水环境有机污染物预测的径向基函数网络模型

水环境中有机污染物的扩散迁移是一个由多种因素影响的复杂的非线性过程。根据河流有机污染物的浓度与其影响因素之间存在的映射关系,以实际监测数据为基础,建立了一个水环境有机污染物浓度预测的径向基函数网络模型。实例验证表明,该方法预测精度较高,具有一定的应用与推广价值。

基于径向基函数神经网络模型对非饱和土参数的反演

通过建立考虑水气两相非饱和渗流的正演有限元模型,以归一化的数值模拟结果的出水时间为输入目标,以归一化的不同水平参数组合为输出目标,同时以归一化的模型试验结果为测试输入变量,利用径向基函数神经网络模型对不同压实系数下红层填料非饱和土参数进行了反演;并且利用反演的参数对不同压实下相对应初始饱和度数值模拟水渗出时间与实际水渗出时间进行了比较,证明了采用径向基函数神经网络模型对非饱和参数反演的可行性.

电力负荷的径向基函数神经网络模型预测

由于基于反向传播(back propagation,BP)的神经网络模型自身固有的缺点,其电力负荷预测结果不理想,而径向基函数(radial basis function,RBF)神经网络模型具有全局逼近的性质,不存在局部最小问题,为此,针对中长期电力负荷预测,给出了RBF的预测原理,推导权值的更新方式,并和BP方法结果进行对比分析,结果证明基于RBF神经网络模型的方法收敛速度快、预报精度高、误差小。

最近邻一径向基函数网络模型在日径流预测中的应用

介绍了NNB—RBFN模型的基本思想和实现算法。通过日径流中的实例对模型的预测效果进行了验证，并与最近邻抽样回归模型的预测结果进行了对比，取得良好的效果。

油田累积产油量的基函数神经网络模型及其预测

针对油田累积产油量预测难问题,根据油田生产机理对不同阶段累积产油分布特征给予解释与说明,构建累积产油量系统的函数型连接神经网络模型,对某油田三个采油厂若干区块多组累积产油量数据建模和预测,取得较好预测结果,证实了本方法的可靠性,对油田的开发指标预测,经济评价分析,高效开发油田具有重要意义。

基于改进RBF神经网络模型的土壤背景估计算法

针对土壤背景估计算法参数确定后适应性较差的问题,提出一种基于径向基函数(RBF)神经网络模型的土壤背景估计算法,以有效提升针对土壤的能量色散型X射线荧光检测的背景扣除效果及元素定量精度.首先分析了常用的土壤背景估计模型,针对连续剥峰法和小波变换对背景估计的扣除效果和问题提出基于改进RBF神经网络的算法模型,然后从理论上证明该算法模型的有效性,并将该模型应用于实际的土壤能量色散型X射线荧光检测系统中,对国家标准土壤样品进行检测,对Cr,Zn和As等重金属元素的定量探测进行深入分析.实验结果表明,基于该土壤背景估计算法能更好地进行元素能量特征值提取,降低背景对元素特征峰和质量分数的影响,进而有效提升土壤元素的定量精度.

径向基函数近似模型在车门轻量化中的应用

为了降低重量,这里进行汽车前门轻量化研究。首先对汽车前门的模态、刚度进行分析,以确保其性能满足要求。然后利用试验设计对钣金件进行筛选,选出对输出响应影响较大的钣金件作为设计变量,应用哈默斯雷采样法采集样本点构建径向基函数近似模型,再用拉丁超立方采样法验证所建模型的准确性,最后在近似模型的基础上,利用遗传算法进行优化计算。结果表明:在前门的模态、刚度都满足目标要求的情况下,前门质量降低了15.65%,并且大大缩短优化时间。

基于径向基函数神经网络模型的车门结构多目标优化

建立了某轿车车门的有限元模型,利用灵敏度分析筛选出对模态和刚度性能比较敏感的关键钣件厚度作为设计变量,采用拉丁超立方试验设计进行样本设计,使用径向基函数(RBF)神经网络模型拟合车门质量、垂向刚度、侧向刚度及一阶模态频率响应的近似模型。以车门质量最小和侧向刚度最大为目标,以车门垂向刚度和一阶模态频率为约束,应用多目标遗传算法进行寻优,最终在满足模态和垂向刚度性能要求的前提下,侧向刚度提高了2.0%,车门质量减轻了1.7%,实现了车门的多目标优化设计。

基于地统计学的植烟土壤碳氮含量空间变异性研究

有机碳和全氮含量是影响土壤肥力与作物产量的重要土壤因子,区域内土壤碳氮含量的分布情况直接影响作物生产。通过解析云南省保山市烟区土壤碳氮含量空间分布情况,为区域植烟土壤肥力改良和优质烤烟生产提供科学依据和数据支撑。对保山市5县(区)72个植烟土壤点进行采样,测定土壤容重、田间持水量、土壤含水量、土壤酸碱度、有效土层厚度、土壤全氮含量和土壤有机碳含量等7项指标,采用径向基函数神经网络模型和克里格法建立土壤碳氮含量与土壤理化因子间的相关关系,预测土壤有机碳含量和全氮含量的空间分布特征。土壤碳氮含量与理化指标间的相关性分析表明,土壤全氮含量与土壤容重、土壤pH值呈显著负相关关系(P<0.05),相关系数分别为-0.235、-0.170;土壤有机碳含量与田间持水量、土壤含水量呈极显著正相关关系(P<0.01),相关系数分别为0.555和0.452;土壤有机碳含量与土壤pH值呈显著正相关关系,相关系数为0.190;土壤有机碳含量与土壤容重呈极显著负相关关系,相关系数为-0.636;土壤碳氮关系可用线性回归方程y=10.69+4.37x(r^(2)=0.137,n=72)表示;土壤平均全氮含量2.01 g/kg,土壤平均有机碳含量为33.60 g/kg,土壤平均碳氮比为16.71。径向基函数神经网络模型较多元回归模型对验证样点土壤全氮含量和有机碳含量的预测值与实际观测值的相关系数分别提高0.037和0.031,表明土壤理化因子与土壤碳氮含量之间的复杂关系能够通过径向基函数神经网络模型更准确地描述出来;47个验证点预测结果误差分析表明,与普通克里格法和回归克里格法相比,径向基函数神经网络模型和普通克里格法相结合的方法明显减低了土壤有机碳和全氮含量预测结果的平均绝对误差、均方根误差和平均相对误差。保山市5县(区)土壤碳氮含量由北向南存在明显差异,相关性分析结果表明,植烟区内的土壤理化因子对土壤有机碳含量和全氮含量的影响较大。因此,在烤烟生产上,应根据预测结果因地制宜,针对不同区域制定施肥方案,合理调控有机肥和氮肥的施用,保障烤烟高质量生产。

基于多岛遗传算法与响应面法的横向磁通感应加热装置参数优化设计

对金属带材进行横向磁通感应加热(TFIH)时,通常会存在加热温度分布不均匀以及加热温度偏离目标值两个问题。该文研究了加热器结构参数与电源参数对45号钢带材回火热处理温度的影响,并对两种参数分别进行优化,使带材在加热器出口处的平均温度达到目标值600℃,同时获得均匀的温度分布。采用Morris法对加热器结构参数进行全局灵敏度分析,选取显著影响相对不均匀度的参数并建立径向基函数(RBF)神经网络预测模型。使用多岛遗传算法(MIGA)对筛选的结构参数进行优化,初步获得均匀的温度分布。最后以降低温度分布的相对不均匀度和达到理想平均温度为目标,在优化后的加热器结构基础上使用响应面法(RSM)优化电源参数,实现多目标优化设计。仿真验证结果表明,45号钢带材在加热器出口处的平均温度为600.06℃、相对不均匀度为2.36%,满足45号钢回火热处理的要求。

地下水污染源识别中基于径向基函数模型的优化方法应用

当前我国地下水污染情况已经非常严重。与地表水资源相比,地下水由于其本身的隐蔽性以及污染处理滞后性等特征,其治理恢复难度更大。通常情况下,在对区域地下水资源污染情况进行治理之前,技术人员必须事先对地下水污染源进行科学识别,以此采用一种合理的方式进行水资源质量分析,最终制定科学的污染修复治理方案。正是在此背景下,通过采用径向基函数的替代模型,对我国新疆某区域水质分析中地下水溶质运移模型进行替代分析。

基于径向基函数神经网络模型的桃江县森林碳储量估测

量化森林碳储量对森林经营者的正确决策至关重要。本文以湖南省桃江县为研究区,根据2013年森林资源一类调查数据和Landsat 8遥感影像,建立多元逐步回归、偏最小二乘回归和径向基函数神经网络模型,开展碳储量的估测方法比较。结果表明:三种方法中,径向基函数神经网络模型估测森林碳储量效果最好,决定系数达到0.645,相对均方根误差为15.582 t·hm-2;其次为偏最小二乘回归模型,决定系数和相对均方根误差分别为0.511和17.135 t·hm-2;多元逐步回归模型精度最低,决定系数和相对均方根误差分别为0.431和18.105 t·hm-2。径向基函数神经网络模型反演的研究区森林碳储量分布图表明,海拔高的地方碳储量较大,城区碳储量较小,与实际植被分布情况一致。

基于长期气温模拟的混凝土坝结构健康监测

为考虑不同年份气温变化对大坝位移的影响,本文提出了利用长期气温数据进行热效应模拟,建立了用于大坝健康监测的径向基函数网络模型。结果表明基于气温时间序列数据进行长期趋势分析,径向基函数网络模型较传统的静水-季节-时间模型的预测结果更准确,增加长期气温数据,可以显著提高径向基函数网络模型的预测精度。采用径向基函数网络模型对大坝混凝土坝结构健康监测方法可行。

基于近似模型的非线性区间数优化方法及其应用

在不确定优化中,非线性区间数优化方法由于需要嵌套优化,造成计算效率低下而阻碍其应用于工程实际。本文提出了一种基于径向基函数近似模型的求解方法,以提高非线性区间数优化方法的计算效率。该方法利用拉丁超立方实验设计方法采样,建立目标函数和各约束的径向基函数近似模型。利用近似模型代替嵌套优化中的真实模型,再用非线性区间数优化方法进行求解,从而提高了非线性区间数优化方法的计算效率,使得该算法在工程应用方面成为可能。用一个测试函数验证了该方法的可行性,最后将方法应用于车身薄壁梁的耐撞性优化。

基于混合近似模型的汽车正面碰撞耐撞性优化设计

以汽车前部结构主要零件的厚度为变量,采用拉丁超立方试验设计方法生成100个汽车正面碰撞有限元仿真模型样本数据并进行计算,对计算结果应用Kriging模型、最小二乘响应面模型、径向基函数模型构建前部结构质量、B柱加速度最大值和前部结构最大吸能相对于各部件厚度的三种近似模型。以B柱加速度最大值为目标,约束前部结构最大吸能、前部结构零件质量及各零件厚度,利用模拟退火算法和三种空间密集撒点优化搜索方法,最终得到一组最优的前部零件厚度组合,使得B柱加速度最大值最小。研究表明,该方法计算精度和效率较好地满足了耐撞性工程设计的需求。

基于代理模型的汽车乘员约束系统性能优化

针对汽车碰撞乘员约束系统优化设计中多参数和非线性问题,提出了基于径向基函数代理模型的优化设计方法,通过LS-DYNA分析软件建立正面碰撞乘员约束系统的仿真模型并对其进行验证.基于该模型选取对响应影响较大的设计变量作为优化变量,在LS-OPT中选择径向基函数构建代理模型,采用空间填充试验方法进行试验设计,运用自适应模拟退火算法进行优化求解.优化结果表明:人体综合损伤WIC值相比初始设计值降低了28.2%,实现了对设计目标的优化.

基于Kriging代理模型的造斜率预测方法研究

造斜率受导向工具结构、类型、钻井参数、井眼轨迹、地层和钻头等因素的影响,构成了一个多变量影响的非线性耦合体系。造斜率预测呈现一定的模糊性、随机性和非线性特点,难以用显性的定量关系式来精确刻画造斜率与其影响因素之间的函数关系。从回归分析预测法的角度,提出一种采用Kriging代理模型构建预测功能函数,进行造斜率预测的新方法。该方法基于空间插值理论,以造斜率预测值为输出目标。首先选取造斜率主要影响因素作为输入参数,确定训练样本和测试样本;然后,计算Kriging模型中的最优超参数,并构建该预测模型。最后,以测试样本为基准,计算模型预测性能指标,完成对Kriging代理模型的造斜率预测性能评价。通过现场案例研究表明,与常见的多元回归模型和径向基函数模型(radial basis function,RBF)相比,基于Kriging代理模型的造斜率预测方法在均方根误差(root-mean-square error,RMSE)、最大绝对误差(maximum absolute error,MAE)和平均绝对误差(average absolute error,AAE)3个常见的定量指标上表现了更佳的预测性能。预测结果更稳健,计算量更小,对造斜率的预测精度较高,能克服几何法预测精度不高或力学法计算量大等缺点。在工程应用中能节约计算成本和提高预测效率,便于推广应用。

基于RBFN模型的贵州省石漠化危险度评价

西南喀斯特山区石漠化已成为当地发展的重大障碍,国内诸多学者对此做了大量研究工作。本文在前人研究成果的基础上,选取影响喀斯特石漠化演化的相关指标,运用GIS技术提取各指标数据,建立RBFN模型(RadialBasisFunctionNetwork,径向基函数网络模型),根据不同石漠化危险程度标准,选取12个市县相关数据进行训练,确定网络模型参数,进而对贵州省82个市、县(自治州)的喀斯特石漠化危险度进行了评价,结果显示:贵州省西南部的西南—东北沿线为喀斯特石漠化发生的极强危险区、整个西南部为强危险区,北部地区为中度危险区,而东南部地区为轻度危险区,并利用他人研究成果进行了对比验证,发现结果较为理想。

基于径向基函数神经网络的白车身减重优化研究

针对白车身变量多、性能响应复杂问题,在车身结构的板厚优化设计中引入近似模型方法,提高设计效率。以某轿车车身结构为轻量化设计对象,通过灵敏度分析确定优化设计变量,基于径向基函数神经网络近似模型进行全局优化,在不降低刚度和模态性能的情况下实现白车身减重目标。通过最优拉丁超立方试验设计构造样本点,用径向基函数神经网络法构造刚度和模态的近似模型,并用自适应模拟退火法进行优化求解。结果表明,径向基函数神经网络模型能较好地模拟车身结构刚度和模态响应问题,提高了整体的设计效率。通过有限元模型的验证,基于近似模型的优化结果精度较高,实例白车身减重达5.73%。

一种基于SVC的图像分割模型

根据区域特征将晶相图像分成单晶体和共析体两部分,利用活动轮廓模型对单晶体区域进行伸展直到两部分边缘处停滞。通过SVC特征识别模型提供活动轮廓的边缘能量项。仿真结果表明,与RBF模型相比,在相同检测精度条件下,SVC模型耗费的资源少、效率高。