MHMM和ANN法结合的语音识别方法

提出了一种改进的隐马尔柯夫模型（ＭＨＭＭ）方法，并在ＭＨＭＭ方法中结合进人工神经网络（ＡＮＮ）方法，以这种方法为基础建立了语音识别系统。实验结果表明，与隐马尔柯夫模型方法比较，新系统的识别率有所提高，从而，充分地显示了人工神经网络在语音识别中的可行性和有效性。

基于FEM-ANN法的Zr-4合金板材轧制有限元模型

文章基于FEM-ANN相结合的方法建立了Zr-4合金四辊板材精轧的有限元模型。模型的输入层为轧制过程中的轧辊直径、摩擦因数及轧辊速度,输出层为板材Von Mise应力数值。模型选用Traingdax算法、模型结构为3-7-1、动量因子为0.8、学习速率为0.6时,模型的R值为0.9。该模型具有模拟精度高、匀速速度快的优点,可有效地通过Zr-4合金板材轧制过程中的轧制工作辊直径、轧制摩擦力及轧制速度的各种参数模拟出对应板材受力图,为研究Zr-4合金的轧制工艺参数与板材表面受力之间的关系提供了一种新方法。

基于ANN方法预测柴油调和的凝点和冷滤点

根据南京炼油厂所提供的柴油调和凝点和冷滤点基础数据,用人工神经网络(ANN)的反向传播BP算法对凝点和冷滤点进行预测。提出了适宜的人工神经网络拓扑结构,讨论了BP算法中学习速率、动量系数及过拟合现象对网络的影响,通过实验数据的检验,证明了用ANN方法建立的柴油调和模型能有效地给出预测信息。研究表明,ANN方法比常用的调和系数模型、凝点指数模型、凝点换算因子模型等更能准确地关联和预报调和柴油的凝点和冷滤点。

鄂网水电厂洪水预报法及其改进用的 ANN 法

介绍了湖北电力系统水电厂汛期洪水预报和水库调度决策及控制运用基本情况；在分析水电厂洪水预报常规方法缺陷的基础上，提出了基于非线性分析的神经网络（ＡＮＮ）模型，并进行了实例计算和精度评价。该方法对于准确预报洪水，指导水库防洪，提高水库运行调度水平和经济效益具有良好作用。

AHP与ANN相结合的方法在居住环境质量评价中的应用

文章提出层次分析法(AHP)与人工神经网络法(ANN)相结合的评价方法。阐述了将2种方法相结合的评价过程和基本评价步骤,然后筛选了分别适合前后2种方法的评价指标体系,并选取12个住宅小区样本,进行了实际的居住环境质量评价。

并联式混合动力发动机神经网络法转矩预测与闭环控制

利用实际发动机的标定数据搭建了GT-Suite及Matlab/Simulink联合仿真模型,建立了基于进气和发动机状态参数的预测转矩反馈协同控制模块。对比了ANN法和现有发动机的标定脉谱插值预测(MAP)法2种方法下发动机稳态及瞬态转矩变化、升降挡等工况预测的结果误差,结果表明:稳态工况下MAP法较为可靠,低、中、高3种发动机转速下转矩预测波动小,误差比ANN法低1.31%、1.09%和1.52%;实际瞬态转矩跃变及阶跃工况下,ANN法较MAP法误差低5.62%和1.32%,升降挡工况下低1.93%和0.84%。

煤矿立井基岩含水层涌水危险ANN型脆弱性指数预测法

基于人工神经网络基本原理,对煤矿立井基岩含水层涌水危险性进行了预测。利用归纳分析得出的煤矿立井基岩含水层涌水主控因素,构建了煤矿立井基岩段含水层涌水危险ANN(Artificial Neural Network)型脆弱性指数预测模型,并将其运用于梵王寺煤矿副井基岩含水层涌水危险性预测工程实践。结果表明,脆弱性指数预测模型能够较好地评价立井基岩含水层涌水影响因素,预测结果对基岩段凿井施工具有重要参考价值。

森林生态系统涡度相关法碳通量长时间连续性缺失数据插补方法的比较

针对森林通量观测站涡度相关法碳通量观测普遍存在的长时间连续性数据缺失情景,为探究不同数据插补方法的有效性,以华北低丘山地栓皮栎人工混交林生态系统为例,以经EddyPro处理和质量控制的2017年3月1日-11月30日0.5h尺度净生态系统碳交换(NEE)数据为基准数据集,随机生成含有连续1、3、7、15和31d数据缺失的5类数据缺失集,重复10次,使用固定窗口平均昼夜变化法(MDV)、可变窗口平均昼夜变化法(MDC)、查表法(LUT)、非线性回归法(NLR)、边际分布采样法(MDS)、人工神经网络法(ANN)对缺失数据集进行插补,并将插补数据与实际观测数据进行对比,通过分析统计参数来评估不同方法的插补精度和稳定性,以评估不同方法的适用范围。结果表明:日间,当连续缺失少于15d时,ANN方法插补数据与实测数据间的R^(2)(决定系数)相对较高,NLR方法的R^(2)较低;LUT方法插补数据与实测数据间的相对均方根误差(RRMSE)较低,NLR方法的RRMSE较高。当缺失达到连续15d时,除NLR方法的R^(2)显著较低(P<0.05)外,其它方法间R^(2)差异不显著;LUT方法的RRMSE显著(P<0.05)较低,其它方法间RRMSE差异不显著。当缺失达到连续31d时,除NLR方法R^(2)显著较低(P<0.05)外,各方法间R^(2)和RRMSE无显著差异;MDV方法的平均绝对误差(MAE)出现较多异常值,各方法间的MAE开始出现分化的趋势。随着缺失片段长度的增加,除MDV方法外,各方法的R^(2)呈下降趋势,连续1d缺失与连续31d缺失情景下插补所得NEE与实测NEE的R^(2)差异显著(P<0.05);MDV和MDS方法的RRMSE呈增大趋势,连续1d缺失与连续31d缺失情景下的RRMSE差异显著(P<0.05),其它方法的RRMSE差异相对不显著。夜间,在各缺失情景下,ANN方法的R^(2)较高,LUT方法的R^(2)较低,二者之间差异显著(P<0.05);LUT方法的RRMSE最高,与其它方法存在显著差异(P<0.05)。在连续缺失大于31d的情景下,各方法的RRMSE差异均不显著。除LUT方法MAE显著(P<0.05)较高外,其它方法的MAE无明显差异。随着缺失片段长度的增加,MDC、MDS和ANN方法插补数据的R^(2)呈下降趋势,MDV和LUT的R^(2)始终无显著差异;各方法的RRMSE差异无显著变化。在对典型晴天0.5h尺度上NEE日变化趋势的还原方面,MDC方法性能相对较优。综上,NLR方法适用于气象数据完备、NEE数据连续缺失少于7d的情景;MDV或MDC方法适用于气象数据不可用或缺失严重、NEE数据连续缺失少于15d的情景;LUT和MDS方法则适用于气象数据缺失较少、NEE数据连续缺失少于15d的情景;ANN方法适用性相对较广,可用于气象数据缺失较少、NEE数据连续缺失长达31d的情景。

模式识别用于压电晶体传感器阵列定量检测有机蒸汽混合物

本文应用9个压电晶体组成传感器阵列,每片晶体上分别涂有不同种类的冠醚衍生物,用它来定量检测二元及三元有机蒸汽混合物,在数据处理中比较了两种模式识别方法—偏最小二乘法(PLS)和人工神经网络法(ANN),实验证明,ANN法在预测准确度上明显优于PLS法,本文还讨论了解决神经网络训练过拟合现象的方法.

基于动态来流的非稳态虹吸流动控制与优化

建立了具有两类自然动态来流的非稳态虹吸流动模型,利用计算流体动力学(CFD)方法分析来流条件对虹吸式流道性能的影响,得到30组实验数据样本.通过虹吸进口的累积动量分析,发现动态来流条件对非稳态虹吸性能影响较大,使用GA-ANN法对来流条件进行优化,当连续来流和小孔泄流两种来流比例为7∶1时虹吸效果最佳,可为虹吸流道设计及非稳态虹吸流动控制研究提供参考.

HCFCs和HFCs对流层寿命的预测

利用Ｃ—Ｈ键的Ｍｕｌｉｋｏｎ键重叠布局数，对甲烷的不完全氟氯取代物的对流层寿命用公式作了计算．对传统的人工神经网络法（ＡＮＮ）－反向传递算法（ＢＰ）作了改进．在电荷数这一量化参数基础上，用ＡＮＮ法对一碳和二碳的ＨＣＦＣｓ和ＨＦＣｓ的对流层寿命作了预测．