基于人工神经网络智能算法的9310钢本构模型优化

目的研究9310钢在变形温度为800~1200℃、应变速率为0.01~50s-1和高度压下量为70%条件下的热变形行为,建立预测效果相对较好的9310钢本构模型。方法使用Gleeble-3800热模拟机对9310钢进行等温恒应变速率热压缩实验,基于热压缩实验数据,分析了应变速率对9310钢流动软化效应的影响,建立了考虑应变补偿的Arrhenius本构模型与支持向量回归(SVR)本构模型,并进行了模型精度分析,之后引入人工神经网络(ANN)智能算法优化了Arrhenius本构模型。结果与变形温度相比,应变速率对9310钢流动软化效应的影响更为显著。相较于支持向量回归(SVR)本构模型,考虑应变补偿的Arrhenius本构模型精度更高,其相关系数R为0.9934,平均相对误差(AARE)和均方误差(MSE)分别为0.0556和89.362,它在预测高应变速率(1、10、50 s-1)流动应力时出现了较大偏差,经ANN智能算法优化后,相关系数R提高至0.9991,AARE和MSE分别降至0.0199和9.998,且绝对误差在±10MPa以内的预测流动应力占比为98.34%。结论在低应变速率(0.01 s-1)下软化效应更强,在高应变速率(10 s-1)下再结晶程度较低,软化效应较弱。ANN智能算法优化后的Arrhenius本构模型具有较高的精度,能较准确地预测9310钢的流动行为。

基于人工神经网络方法的FRP增强混凝土断裂研究新思路

纤维增强复合材料(FRP)作为一种新型的增强加固材料,由于其强度高、质量轻、防腐蚀、耐疲劳、与混凝土粘结性能好以及便于施工等诸多优点,在混凝土结构修复加固领域得到了广泛的应用。近年来,随着人工智能(AI)的逐渐兴起,机器学习(ML)作为实现AI的一种途径,在水利、建筑等各行各业也得到了长足的发展。首先简单介绍了ML的基本原理,并通过对ML在混凝土结构工程中应用的系统回顾与总结,指出了传统试验和数值模拟分析中FRP增强混凝土断裂研究存在的一些难点和局限性,阐述了基于ML的人工神经网络(ANN)方法在处理混凝土结构问题中的优越性,认为采用ANN方法能够有效解决FRP增强混凝土断裂研究中难以解决的问题;其次,对ANN方法应用于FRP增强混凝土断裂韧度预测中的新思路进行了详细介绍,给出了ANN方法应用于FRP增强混凝土断裂韧度预测的具体流程,并对其流程中的一些步骤给出了建议;最后,对ML应用于FRP增强混凝土断裂方向的深入研究进行了展望,提出了ML应用于FRP增强混凝土断裂方向深入研究的相关问题。

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。

人工神经网络(ANN)智能技术与热处理

本文着重介绍了目前国内外人工神经网络 ( ANN)技术在材料热处理领域的应用情况 ,论述了 ANN技术在构造专家系统方面的优越性 ,简要介绍了作者开发的热处理性能预测专家系统。同时对人工神经网络 ( ANN)

人工智能助力Fenton法降解间甲酚废水的过程优化研究

采用Fenton氧化法进行人工智能芬顿氧化处理间甲酚废水实验,考察了Fe^(2+)质量浓度、H2O2体积分数、初始pH、反应时间和间甲酚初始质量分数对降解间甲酚反应的影响,利用响应面法(RSM)和人工神经网络(ANN)分别确定降解间甲酚的最佳方案,同时对TOC去除率的关系进行拟合优化对比。结果表明,利用ANN模型并采用枚举法获取的最佳优化条件:Fe^(2+)质量浓度为0.66 g/L、H_(2)O_(2)体积分数为6.00 mL/L、初始pH为3、反应时间为23.37 min、间甲酚初始质量分数为50μg/g,此时,TOC去除率为48.14%,优于响应面法的32.16%。

基于人工神经网络和遗传算法的隧道爆破超挖预测模型研究

隧道超挖会额外增加施工成本,还将面临潜在开挖面坍塌、冒顶等风险。本文以G0711乌鲁木齐至尉犁段天山胜利隧道主洞施工为依托,利用人工神经网络(ANN)、遗传算法-人工神经网络(GA-ANN)两个智能模型来预测隧道超挖量。首先提取依托工程中的406个数据集组成数据库,其中延误次数、炮孔长度、炮孔抵抗线、炮孔间距、炸药单耗、围岩等级、炮孔抵抗线等参数为输入端,所预测隧道超挖量为输出端;然后根据均方根误差(RMSE)、方差贡献(VAF)和确定系数(R^(2))等性能指标筛选出预测精度更高的智能模型。研究结果表明:GA-ANN模型训练集和测试集结果(VAF=90.134,R^(2)=0.903,RMSE=0.058;VAF=88.030,R^(2)=0.881,RMSE=0.074)明显优于ANN模型(VAF=70.319,R^(2)=0.703,RMSE=0.103;VAF=768.731,R^(2)=0.693,RMSE=0.108),因此GA-ANN预测方法更能精确预测隧道钻爆施工超挖量。此外,敏感性分析结果表明,与其他输入相比,超挖主要受RMR参数影响,研究成果能够为公路隧道超挖量预测提供理论基础。

基于EEMD-ANN的自适应光伏日电量预测方法

随着清洁能源的持续发展,我国光伏电源装机规模不断增大。为了应对其随机性、波动性、不确定性等特点给电网安全运行带来的严峻挑战,研究中结合集合经验模态分解(EEMD)方法对原始时间序列进行处理,将其分解为有限且少量的振荡模式,形成更清晰的信号输入,再通过人工神经网络(ANN)实现历史数据的规律挖掘,构建了基于EEMD-ANN的自适应光伏日电量预测模型。以我国南方某光伏电站日电量过程为例的结果表明,该模型获得的预测结果具有较好的预测精度,是一种实用性较强的光伏电量预测方法。

应用人工神经网络预测棒-板短空气间隙在淋雨条件下的交流放电电压

为了获得降雨条件下能预测空气间隙击穿电压的数学模型,根据在人工气候室试验得到的降雨条件下空气间隙击穿电压数据,运用神经网络原理,建立了降雨条件下的交流棒-板短空气间隙击穿电压的人工神经网络模型。利用该模型可以对一定降雨条件下的交流棒-板短空气间隙击穿电压进行预测,预测结果满足精度要求,同时,该文根据建立的人工神经网络模型模拟了降雨时单个及多个环境因素对空气间隙击穿电压的影响,并对模拟结果进行了分析,结果表明:大气压强一定时,随着降雨强度、雨水电导率的增加以及环境温度的降低,空气间隙的击穿电压随之降低;当降雨强度、雨水电导率和环境温度其中任一环境因素改变时,另两个因素对空气间隙击穿电压的影响程度也随之改变。人工神经网络模型对训练数据的依赖较大,对训练范围以外的数据预测精度较差。

利用人工神经网络预测电池SOC的研究

能源和环境与人类社会的生存和发展密切相关,能源短缺和环保的要求推动了混合动力车的发展。电池是混合动力车的动力源之一,准确和可靠地获得电池荷电状态(Stateofcharge,SOC)是电池管理系统的主要任务之一。在总结现有SOC预测方法的基础上,尝试使用人工神经网络的方法预测动力电池SOC。结果表明人工神经网络对多变量的非线性系统非常有效。另外,不同的数据样本对训练效果存在影响,试验表明用处理后的数据进行预测的结果明显较好。

基于人工神经网络理论的建筑物火灾安全评价研究

依据建筑物火灾危险性的影响因素,应用人工神经网络理论及系统安全方法,建立了建筑物火灾危险性的评价指标体系,该方法摆脱了评价过程中的随机性和参评人员主观上的不确定性及其认识上的模糊性等缺点,大大提高了准确性。为了验证评价模型的准确性,将该理论应用到某高校图书馆火灾危险性评价中,快速、准确地得到了安全评价结果,取得了满意效果,为建筑物防火设计以及安全管理提供了可行的依据。

基于人工神经网络的企业知识管理评价模型

文章提出了基于人工神经网络的企业知识管理评价模型。实例表明,人工神经网络方法应用于企业知识管理评价是可行和有效的。

基于多阶人工神经网络的ECG信号诊断模型研究

目前已经有多种不同的ECG(心电图)信号辅助诊断工具得到应用,其中包含了基于人工神经网络的ECG分类器应用系统。本文介绍一种基于多阶前馈人工神经网络的新型ECG信号诊断模型,其目标是设计一种结构简单、成本低、响应速度快,识别率高的ECG信号辅助诊断系统。首先给出多个不同结构的神经网络,然后针对6种不同的心脏状况,比较这些神经网络之间的性能差异和辨别能力。网络的输入数据来自于M IT/B IH数据库,包括12种ECG特征信号和相应的每次心脏搏动的13段压缩信号。通过研究测试发现,基于二阶神经网络的ECG模型识别率最高,正确率达到了90.57%。

人工神经网络在药学研究中的应用进展

目的 介绍人工神经网络 (ANN)在药学研究中的应用进展。方法 以国内外大量代表性论文为依据 ,进行归纳、分析和评价。结果 介绍人工神经网络 (ANN)的概念、反向传播神经网络 (BP)的原理和特点 ,详细阐述人工神经网络在药学研究中的应用进展。结论 人工神经网络在药学研究中具有广阔的应用前景。

基于GIS的人工神经网络矿产预测系统设计及应用

利用地理信息系统(GIS)和人工神经网络(ANN)相结合,研究了基于 GIS的人工神经网络矿产预测系统设计方案,实现了从地质变量优选到人工神经网络成矿预测结果图形显示的计算机自动化处理。在凤凰山矿田的应用显示,预测结果与现有矿床十分吻合,是矿产预测的有效方法。

采用人工神经网络技术改善光学模式识别系统的识别效率

在采用光学模式识别技术、ＳＤＦ（综合鉴别函数）滤波技术进行实际场景中的三维目标畸变不变识别的时候，由于面对的是大量的非训练像的相关识别，加上场景图像中的不同噪声、背景的干扰，以及硬件识别系统的各种非理想特征等因素，均不可避免带来相关平面的Ｓ／Ｎ的严重退化，从而使按通常的阈值技术进行相关信号分割的方法失败。因而大大降低了ＯＰＲ系统的识别效率。本文采用人工神经网络（ＡＮＮ）技术与光学模式识别技术（ＯＰＲ）相结合。通过对相关平面感兴趣区域（ＲＯＩ）的分割与强度分布特征抽取以及脱机人工神经网络的训练过程，使ＯＰＲ系统能有效地对输入的训练像、非训练像及各种背景噪声分别给出不同的输出响应。

基于人工神经网络的石油化工工程建设项目管理绩效评价

针对非线性多输入多输出的石油化工工程建设项目管理绩效评价问题,应用人工神经网络(ANN)构建评价模型。使用50个项目的287个学习案例数据,以10个影响因素为输入,6个指标为输出,对BP神经网络、基于遗传算法的BP神经网络、径向基函数神经网络与广义回归神经网络4类网络模型进行训练和测试。通过均方误差的比较,发现基于遗传算法的BP神经网络优于一般的BP神经网络,广义回归神经网络的测试结果优于BP神经网络,径向基函数神经网络具有最好的误差精度。2个应用示例表明,人工神经网络应用于石油化工工程建设项目管理绩效的评价是可行和有效的。

RBF人工神经网络拓扑结构定义与解的唯一性证明

以RBF人工神经网络为例,通过引入透明人工神经元的定义,提高了人工神经网络拓扑结构表述方面的一致性,证明了人工神经网络解的唯一性与确定性,提出了训练算法的非随机性和学习速率的最佳选择.

人工神经网络在皮尔斯电子枪设计中的应用

基于人工神经网络(ANN)的皮尔斯电子枪初值设计方法,不但能有机地结合迭代综合法与非迭代综合法的优点,还能把前人体现在实验数据中的设计经验通过训练样本融入到其中,从而设计出很接近实验值的新电子枪。在有较多电子枪实验数据的情况下,ANN法的优点尤为显著,经20多支电子枪的检测结果表明:ANN法的设计值比综合法的计算值更接近实验结果。

人工神经网络法计算非芳香族多硝基化合物的生成焓

用误差反向传播(BP)的人工神经网络模型及分子结构描述码作为输入特征参数预测非芳香族多硝基化合物的生成焓,研究了网络参数及分子结构描述码的影响,同时按分子结构描述码进行了多元线性回归,取得了满意的结果,其回归方程相关系数达到了0.9977,精度高于文献值。绝大多数相对误差在10%以内。

用人工神经网络法预估芳香族多硝基化合物生成焓

采用误差反向传播学习(BP)的一个双层神经网络,以分子结构中不同基团作为描述码,预估芳香族多硝基化合物的生成焓,研究了网络参数及分子结构描述码的影响,同时用分子子图法进行了多元线性回归,取得了较好的结果(其回归方程相关系数达到0.9967),计算结果的绝大多数相对误差在10%范围以内。