基于神经网络集成-X射线荧光光谱法的铁矿石中全铁含量测定

为了探索人工智能在铁矿石品质快速检验中的应用,研究了机器学习算法与化学计量学和X射线荧光光谱仪(XRF)相结合快速测定铁矿石中全铁含量的方法。收集来自于不同产地的,主要物相为赤铁矿、褐铁矿、磁铁矿、针铁矿和多物相混和结构的铁矿石样品共1 098个作为样本集。采用X射线荧光光谱仪对铁矿石样品熔片进行扫描,扫描后的光谱图提取数据点后作为神经网络的输入,以全铁含量作为输出结果。然后依据X射线衍射(XRD)得到的物相结构优化自组织(SOM)网络,并对全部样本的XRF图谱进行分类,对分类后的每一个子集分别采用反向传播(BP)和径向基函数(RBF)网络建立回归子模型,对各子模型的预测结果进行整合,最终建立基于集成神经网络和X射线荧光光谱法的铁矿石中全铁含量预测模型。方法模型建立后,不需要额外标准物质建立校准曲线,能够实现对未知样品的分类和输出全铁含量结果。

基于人工神经网络的水库水资源规划管理

水库管理直接影响水库中水资源利用效率。文中采用两种人工神经网络方法对水库进行管理,通过预测给定水库未来的月流入量和每月蒸发量来估计每个月底水库的总蓄水量。研究中采用的人工神经网络方法是径向基函数(RBF)和前馈-反向传播(FFBP)方法。将人工神经网络的结果与新疆某水库实际运行的结果进行了比较,结果显示,人工神经网络能够较为准确地反映水库实际蓄水量,能有效应用于水库管理。

基于神经网络的故障率预测方法

为了更好地预测产品故障率,提出了基于神经网络的故障率预测方法,分别给出了基于反向传播(BP)网络和径向基函数(RBF)网络进行故障率预测的基本思想、预测模型和实施步骤。分别对比分析了神经网络法与回归分析法、分解分析法、移动平均法、指数平滑法、自适应过滤法、自回归-移动平均混合(ARMA)模型等统计预测方法的区别,对照故障率的特点,说明了神经网络法是其中最适用于故障率预测的统计方法。最后分别按这两种模型对某航空公司波音飞机故障率进行了预测,预测结果表明:这两种模型均适用于故障率预测,预测值与真实值的误差在20%之内,且RBF网络的预测效果略优于BP网络,此外通过与上述统计预测法的误差进行对比,说明神经网络法预测误差最小。

人工神经网络在预测深基坑周边地表沉降变形中的应用研究

深基坑开挖引起的周边地表变形预测是一个复杂非线性问题,引起地表沉降的影响因素很多,各因素之间呈高度的非线性关系。传统的基坑用边地表沉降变形预测方法存在着一定的局限性,其预测精度有待提高,而人工神经网络是一种多元非线性动力学系统,可以灵活方便地对多成因的复杂未知系统进行高度建模,实现全面考虑各种主要影响因素的深基坑周边地表沉降变形预测。本文介绍了误差反向传播(BP)网络模型的结构、学习过程及其算法的改进,径向基函数(RBF)网络模型的结构及其学习过程;分析了影响深基坑开挖周边土体沉降变形的主要影响因素;以25个基坑工程的地表沉降实测资料为训练样本,建立了11个输入影响因素的BP神经网络模型和RBF神经网络模型,通过对样本的学习训练过程及对5个检验样本的预测精度,说明了人工神经网络用于预测基坑周边地表沉降的可行性和准确性。

基于粒子群参数优化的ELM神经网络的矿区地表变形预测模型

针对传统的BP和RBF等智能算法在进行矿区地表变形预测时易出现学习速度慢、易陷入局部极小和网络结构中参数选取不准确等问题,提出了一种基于微粒群优化(Particle Swarm Optimization,PSO)极限学习机(Extreme Learning Machine,ELM)的矿区地表变形预测模型,利用PSO算法优化ELM中的连接权值和阈值,从而提高模型最后预测的精度。以山西省某矿区的地表变形监测数据为例,将PSOELM与BP、RBF和未经优化的ELM模型预测结果进行对比,实验结果表明:PSO-ELM模型预测精度最高,泛化能力强,算法稳定,在矿区的地表变形预测方面具有一定的推广价值。

一种新的不变矩与神经网络玉米病害识别系统

基于不变矩理论,对玉米病害图像进行二值化、图像归一化处理,提出一种新的、具有较好逼近能力和较强容错能力的RBF-BP神经网络识别系统。利用Hu不变矩特征的平移不变性、比例不变性、旋转不变性和对目标良好的抗干扰性等特性,处理复杂、多变的玉米病害图像,形成不变矩特征矢量样本库。根据Hu不变矩在提取图像特征过程中的可靠性、独立性及数目小的特点和RBF-BP神经网络在识别过程中较好收敛性特点,对玉米病害图像进行特征提取、网络训练和病害特征的识别。仿真实验结果表明RBF-BP神经网络系统的有效性。

基于蚁狮算法优化的BP-RBF功放行为模型研究

为了准确描述射频功率放大器特性,在仿真过程中,建立一个良好的功放行为模型就变得极其关键。文中提出了一种基于蚁狮算法(Ant Lion Optimizer,ALO)优化的BP-RBF级联神经网络射频功放行为模型,首先,采用飞思卡尔半导体芯片设计射频功放电路,对从设计的电路中提取出的电压数据进行处理,然后利用蚁狮种群中的多个个体并行寻优的能力,优化BP-RBF神经网络的权值和阈值,对改进优化后的ALOBP-RBF神经网络模型进行MATLAB仿真,通过比较电压均方根误差验证模型精确性。仿真结果表明,相比于BP-RBF、GABP-RBF模型,该模型具有更高的精度、更快的收敛速度,可以精确地模拟功率放大器的特性,对射频电路的建模具有重要意义。

人工神经网络光度法同时测定水中Fe(II)、Fe(III)

应用径向基函数人工神经网络(RBF)和误差反向传播神经网络(BP),采用磺基水杨酸-邻菲罗啉双显色剂光度法同时分析了水中Fe(II)和Fe(III)。实验证明,RBF算法在所需神经元个数、训练时间、预测准确度等方面均明显优于BP网络算法。该技术和光度法结合有望成为多组分分析的有效选择方法之一。

火炮多柔体动力学结构优化研究

针对现有动力学优化方法很难对多体系统中的柔性体进行结构优化的问题,提出结合多学科代理模型法和改进的非支配排序遗传算法的多柔体动力学优化方法。以火炮炮口振动参数为输出,柔体模态参数和部分火炮总体参数为输入,在已验证的多体刚柔耦合模型的基础上,采用径向基函数-反向传播神经网络建立了具有良好泛化能力和预测精度的代理模型。利用改进的非支配排序遗传算法对各炮口振动参数进行动力学优化,采用max-min准则从优化得到的Pareto最优解集中优选出一个较为兼顾各优化目标的解,与原模型结果对比,优化效果明显。该方法能用于火炮多柔体动力学结构优化,也为火炮总体结构设计和相关优化提供了一定的参考。

多层厚度电涡流检测反演算法及实验研究

介绍了有限截面线圈置于多层结构上方的阻抗变化数学模型,研究了根据检测电压变化值反演厚度的3种算法模型:最小二乘数值优化逼近、反向传播神经网络及径向基函数网络模型,结合1个两层厚度检测的例子进行了比较分析,指出BP神经网络模型在多层厚度反演中具有良好的稳健性。