基于ANN与GIS技术的区域岩溶塌陷稳定性预测——以桂林西城区为例

岩溶地面塌陷是岩溶区常见的一种地质灾害,塌陷区域预测是进行国土规划、资源开发与灾害防治的必要工作.由于岩溶塌陷的影响因素众多且相互作用,发展过程复杂,加之各评价因子的数值获取困难,致使长期以来塌陷区域定量预测成为一个难以解决的课题.现行的区域预测模型不能描述塌陷形成模式的非线性特征,也难以克服评价因子权重确定过程中人为经验因素的影响.神经网络技术的自学习、自适应与高度非线性映射特点显示了其在塌陷区域预测领域中应用的前景.根据研究区内地面塌陷空间聚集分布的特征,提出了不同因子组合条件下塌陷发生可能性的定量化方法,结合选定的评价因子类别确定了神经网络预测模型的结构,利用312个塌陷点样本中的292个进行网络训练,余下的20个样本的校验结果表明该模型具有较高的可信度.运用GIS技术将研究区进行评价单元划分,并获取各评价因子的取值,输入到训练好的网络中进行预测.将各单元的输出值进行归并处理后得到研究区岩溶塌陷的稳定级分区图.

基于FAHP和ANN的锅炉风险评估技术研究

针对传统的锅炉故障诊断方法中神经网络模型结构复杂、信号繁多、训练时间长等缺点,提出了一种基于FAHP和ANN结合的风险评估研究方法;采用FAHP分析锅炉的安全层次结构,通过对影响锅炉安全状态的若干因素之间隶属度的判别,构造出反映人类专家经验与客观事实一致性的模糊矩阵,进而定量地计算出各因素的权重系数;选择权重系数较大的因素作为锅炉安全ANN模型的输入,从而得到锅炉的安全层级;经实际验证,此方法既保留了关键信息,又剔除了冗余信息的干扰,从而简化了ANN的结构,缩短了运算时间,在保持评估准确性的前提下,满足了锅炉安全评估快速性的要求。

利用 ANN 诊断 CNC 系统故障的研究

阐述了ＣＮＣ系统故障特点，介绍了误差反向传播（ＢＰ）神经网络和双向联想记忆（ＢＡＭ）神经网络在ＣＮＣ系统故障诊断中的应用实例，得出的结论对数控系统使用ＡＮＮ进行故障诊断具有重要的参考价值。

基于ANN的森林蓄积遥感估测研究

利用TM遥感图像光谱信息良好的综合性和现势性以及地理信息系统(GIS)强大的空间分析功能,结合人工神经网络(ANN)可优化求解非线性复杂系统的功能,对海南省抱龙林场森林蓄积进行遥感估测研究。结果表明:ANN可有效地估测森林蓄积量,研究区森林蓄积量的预测值与实际值的一致性较好,其相关系数达0.914;以遥感特征纹理(Skewness)Band2对蓄积估测的贡献率最大。

混合学习模式ANN组合的研究

无监督及监督式两种学习模式网络的组合 ,能够解决单一模式难以模拟的问题 ,因而功能更强 ,适用面更广。本文在探讨这种组合网络特点的基础上 ,提出组合的一般框图及相应的实现方式 ,并结合具体问题对其性能作了讨论。

风电场输出功率超短期预测结果分析与改进

风电场输出功率预测对接入大量风电的电力系统调度及安全稳定运行具有重要意义。文中介绍了2009年10月在现场投运的风电场超短期功率预测系统的多层前馈神经网络模型结构,对系统运行3个月的预测结果进行了分析,对预测模型的系统误差进行了修正,同时采用统计方法修正了风电场尾流效应对预测结果的影响,从而改进了模型的预测精度。改进模型的预测结果得到了改善,均方根误差下降了约6%,平均绝对误差下降了约7%,且预测结果与实测结果相吻合,对于风电场调度具有一定的参考意义。

基于神经网络的单端行波故障测距方法

单端行波故障测距的关键是正确辨识量测到的第2个行波波头的性质。当母线上最短健全线路的长度大于故障线路全长的四分之一且次短健全线路长度大于故障线路全长的二分之一时,保护安装处检测到的前3个波头一定含有至少2个来自故障线路的行波。当健全线路不满足上述条件时,用方向行波识别行波是否来自故障线路。利用人工神经网络(artificial neutral network,ANN)的非线性函数逼近拟合能力,选取保护安装处检测到的后2个波头与首波头的时间差及其波头极性作为样本属性,训练、测试ANN建立其故障测距的ANN并模型来实现初步的故障测距,然后应用故障距离与波速、传输时间的关系正确辨识第2个行波波头性质,继而求得精确的故障距离。仿真结果表明该方法可行、有效。

基于遥感、地理信息系统和人工神经网络的呼中林区森林蓄积量估测

利用遥感图像光谱信息良好的综合性和现势性以及地理信息系统(GIS)强大的空间分析功能,结合人工神经网络(ANN)可优化求解非线性复杂系统的功能,对呼中林区森林蓄积量进行了估测.结果表明:中红外波段与森林蓄积量间存在明显的负相关关系,说明中红外波段对估测森林蓄积量具有一定潜力;可见光波段和光谱变换第一主成分与森林蓄积量间也存在负相关关系;地形因子中海拔对研究区森林蓄积量的影响最大,坡度和坡向对蓄积量的影响较小.基于最佳的ANN网络参数、适当的GIS提取信息和遥感波段,呼中林区森林蓄积量的预测值和实测值的相关系数达0.973,经主成分变换后,数据量被有效降低,而预测精度只有少量下降(R2=0.934).

基于神经网络的异种钢焊接接头高温时效碳迁移的系统辨识与预测

讨论了人工神经网络 (下称ANN)技术用于异种钢焊接接头碳迁移状态辨识的可行性 ,分析了ANN中的BP算法用于碳迁移所面临的问题 ,提出了用随机迭代和变步长的方法来防止网络振荡和加速网络收敛 ,用改进的BPN算法进行异种钢焊接接头碳迁移的状态辨识 。

基于人工神经网络谐波电流检测算法的电力有源滤波器

有源滤波器的有效性在很大程度上依赖于是否能得到真实反映欲补偿的谐波分量的参考信号,因此,有源滤波器设计的关键问题之一就是研究一种好的电流检测算法.在分析并联型有源电力滤波器的工作原理、系统结构的基础上,给出一种新的神经网络的电流检测控制算法,结合此算法设计了三相并联有源电力滤波器(shunt activepower filter,SAF).Matlab仿真结果显示,谐波总畸变率(total harmonic distortion,THD)明显降低,与理论分析一致,证实了该方法的有效性.

在模拟降水和践踏处理复合作用下长芒草典型草原土壤可蚀性研究

模拟降水和试验践踏通过各种不同强度的组合方式改变土壤抗蚀性,从而起到对草地土壤侵蚀的增减作用。在同一模拟降水量条件下,随着践踏强度的逐渐加大,土壤可蚀性K值依次增大,表明践踏增大了放牧侵蚀的风险;但K值的增幅显然与模拟降水量相关,践踏强度由轻度递增到重度,K值的增幅在干旱、自然降水、平水、丰水条件下依次为干旱>自然降水>平水和丰水,表明模拟降水和践踏对K值的影响存在交互效应,模拟降水具有减缓K值随践踏强度增大的趋势。从简单相关关系来看,K值与践踏强度呈极显著正相关(相关系数0.741),与降水呈负相关(相关系数-0.378),但K值并不是可以由践踏强度和模拟降水量二元线性回归可以解说地。与传统回归模型相比较,BP网络模型能更好地刻画土壤可蚀性K值的复杂非线性特性,具有自学习、自组织、自适应和容错性等一系列优点,因而,以牧草生长期单位面积累计践踏量和模拟降水量为自变量的土壤可蚀性K值的ANN(artificialneuralnetworks)关系模型具有较好的拟合结果和预测能力,说明直接从输入到草地生态系统的外侵蚀营力着手,跨越系统内土壤可蚀性变化的内在的复杂的隐含过程建立的输出端——土壤可蚀性K值与土壤侵蚀外营力的ANN关系模型,是准确确定土壤可蚀性K值的一次成功尝试。

异重流过程的梯级水库优化调度研究

多泥沙河流上的梯级水库建成后,水库异重流过程就具备了人为可控的条件。相比其他人工干预的输沙方式,异重流具备优良的输沙特性,因此调度部门可以通过水库梯级调度的手段控制异重流的产生和发展,实现防渗、减淤、排沙、调节下游河道等综合利用目标。本文通过研究黄河小浪底水库建成以来的异重流排沙过程和调度方案,建立了适于不同目标和预案的异重流过程梯级水库联合调度模型,并利用BP神经网络对模型求解。最后通过算例对2006年的人工塑造异重流调度过程进行了模拟和优化。结果表明,该模型可以反映调度过程中主要指标的相互关系,对异重流调度的决策有一定的支持作用。

利用BP神经网络光谱分类法研究肉品新鲜度

利用自行设计的一种光纤探头式生物表面光谱测试系统 ,对肉品进行测量。建立用于肉品新鲜度的自动分类和识别的 BP神经网络 ,准确率达到 93.3%。试验表明 ,利用光谱分析法测量肉品的新鲜度快捷、准确 。

磨粒形状特征提取及神经网络识别

针对具有不规则轮廓特征的显微磨粒图像 ,应用标记描述对磨粒形状进行表征 .该方法将磨粒轮廓一维展开后 ,提取了具有平移、旋转和尺度不变性的形状特征矢量 .然后以提取的形状特征为输入矢量 ,利用径向基函数神经网络对磨粒形状进行分类识别 .应用实例表明 ,标记充分利用轮廓信息 ,综合反映了磨粒的总体形状特征和边缘细节 ,可用于磨粒形状特征的描述 ;所建立的基于神经网络的磨粒形状分类模型学习速度快 ,识别率较高 .

茅坪滑坡位移预测的BP网络方法应用研究

滑坡行为表现为复杂的、开放的和耗散的非线性动力学演化特征。各种环境量因素对滑坡体的性态变化影响很大,初步探讨了非线性理论人工神经网络方法在茅坪滑坡位移预测中的应用。建立了茅坪滑坡位移预测的BP网络模型,对位移趋势作了预测,模型拟合精度高,预测效果达到了中、短期预报的目的。

遗传优化神经网络在小电流接地系统故障选线中的应用

如何准确地检测出故障线路一直是电力系统继电保护的重要研究课题。该文将遗传优化神经网络应用到故障选线中,并将多种电气量综合,进行故障选线。相比于以往的判别方法,提高了故障选线的准确性。

遗传算子对径流预报神经网络模型的影响

采用均匀设计来安排遗传算子组合进行数值实验,研究了遗传算子对神经网络径流预报精度的影响。研究发现,输入模式对最终种群中个体的分布影响不明显,不同算子组合对其影响则明显得多。通过回归分析发现,采用不同算子组合优化神经网络初始权重径流预报精度差别较大,对未归一网络的优化效果较归一网络好,同时采用数据归一输入模式与遗传算法优化神经网络初始权重未产生叠加效果。

地质数据的BP网络分析方法

数学地质中母函数选取和系数求解是函数逼近的两个关键问题，目前在地质数据的多元统计分析中广泛应用的回归分析或其他映射方法均有局限性。本文采用ＡＮＮ中的ＢＰ网络模型较好地解决了这两个问题，并对理论和实际的数据进行了比较与验证。结果表明，ＢＰ网络有助于提高地质数据处理的可靠性与预测的精度。

RBF网络在小电流接地系统故障选线中的应用

如何准确实现故障选线是小电流接地系统长期存在的难题,现有的选线方法和装置,都存在着许多不足。针对这种情况,以理想的建模为背景,以提高小电流接地系统的故障选线准确率为目的,提出了基于RBF神经网络的故障选线方法。RBF神经网络是一种局部逼近的神经网络,选取高斯基函数作为RBF基函数。文中在理想情况下建立一个模型,选取各条线路的零序电流、零序有功和零序无功作为输入的特征电气量,保证了故障线路特征选取的一般性;然后利用RBF神经网络强大的自适应、自学习能力,对电气特征量进行训练,保证了其快速的收敛性以及选线的准确性。文中的仿真结果表明,利用训练好的RBF神经网络可以实现故障选线,不但准确而且可靠,具有一定的可行性。

基于人工神经网络的结构钢端淬曲线预测系统模型的研究

利用人工神经网络技术建立了结构钢端淬曲线预测系统的数学模型 ,该模型覆盖了较大范围的钢种 ,系统除了能对已训练过的钢种的端淬曲线准确描述外 ,还能在一定精度范围内对新钢种的端淬曲线进行预测。本文还研究了训练步数。