基于高光谱成像技术的南果梨酸度无损检测方法

南果梨是一种重要的水果品种,其酸度是评估果品质量的重要指标之一。然而,传统的南果梨酸度检测方法通常需要破坏性采样和化学分析,不仅耗时费力,而且容易导致样品污染和浪费。因此,旨在探索一种基于高光谱成像技术的无损检测方法,以实现对南果梨酸度的快速、准确、无损检测。首先,采集室温20℃下不同贮藏天数南果梨的高光谱数据,其光谱波长范围为400~1000 nm,并且通过理化实验测量南果梨样本的可滴定酸;其次,采用多元散射校正(multipli⁃cative scatter correction,MSC)、标准正态变换(standard normal variate,SNV)、Savitzky-Golay平滑滤波等多种方法对光谱数据进行预处理,建立偏最小二乘回归模型(partial least squares regression,PLSR),选择出建模效果最佳的预处理方法,结果显示MSC方法效果最优;然后结合连续投影算法(successie projection algorithm,SPA)提取特征波段,在700~900 nm范围内确定9个特征光谱变量;最后,以提取出的9个特征光谱变量作为输入矢量,分别建立PLSR模型、极限学习机(extreme learning machine,ELM)模型以及遗传算法(genetic algorithm,GA)和粒子群算法(particle swarm op⁃timization,PSO)优化的BP神经网络模型。研究结果表明,基于MSC预处理和SPA算法特征提取的PSO-BP模型预测精度最高,效果最好,预测集决定系数R^(2)_(p)=0.911,RMSEP=0.032。可见,基于高光谱成像技术的SPA-PSO-BP模型可用于南果梨酸度的检测,为南果梨的品质评价提供参考。

基于GWO-BP神经网络及粮食压缩实验对粮食孔隙率的预测

孔隙率是影响粮堆内热湿传递的关键参数,为探究粮仓中散装粮堆孔隙率的分布规律,通过开展粮食压缩实验来获取不同的粮食种类在不同水分含量和竖向压力条件下的孔隙率。提出了一种基于灰狼算法优化BP(GWO-BP)神经网络的粮食单元体孔隙率预测模型,并将该模型与BP神经网络模型、随机森林模型的孔隙率预测结果进行对比,最后利用粮食单元箱实验对该模型的泛化能力进行验证。结果表明,GWO-BP神经网络模型的孔隙率预测性能最佳,该模型的评价指标R2为0.960 5、RMSE为0.013 7及MAE为0.0131,均在允许的范围内。本研究为粮食孔隙率的确定提供了一种神经网络预测的方法,为深入开展粮堆多场耦合分析提供了重要基础,为安全储粮提供了理论支持。

基于拌和生产数据的BP神经网络混凝土抗压强度预测

为解决混凝土生产中抗压强度试验周期长及工程管理存在滞后性的问题,提出了一种基于混凝土拌和生产实时监控数据的BP神经网络混凝土抗压强度预测模型。以混凝土拌和生产中的8项物料生产称重数据和5项生产配比数据作为预测输入变量,建立200组混凝土拌和站生产监控数据和对应的抗压强度试验数据样本集,按照6∶2∶2比例划分为训练集、验证集和测试集;分别以C40配比混凝土拌和生产的8项物料称重数据和全部13项数据作为输入变量,进行混凝土28 d抗压强度预测,将预测结果与实际试验结果进行比较,验证所提出BP神经网络模型的预测效果。结果表明:所提出的BP神经网络混凝土强度预测模型能较好地实时预测混凝土28 d抗压强度,且相对误差优于利用7 d抗压强度试验数据估算值;8项物料称重数据作为输入变量的BP神经网络预测模型预测精度更好,平均绝对百分比误差为0.82%,均方根误差为0.52 MPa;利用不同拌和站C20配比、C30配比混凝土拌和生产监控数据对8项输入变量BP神经网络混凝土抗压强度预测模型进行适应性验证可知,其预测平均绝对误差均在0.5 MPa之内,平均绝对百分比误差均小于2%,与C40配比预测误差一致;该预测模型充分挖掘了混凝土拌和站生产实时监控数据的价值,实现了传统混凝土抗压试验结果提前化,对提高工程建设质量水平具有重要意义。

基于FBG的机器手指尖触觉感知研究

为了提高机器手指尖触觉感知灵敏度和精度,基于机器手指尖触觉感知机理分析,设计了特征分离式双层“十字”型FBG触觉感知单元,并进行了有限元仿真分析,针对感知单元开展了标定实验和抓握感知实验。基于接触温度和抓握力复合感知进行了耦合分析,提出了基于鲸鱼优化算法优化BP神经网络(WOA-BPNN)的解耦方法。实验结果表明:FBG感知单元的接触温度灵敏度为11.255 pm/℃,抓握力灵敏度为17.342 nm/MPa;WOA-BP解耦模型的接触温度平均绝对误差减小了72.53%,抓握力平均绝对误差减小了68.55%。

基于RGB模型的草莓叶片光合作用指标估测

为了研究基于图像红(R)、绿(G)、蓝(B)颜色参数和叶片SPAD值预测光合作用指标的可行性,以草莓叶片为试验材料,构建多元线性回归模型和反向传播(BP)神经网络模型,对叶片蒸腾速率、气孔导度、净光合速率、胞间CO_(2)浓度进行估测,并对其精度进行评价和验证。结果表明,基于BP神经网络模型,使用图像RGB颜色参数和SPAD值对叶片蒸腾速率进行预测的效果较好,其次是气孔导度。BP神经网络模型的估测精度高于多元线性回归模型,蒸腾速率、气孔导度、净光合速率和胞间CO_(2)浓度的模型预测准确率分别达到91.5%、83.3%、74.4%和71.5%。BP神经网络的蒸腾速率模型、气孔导度模型的决定系数(R2)分别为0.9222、0.8423,均方根误差(RMSE)分别为0.0002、0.0259,平均绝对误差(MAE)分别为0.0001、0.0006。由结果可知,通过数码相机采集图像,并构建RGB模型,可简易快速估测草莓叶片蒸腾速率、气孔导度,能用于生产中草莓光合指标的估测。

中国锂资源安全评估与预警

锂是中国重要的战略性矿产资源,在锂资源需求快速增加、进口依赖严重的背景下,对中国锂资源安全进行评估与预警具有必要性和紧迫性。构建了以资源禀赋、进口安全、市场风险和地缘政治为一级指标的中国锂资源安全评估指标体系,利用常权和变权模型对2009—2021年中国锂资源安全状况进行了评估,采用ARIMA-BP组合模型对2022—2035年中国锂资源安全进行了预警。研究发现,①进口依赖度、进口集中度和运输通道风险对锂资源安全的影响最大;②2009—2021年中国锂资源安全等级由黄色—基本安全等级波动下降至橙色—不安全等级,资源禀赋和进口安全是导致锂资源安全等级较低的主要原因;③2022—2035年中国锂资源安全评分总体呈下降趋势,除2026年处于黄色—基本安全等级外,其余年份均处于橙色—不安全等级。

基于LDA-BP神经网络的高校思政课教师数据驱动决策力评价研究

数据驱动决策力为高校思政课教师提供科学合理的教学判断,对数据驱动决策力进行评价研究,有助于提高高校思政课教师的数据决策水平,进而提升思想政治教育教学质量。鉴于传统评测方法缺乏客观性与可重复性,运用LDA-BP神经网络技术构建高校思政课数据驱动决策力的指标体系与评价模型。首先,运用LDA方法对高校思想政治教育相关的政策文本与研究文献进行主题提取,并将主题信息作为指标构建基础;其次,通过研读文献与政策文本,并结合主题分析结果构建高校思政课教师数据驱动决策力评价指标体系;最后,通过对BP神经网络的训练及测试来生成高校思政课教师数据驱动决策力的评价模型。研究表明,高校思政课教师的专业知识、教学水平以及数据分析与解读能力是影响数据驱动决策能力的关键因素,据此,理应从素养提升、文化培育、管理革新、政府支持等方面入手增强数据驱动决策力。

基于BP神经网络的高校教师精准教学能力评价模型构建

通过精准教学以促进学生个性化成长是教育理想和国家政策的不懈追求.高校教师是实施精准教学的“基”,现有关于其教学能力的评价体系中普遍存在概念不清和多采用主观构建评价指标的问题.为此,开展了基于BP神经网络的高校教师精准教学能力评价模型研究.首先,以理论研究为基础,对精准教学能力进行等级划分并构建评价指标框架,运用层级分析法建立指标权重;其次,利用BP神经网络智能学习的特性,以不同数据类型的指标值为输入,对应能力综合值为输出,检验精准教学能力分级及指标权重的合理性,进而生成较为客观的评价模型;最后,利用开发的评价系统和调查问卷进行样本数据采集和模型检验,从神经网络对数据的分类、拟合及仿真结果来看,模型能够对高校教师的精准教学能力进行客观评价,教师对模型测量结果的准确性也具有较高认可度.

基于BP神经网络的集中供热二次网回水温度预测控制研究

针对集中供热系统二次管网存在的水力失调问题,设计了二次网水力平衡调节及回水温度预测模型,并实施智能控制策略,以实现二次网回水温度的精准控制。首先,构建BP神经网络预测模型,将此模型的输出视为二次网回水温度给定值;其次,在整个系统控制中,实施BP神经网络与PID控制器相结合的策略,进行二次网回水温度的控制。以高邑县某小区换热站数据为基础,通过阶跃响应曲线法建立二次网回水温度控制系统的数学模型,并通过BP-PID控制进行仿真实验。实验结果表明,与传统PID控制器相比,BP-PID控制器具有调节时间短、超调量小的优点,能够快速达到平稳状态。

基于HSS-MCC融合模型及SSA-BP神经网络开展深基坑超大变形预测研究

软土环境下深基坑开挖变形特性研究中,多采用硬化类弹塑性模型进行分析,如HSS模型和MCC模型.南京河漫滩软土地区,深基坑开挖时局部常发生较大变形,部分土体变形状态介于小应变与大应变之间,单一模型无法准确预测土体变形特征.同时,BP神经网络在基坑变形预测中得到广泛应用,但在训练过程中,权阈值易陷入局部最优解,影响预测的准确性.据此,依托南京地区典型软土深基坑工程,采用Midas中的HSS模型与MCC模型进行分析,比对两种模型的桩体变形量差异,并基于最小二乘准则对两模型进行线性融合,融合模型可对后续区段监测数据进行校准及补充.通过融合麻雀搜索算法对BP神经网络进行优化,在其训练过程中快速收敛,得到全局最优的权阈值,依托狭长基坑已开挖区段监测数据学习训练,进而依据后续区段浅部开挖揭露深部变形特征,预测结果与实测值吻合度较高.研究结果对软土地区深基坑大变形的预测研究具有重要参考价值.

设施生菜光合和蒸腾速率影响因素分析与预测模型构建

光合速率及蒸腾速率是植物的2个重要生理指标。在全人工环境下,选取意大利生菜作为对象,设计并开展多环境变量对生菜光合速率及蒸腾速率影响的嵌套实验,得到环境因子对生菜光合速率及蒸腾速率的影响规律,应用神经网络构建生菜幼苗期光合速率及蒸腾速率预测模型。针对幼苗期生菜,选择温度、相对湿度、光子通量密度(Photosynthetic photon flux density, PPFD)及CO_(2)浓度共4个环境影响因素,采用随机森林方法对数据进行相关性分析。结果表明,与蒸腾速率相关性由大到小的因素依次为CO_(2)浓度、温度、相对湿度、PPFD,与光合速率相关性由大到小的因素依次为CO_(2)浓度、PPFD、温度、相对湿度;采用枚举法确定隐藏层节点数和训练函数,通过遗传算法优化BP神经网络的初始权值和阈值,构建GA-BP神经网络生理指标预测模型。应用测试数据对模型进行验证,光合速率及蒸腾速率预测值与实测值的决定系数分别为0.962 12、0.979 44,均方根误差(RMSE)分别为2.983 2μmol/(m^(2)·s)、0.001 435 8 mol/(m^(2)·s),表明GA-BP神经网络在模型精度和迭代次数方面性能显著提高。研究结果可为设施生菜生产环境调控提供有效依据。

基于表面肌电信号及肌肉疲劳的上肢肌力预测

为解决目前肌肉力测量时用肢体末端力表示实际肌肉力大小,以及未将肌肉疲劳程度考虑在内的问题,本文提出了一种基于表面肌电信号和肌肉疲劳的上肢肌肉力预测方法。利用AnyBody软件建立上肢肌肉骨骼模型,并将上肢末端力经过仿真得到单块肌肉的肌力大小;采用肌肉等长收缩的时间来表征肌肉疲劳程度。10名健康男性受试者进行上肢等长收缩实验,提取实验过程中肱二头肌肌电信号的积分肌电值、均方根、中值频率、平均功率频率、最大小波系数及其对应频率六个特征值;将肌肉力与特征值、肌肉疲劳程度进行分析后发现三者之间高度相关。采用麻雀搜索算法优化BP神经网络的权值和阈值,构造并训练上肢肌力预测模型。经测试集检验结果表明,该方法的误差小于12%,可以对肌力进行较为准确的预测。

预制装配式型钢混凝土梁抗剪承载力的智能模型研究

通过建立计算预制装配式型钢混凝土(PSRC)梁抗剪承载力的智能模型,在一定程度上提高了计算精度与适用性。基于BP人工神经网络算法,通过对影响PSRC梁抗剪承载力的相关参数进行梳理,选取14个主要影响参数作为输入层,以试算法确定隐含层节点数为5,初步构建了3层结构人工神经网络系统;以收集的76组试验数据作为学习样本,对构建的神经网络系统进行训练,建立了对PSRC梁及SRC梁抗剪承载力计算的N14-5-1智能模型。使用智能模型对6个PSRC梁构件及6个SRC梁构件进行抗剪承载力计算,并通过与规范公式计算结果、试验结果的对比分析,证明了智能模型具有良好的计算精度及较好的泛化能力,具有一定的工程参考意义。运用Garson算法对输入参数进行敏感性分析,结果表明箍筋间距、型钢屈服强度、箍筋屈服强度、型钢腹板含钢率对抗剪承载力影响较大。随着研究试验的开展,在收集更多具有代表性的试验数据以扩充学习样本后,可对智能模型进一步优化。

节流槽结构参数对阀开启压力冲击及空化特性的影响研究

液压控制阀阀芯节流槽的结构对阀的动态特性影响强烈,不良节流槽结构将导致极大的液压阀开启瞬间压力冲击。针对某型号负载敏感多路阀在甘蔗联合收割机的应用中出现啸叫和液压冲击的问题,结合动网格与RNG-k-ε湍流模型,对U+T型节流槽和V型节流槽的压力冲击及空化进行了对比分析,发现同等条件下V型槽的阀芯较U+T型槽的阀芯的压力冲击下降了19.37%,最大空化程度降低了43.7%。选取V型节流槽开展进一步研究,通过正交试验获取不同节流槽结构参数下的压力峰值;采用BP神经网络建立V型节流槽结构参数与压力冲击的代理模型,结合灰狼优化(GWO)算法得到节流槽结构参数的最优配置;依据优化结果制作阀芯并进行试验,结果显示,抑制压力冲击效果显著,系统压力超调下降至原来52.4%。

面向2035的基础教育教师需求规模预测——基于BP神经网络模型

基于2003—2021年基础教育教师规模及其影响因素的变动情况,采用BP神经网络模型对2023—2035年基础教育教师需求和师资盈缺情况进行预测,发现基础教育教师总体需求规模呈现不断缩小的趋势,其中学前教育和小学阶段教师需求持续下降,初中和普通高中阶段教师需求呈先增后减趋势。这一期间,师资需求振幅较大,学前教育和小学阶段师资需求将出现阶段性短缺或过剩,这对教师资源的供给弹性和适应性提出了更高要求。基于以上发现,管理部门应稳定部署师范生招生计划,推进教师供需均衡;加强教育体系内贯通协作,促进教师合理流动;催生社会需求新业态,激励教师多元就业。

基于WOA-BP算法的自动压滤机脱水指标预测模型研究

随着全球工业化的不断发展,矿山的开采规模正在不断扩大,导致矿物资源逐渐贫化,细杂等难选矿物资源越来越多。选矿磨矿粒度越来越细,导致矿物分选后产品的脱水过滤越来越困难。为保证后续运输和冶炼工序对精矿含水率的生产需求,需要使用自动压滤机对精矿进行高效率的脱水处理。在精矿的过滤脱水过程中,影响自动压滤机脱水效率的因素众多。为更好地对脱水过程及生产指标进行控制,基于鲸鱼算法WOA优化的BP神经网络构建了一种WOA-BP神经网络模型,以入料浓度、入料时间、压榨时间、风干时间等4项影响脱水指标的因素为输入因子,以滤饼含水率和单位面积每小时处理量为输出因子,建立了脱水指标的预测模型,并对比分析单一BP神经网络模型和WOA-BP神经网络模型。结论如下:WOA-BP预测模型对滤饼含水率和单位面积每小时处理量的平均绝对误差分别为4.98%、8.83%,均方根误差分别为0.86%、3.43%,与单一的BP神经网络预测模型相比,该预测模型预测误差明显小于单一BP神经网络预测模型,脱水指标的预测结果更接近实测值,具有较高精确度。利用构建的WOA-BP预测模型,可以有效预测压滤机的脱水过滤指标,为后续对脱水过程的控制进行优化奠定了基础。

基于单天线视轴信号传播模型的RFID定位方法

为了解决现有单天线超高频RFID技术在室内静态目标定位中精度不高的问题,本文提出了一种基于天线视轴信号传播模型的RFID定位新方法。该方法首先通过天线纵向扫描确定目标的高度位置;其次,调整天线高度与目标高度一致,然后步进旋转扫描以识别目标的方向角;进一步的,利用麻雀搜索算法优化的反向传播神经网络建立路径损耗模型并用于测距;最后,综合高度、方向角和距离数据完成目标的定位。实验结果表明,在室内环境测试中,所提出的方法平均定位误差为7.2 cm,能够满足一般室内场景下物品的定位需求。

考虑磁-力耦合效应的混合磁滞模型研究

应力作用会影响磁性材料的磁性能,准确快速地模拟磁性材料在不同应力下的磁化特性对设计承受机械应力的装备铁心具有重要意义。该文研究拉应力作用下取向电工钢磁畴结构沿轧制方向的变化规律,将拉应力与畴壁平移运动之间的关系量化处理,由此采用基于畴壁平移运动的J-A模型对材料的磁化特性进行描述,通过提出适用于低磁通密度范围的新型无磁滞磁化公式替代传统J-A理论中的郎之万公式以考虑拉应力对取向电工钢磁化特性的影响;通过将磁畴简化为独立个体,将磁致伸缩效应在高磁通密度范围对取向电工钢磁化特性的影响转换为磁畴之间的摩擦作用,提出适用于高磁通密度范围的改进磁滞模型;应用BP神经网络寻找出最佳比例参数,将两种不同适用范围的磁滞模型构建为完整的磁-力耦合模型。通过对比实验结果与模型计算结果,验证了所提混合磁滞模型的准确性。

中国碳酸锂经济安全预警研究

为深入研究碳酸锂经济安全,文章从资源禀赋、进口依赖、获取成本和地缘政治四个维度出发,构建了中国碳酸锂经济安全评价指标体系,运用常权和变权模型评估了2009—2020年中国碳酸锂经济安全状况,采用GM(1,1)模型及BP神经网络模型对2021—2035年中国碳酸锂经济安全进行预警研究。结果表明:1.进口集中度、对外依存度及运输风险是影响碳酸锂经济安全的主要因素;2.2009—2020年中国碳酸锂经济安全总体呈下降趋势,安全等级由黄色—基本安全等级波动下降至橙色—不安全等级,资源禀赋和进口依赖是导致碳酸锂安全等级较低的主要原因;3.2021—2035年中国碳酸锂经济安全评分不断下降,除2021年和2026年处于黄色—基本安全等级外,其余年份均处于橙色—不安全等级。

基于BP神经网络的UHPC直剪承载力预测模型

为提供准确的UHPC直剪承载力,以指导UHPC结构设计,建立一种基于BP神经网络的UHPC直剪承载力预测模型。该方法基于机器学习中的反向传播人工神经网络(BP-ANN),搜集现有相关试验数据并建立数据库,将混凝土抗压强度、受剪面积、纤维特征参数、钢筋参数和侧向约束应力指定为输入特征参数,将直剪承载力指定为输出量,利用数据库对BP-ANN模型进行训练。将模型预测值与试验实测值和现有计算模型的结果进行对比,并采用SHAP算法对各参数重要性进行分析。结果表明:BP-ANN模型具有更好的预测效果,其相关系数R2达到0.953,平均绝对误差MAE为1.015,模型训练结果理想,可应用于实际的数据处理分析;侧向约束应力对直剪承载力的影响最大,钢筋参数影响最小。