防砂方法优选的B-P神经网络模型

根据神经网络原理,建立了基于B-P网络的防砂方法优选模型。经算例计算,网络训练具有较好的收敛性,同时也得到了较好的识别诊断输出结果,表明将B-P神经网络应用于防砂方法的优选是合理可行的。

水泥乳化沥青混合料路面压实工艺参数研究

为了精准预测水泥乳化沥青混合料路面达到目标密实度所需的压路机压实工艺参数组合,基于该混合料压实流变时变特性及压实Bodner-Partom(B-P)本构模型,采用数值仿真和路面压实试验相结合的方法开展研究。首先对ANSYS进行二次开发得到B-P材料模型,然后将阶段性变化的B-P模型参数代入压实组合仿真分析中,最后开展路面压实试验,进一步得到压实工艺参数优化组合。数值仿真研究结果表明:由仿真结果得到3个低频高幅高速组合,3个组合作用后沿轮宽方向的混合料竖向应变值减小幅度均较大,在路面深度6 cm处的混合料竖向应变衰减幅度值均较小,其中组合六的衰减幅度值为最小,路面目标成型厚度可控制在7 cm以下。路面压实试验表明,组合六(低频高幅高速压实6遍)的有效压实能量偏大,应将组合六的压实遍数优化为:低频高幅高速压实5遍+高频低幅高速压实2遍。

基于B-P神经网络的环境空气质量预测模型

B-P神经网络是一种刻画非线性现象的强有力工具,可以将它应用到环境空气质量预测中。B-P神经网络针对不同的监测项目,根据不同的气象特征因子,将污染源排放数据为输入因子,监测点位监测数据作为输出因子,形成多组训练样本,进行学习训练,建立起不同的预测网络。然后用空气污染源排放监测数据输入相同气象条件的、已调整好权值的B-P神经网络系统,即可输出该项污染物的监测点位预测监测值。实验证明B-P神经网络预测模型取得了较好的结果,比现有预测模型具有更大的优势。

应用B-P材料模型分析高温合金GH536试样的热粘塑性特性

将 Bondner- Partom模型与等效应力函数算法相结合 ,对热粘塑性材料的非弹性变形和应力分析的有限元方法进行了研究 ;并对该模型引入大型工程分析软件 MARC的方法进行了研究。应用所编程序对高温合金 GH5 36带缺口试件的热弹塑性行为进行了分析。研究表明 ,应用 B-

我国股权风险溢价的长期趋势与短期特征——结合门限自回归模型与B-P多重结构型断点检验的经验研究

经过20余年的高速扩张,我国证券市场建设在取得可喜成就的同时,市场的发展与改革已进入"深水区"。如何在准确找出问题的基础上有的放矢地推进市场改革,成为监管层与学界关注的焦点。以股权风险溢价为切入点,透视我国证券市场的发展历程,通过定量研究明确我国市场的特征,为找出发展过程中的问题与不足奠定基础。研究发现:从整体来看,我国溢价的算术均值较高,但各年度的溢价水平起伏不定。在多数年份,我国证券市场金融资产的风险与收益出现错配,市场高溢价与高波动性并存。从溢价的长短期趋势来看,我国的长期股权风险溢价在统计意义上数据序列平稳,存在与西方成熟市场国家相似的均值回归趋势;但影响溢价的结构性突变因素仍显著存在,局部溢价特征与我国宏观经济的稳健增势呈背离之势。

基于B-P神经网络的城市大气SO2浓度预测

基于B-P神经网络的原理和方法,利用西南某市1991-2009年的统计数据,建立城市大气SO2浓度预测模型,对西南某市大气SO2浓度进行预测。结果表明,B-P神经网络方法在城市大气SO2浓度预测方面具有合理高效、精确度高、适应力强等特点,值得应用与推广。

Prediction of SO_2 Concentration in Urban Atmosphere Based on B-P Neural Network

Base on the principle and method of B-P neural network,the prediction model of SO2 concentration in urban atmosphere was established by using the statistical data of a city in southwest China from 1991 to 2009,so as to forecast atmospheric SO2 concentration in a city of southwest China.The results showed that B-P neural network applied in the prediction of SO2 concentration in urban atmosphere was reasonable and efficient with high accuracy and wide adaptability,so it was worthy to be popularized.

参数调整对气象预测的B-P网络模型性能的影响

为了探索ＢＰ网络的参数调整特性，进行了参数α、β的选取对ＢＰ算法的收敛速度和模型的稳定性的影响研究。通过ＢＰ网络用于气象预测建模的参数调整个例分析表明：参数α、β的取值对ＢＰ模型的稳定性无显著影响，但参数值的调整尤其是β值的调整对建模的收敛速度有明显的影响。

Fe-B-P非晶合金磁矩的理论计算

基于固体与分子经验电子理论,采用平均原子模型和非晶的近程有序模型,构建Fe-B-P非晶合金的类晶胞结构,计算了Fe-B-P非晶合金的价电子结构参数和磁矩值。计算得到,当Fe取甲种杂化的第6杂化态,B取第1杂化态,P取第2杂化态时,Fe-B-P非晶合金的磁矩值为0.1110 A·m2/g,与实测值误差为2.72%,满足一级近似要求,初步实现了从价电子层次上研究非晶Fe-B-P合金的软磁性能,这对于优化Fe-B-P非晶合金的性能将具有理论指导意义。

基于B-P神经网络优化算法的城市环境空气中PM_(10)浓度预测模型

将B—P神经网络应用于西安市环境空气中P10浓度预测，对网络结构和算法进行了优化，建立了PM10浓度预测模型。经验证模型精确度比较高，PM10日平均浓度绝对误差0．015～0．020mg／m^3，相对误差在-20％～20％范围内。

再生水受纳河流自然入渗过程中B(a)P对浅层地下水的影响预测

在调查和监测再生水受纳河流凉水河中苯并芘[B(a)P]浓度的基础上,利用Hydrus-1D耦合GMS模型研究B(a)P的时空分布和迁移演变,预测再生水受纳河流对地下水水质的影响。结果表明:B(a)P在包气带的垂直入渗率为0.102 m^(-1),仅为水运移的0.73%。由于吸附和生物降解作用,B(a)P穿透16 m深的包气带时间约为63年,其中吸附和生物降解的贡献率分别为78.4%和19.3%。当B(a)P与地下水相交,受地下水流的推动,B(a)P的迁移以地下水流方向迁移为主。B(a)P在地下水中沿地下水流方向的迁移速率为6.65 m/a,分别为垂直地下水流方向和垂向迁移速率的2.42倍和16.22倍。时空分布表明,地下水中B(a)P浓度随与河流距离的增加而降低,其在平行地下水流方向、垂直地下水流方向和垂向的衰减率常数分别为1.19×10^(-4)、3.05×10^(-4)和3.67×10^(-3)m^(-1),与迁移率呈负相关。然而,地下水中B(a)P浓度随入渗时间的延长而增加,积累率为7.3×10-2d^(-1)。B(a)P的迁移和积累对以地下水为饮用水的沿岸居民造成潜在的危害,导致地下水安全利用范围在20年内将从平行地下水流方向、垂直地下水流方向和垂向的438、276和19.8 m分别缩减至568、324和27.7 m。

基于B-S模型新材料产业投资价值评估分析——以时代新材为例

新材料产业是“十四五”时期中国着力培育发展的战略性新兴产业,对推动传统产业转型升级,具有十分重要的战略意义。新材料行业是高新技术产业化应用最广泛的领域之一,具有相对较好的发展前景。基于此,选择时代新材作为案例对象,在B-S模型的基础上,以财务视角进行研究。同时,与其他估值方法相结合,对新材料企业的投资价值分析进行研究,对于新材料企业实现可持续增长具有重大意义。

地下工程围岩稳定性分类的人工神经网络模型

本文基于人工神经网络的一典型模型──误差反传模型，根据《水利隧洞设计规范》及国内外围岩分类经验用插值法构造学习样本，建立了地下工程围岩稳定性分类的神经网络模型。研究表明，该模型具有较好的分类能力及较高的分辨率，可望成为地下工程围岩稳定性分类的有效手段。

基于数据挖掘的财务预警模型设计与实现

利用决策树算法在筛选属性方面的优势,对传统ID3算法进行了改进,建立了一个精简的财务指标体系。然后,利用人工神经网络在建立财务预警模型方面优于其他线性和回归模型的特点,基于B-P模型构建了一个新的混合财务预警模型。最后,本文利用测试集中样本,将该模型与经典的Z计分模型的预警能力从第一错误率和第二错误率两个角度加以比较。通过实际样本的分析对本文建立的财务预警模型的预警能力进行了很好的验证。

大型钢铁企业电力负荷的短期预测研究

分析某大型钢铁企业电力负荷的特点,采用小波变换与BP人工神经网络相结合的方法,根据实际数据对其电力负荷进行短期预测,并与BP人工神经网络方法的结果进行比较,结果表明通过小波变换处理过的数据,各负荷分量特性相对一致,预测性能提高。

综合环境质量的B－P网络二级评价

为了探索人工神经网络应用于环境质量评价的可行性和合理性，应用人工神经网络的Ｂ－Ｐ模型，构造了大气、水质和噪声的综合环境质量的Ｂ－Ｐ网络二级评价模型。并将该模型应用于实例作效果检验。结果表明Ｂ－Ｐ网络用于环境质量评价适应性强，方法可行，结果合理。

BP神经网络在钻孔测井资料分类识别杂卤石中的研究

以BP神经网络理论和测井解释为基础,测井数据作为输入,构建神经网络模型。对川中地区下中三叠统杂卤石层做精细识别,将识别结果与录井资料对比,正确率达到86.3%,在改变约束条件的情况下正确率达到97.7%,识别效果好;以杂卤石含量高低对测井响应值的影响程度不同为依据,构建杂卤石层分类识别模型,模型识别正确率达到82.51%,能较为准确且快速地识别出杂卤石层、石膏质杂卤石层和杂卤石膏岩层,与常规测井解释方法相比具有明显优势。结果表明,将BP神经网络运用到钾矿勘探中具有良好前景。

矿山灾害评价的BP-神经网络模型研究

人工神经网络具有自适应机制,通过训练和学习,达到对知识进行分类、模式判别、联想记忆等能力。矿山开采引发的灾害评估问题可以看作是一个模式识别问题。利用BP神经网络建立了一类矿山灾害评估模型,给出了计算方法,并以单隐层和双隐层两种网络结构使用实例做了计算和分析,验证了模型的正确性。

应用遥感数据识别意大利沿海松林灾害级别

分析了 L andsat TM和 ERS- 1SAR数据用于识别意大利沿海松林污染灾害级别的潜在能力。结果显示出夏季获取的 TM数据在森林灾害制图上远比冬季获取的 TM数据和 SAR影像有效 ,但 SAR影像的贡献也是不可忽略的。文中给出了应用人工神经元网络 B- P模型得到的对意大利沿海松林污染灾害级别划分的结果和应用

陕西省人工神经元网络降水年、季度预报系统

利用Ｂ－Ｐ人工神经元网络进行了陕西省年度、季度降水预报试验，提出了利用０～１模型解决多等级预报问题的方法，并建立了年度、季度等级预报模型。经过试验，表明该方法预报效果良好。最后对模式在应用中的一些问题及与目前其它预报模型的差异等进行了讨论。