RBF神经网络与遗传算法的离心泵优化设计

针对学习速度较慢且收敛性差的优化算法,提出用学习速度快且逼近能力强的径向基神经网络与遗传算法相结合的设计方法提高离心泵叶轮的效率.通过拉丁超立方试验设计方法对叶片出口安放角、出口宽度及包角进行设计.选取效率及扬程最优为优化目标,建立影响因素与优化目标之间的代理模型,运用遗传算法对模型进行寻优,得到最优的叶片参数.取优化后的叶片参数进行CFX数值模拟计算,优化后的叶轮在相同工况下效率与扬程分别提高了3.87%和4.25%,且优化后叶轮内部流场更均匀,水利损失较小,可对泵性能的提高提供有效参考.

基于CNN的突发事件预警系统的设计与实现

为提高城市恐怖威胁突发事件的监测预警效率,设计了一套基于改进型卷积神经网络(CNN)的恐怖威胁预警系统。系统对采集的恐怖威胁突发事件进行威胁度评估。相对于现有文本评估方法,提出结合改进型词频-逆文本频率的卷积神经网络用于评估威胁和监测预警。并通过对研判期间内事件的威胁度分析,划分了恐怖威胁等级。通过数据的可视化实现为相关部门提供监测预警信息。模型对比测试和实际运行结果表明,该系统相比于已有的CNN模型及区域型卷积神经网络(RCNN)模型,综合评估的精确度分别提升了5.4%和3%。