基于GIS和人工神经网络技术的开采沉陷预计建模方法

探讨了GIS支持下利用人工神经网络技术进行开采沉陷定量预测的方法和思路 ,完成了影响因素的选取、数据处理、开采沉陷初始预计模型的建立及验证。数据处理由GIS软件完成 ,采用BP神经网络训练方法对开采沉陷系统进行建模 ;进而结合验证结果 ,对误差进行了定性分析。研究结果表明 ,利用GIS支持下的神经网络模型对复杂的开采沉陷系统进行模拟预测 ,具有理论上的可行性和现实意义 ,说明GIS和人工神经网络技术在开采沉陷预计领域中具有广阔应用前景。

原油常压蒸馏过程的人工神经网络建模方法

基于神经网络的函数逼近理论以及多层前馈神经网络对非线性现象的强有力刻画与建模能力,对原油常压蒸馏塔侧线抽出馏份进行了神经网络建模,并用GA-BP算法对所建网络模型进行学习和检验,获得了较为满意的结果,探索了用人工神经网络方法建立油品质量估计模型的现实性与可行性.

MCFC热启动过程的人工神经网络建模分析

熔融碳酸盐燃料电池目前是燃料电池研究领域的一个难点，其严格的热启动过程对电池性能和寿命的影响至关重要。针对这一问题，建立了基于人工神经网络的熔融碳酸盐燃料电池热启动过程模型，详细给出了采用改进BP算法的熔融碳酸盐燃料电池热启动过程的模型结构、算法、训练和仿真。MATLAB仿真结果证明其快速准确，为熔融碳酸盐燃料电池热启动过程的控制提供了实际工程应用模型。

动态滤水实验人工神经网络建模的研究

动态滤水实验是研究造纸湿部化学的一个重要手段 ,而快速准确地测定动态滤水滤液浓度是改进其可操作性的关键因素。本文采用人工神经网络建立了动态滤水实验滤液组分测定方法的数学模型 ,并进行了计算机仿真。结果表明 ,通过测定滤液的浊度并采用人工神经网络建立智能模型来推算滤液中细小组分浓度的方法是一种适用范围广、快速。

人工神经网络在煤矿开采沉陷预计中的应用研究

提出了利用人工神经网络技术进行开采沉陷定量预测的新方法 .研究了影响因素的选取、开采沉陷预计模型的建立以及模型的应用等问题 .采用 BP神经网络算法对开采沉陷量进行了建模和预测 .结果表明 ,用神经网络模型对复杂的开采沉陷系统进行模拟预测 ,具有理论上的可行性和现实意义 。

造纸过程定量水分神经网络建模和控制

根据纸机定量水分过程的机理,提出了一种新的神经网络建模方法。在此基础上,针对该过程的大滞后、大惯性、强非线性、时变以及多变量耦合的特点,提出了一种包括定量控制和水分控制的多变量神经网络控制策略。利用该控制策略建立的自适应神经网络控制器,可以使成纸的定量和水分维持在设定的范围之内。进一步分析可以得到,该控制器是一个状态和控制作用均可跟踪的伺服系统。实际应用效果非常好。

人工神经网络在农业工程中的应用

介绍了应用人工神经网络解决问题的基本原理;论述了人工神经网络在农业工程中的应用及可能的应用范围;并指出了应用人工神经网络在农业工程中要注意的问题。

WITNESS环境下基于改进型IDEF3方法的离散事件仿真建模

针对WITNESS仿真环境下,复杂离散事件仿真建模过程中出现的大量顺序、并行、同步、冲突及因果依赖等关系,提出采用改进型IDEF3方法进行仿真建模.采用仿真规则与交汇点集成、行为单元与仿真信息数据集成的原则进行建模;同时在IDEF3方法的基础上,建立新的行为单元,达到了仿真单元的可重用和可重构性,大大提高了仿真建模的速度,减少了建模难度.最后,给出了在改进型IDEF3方法下进行离散事件仿真的框架,并在仿真软件WITNESS的基础上,通过实例详细描述了建模过程.

基于改进混沌粒子群算法的光伏阵列建模方法研究

准确地建立光伏阵列模型对光伏电站性能分析具有十分重要的意义。由于传统光伏阵列建模方法具有模型参数计算困难、计算结果精度低、对铭牌参数依赖性高等不足,导致传统光伏阵列模型具有适应性差等。文章从实测数据出发,提出了一种基于改进混沌粒子群算法的光伏阵列建模方法。模拟结果表明,相比于传统的建模方法,基于改进混沌粒子群算法的光伏阵列模型模拟结果的精度较高,更符合光伏阵列的实际输出特性,且不依赖于出厂参数,因此,适应性较好,并具有操作简单、易于实现的优点。

基于改进交互验证策略的序贯响应面建模方法

序贯响应面建模方法通过渐近地增加样本量实现响应面模型拟合精度与计算成本的折衷,因此,再采样策略的选取成为序贯响应面建模应用的关键问题。文中分析极大极小距离策略和交互验证策略存在的问题,提出基于改进交互验证策略的序贯响应面建模方法。最后,通过实例说明,改进交互验证策略可有效减小拟合响应面模型的样本量,降低计算成本,节约计算资源。

基于数学建模方法下的固定资产折旧改进

固定资产折旧方法的数学建模是应用数学的方法与手段,对固定资产的五种折旧方法(年限平均法、工作量法、余额递减法、双倍余额递减法、年数总和法)分别建立统一的数学模型,并考虑货币时间价值改进原有的模型,通过具体实例的数据分析,比较新旧的折旧模型下的折旧费用,分析出其对企业经营管理的影响,既达到简化财务人员对于固定资产折旧的繁琐计算,提高财务人员的工作效率,又便于为国家制定折旧政策,为企业加强财务管理、进行固定资产投资决策管理提供决策方法和理论依据.

基于改进键合图方法的层次机电系统的测试性建模与分析

现有层次化机电系统测试性建模与分析方法,存在着测试性参数值较小的缺陷,为了解决上述问题,提出基于改进键合图方法的层次化机电系统测试性建模与分析方法;引入改进键合图方法,将其有效的融合到贝叶斯网络中,以此为基础,搭建系统测试性模型,通过插值获取测试性参数;以搭建的系统测试性模型为工具,描述层次化机电系统结构,构建层次化机电系统键合图,检测并隔离层次化机电系统故障,实现了基于改进键合图方法的层次化机电系统测试性的建模与分析;通过实验结果显示:与现有的3种层次化机电系统测试性建模与分析方法相比较,提出的层次化机电系统测试性建模与分析方法极大地提升了测试性参数,充分说明所提方法具备更好的测试性效果。

基于改进D-H方法的管片拼装机运动学建模方法

针对目前管片拼装过程智能化程度相对较低的现状,提出了一种含有可变杆长的管片拼装机运动学建模方法。分析含有可变杆长的6自由度管片拼装机运动机理,引入“虚拟主动关节”,利用改进的D-H法则建立拼装机运动学模型,并利用MATLAB和ADAMS进行联合仿真,验证了所提运动学建模方法的正确性。

船舶企业流程再造的建模方法研究

通过分析目前制造业企业流程再造的特点和当前的流程建模方法,指出了传统企业流程模型方法在进行船舶企业业务流程再造过程中的局限性,进而提出了工作流技术是一种较为适合船舶企业的流程建模方法。

煮糖过程的新型建模方法

煮糖过程的主要非线性表现为晶体生长率。本论文采用两种方法来描述晶体生长率模型的设计,第1种方法是通过采用非线性规划最优化方法(NLP)决定晶体生长率经验公式的参数;第2种方法是一种新颖的建模策略,它把晶体生长率作为非线性逼近器的人工神经网络(ANN)与由蔗糖晶体质量平衡所表述的先前既定的知识相结合。最初结果显示第1种类型的模型能够较好地执行局部匹配,而第2种具有更大的灵活性。

多属性信息决策的改进无监督学习算法建模与应用

针对SOM网络无监督学习算法的单样本序列学习方式内存占用多的特点,采用Voronoi矢量原理改进权矢量迭代方式,使改进算法具有所有样本同时学习的能力,同时给出了算法的矢量映射误差测度和拓扑误差测度。然后根据改进算法建立了多属性信息决策的可视二维拓扑映射图模型,并对R&D项目中止决策进行了研究。计算结果表明,改进的无监督学习算法收敛速度快,基于拓扑映射图模型的多属性决策有效。

软测量建模方法探讨

模型的建立是软测量技术的核心问题 .从回归分析和人工神经网络两个大的方向出发 ,对软测量的建模方法进行了简单的探讨 .

储层随机建模研究进展

按照模拟网格不同储层随机建模技术可以分为基于目标的方法和基于象元的方法2类。介绍了基于目标方法中的布尔模拟方法及其改进,这些改进包括井间和井上模拟时采取不同的概率分布、模拟多个岩相单元、模拟具有波动顶底的目标、综合地震数据、采取G ibbs分布的广义示性点过程模拟目标之间相互影响以及采用线模型模拟河道的目标层次建模(F luvsim)。论述了基于象元方法中的新方法,指出多点地质统计学比传统的两点统计学具有明显优势,分析了多点地质统计学存在的问题及其改进方向(平稳性问题处理、目标体连续性处理、数据样板选择、综合地震信息方面)。最后评述了储层随机建模的发展方向,指出在目标之间相互影响函数的确定、获取反应实际储层结构特征参数、先验概率求取以及随机模拟结果评价方面有待进一步研究。

基于支持向量机的炭黑工艺建模

将支持向量用于炭黑工艺建模,并与主成分回归、反向传播人工神经网络以及径向基神经网络建模方法相比较.结果表明,炭黑生产过程具有比较强的非线性,不适合用主成分回归方法建立模型,支持向量机对炭黑吸碘值和吸油值的相对预测误差分别为1.62%和1.31%,所构建的模型的预测准确度明显优于反向传播人工神经网络(2.54%,1.64%),稍优于径向基神经网络(1.85%,1.38%).