来生态环境质量依旧保持在中等水平,城市将继续向外扩张,可耕地面积将继续减少。

基于ANN算法的高校信息管理系统设计

创建高校信息管理系统已成为教育领域的重点研究方向。传统高校信息管理系统在设计与使用中存在利用率低、运行时出现数据冲突与信息浪费、不能较好实现系统兼容与扩容等问题。鉴于此,为了提升信息传输速度,改善信息处理能力,解决数据繁杂故障率高的问题,设计了一种基于ANN算法的高校信息管理系统,通过动态视角在系统上对高校信息资源进行分布式调度,结合高校具体情况设计出子系统,随后通过ANN算法对信息数据进行处理,以仿真实验形式验证系统效果。实验表明,基于ANN算法的高校信息管理系统具有良好的信息处理能力,能够在保证服务质量的前提下降低集群总消耗,不仅提高了高校信息管理水平,也实现了高校信息管理系统的系统化与科学化,基本实现了设计总目标。