基于人工神经网络和Monte-Carlo法的混凝土配合比优化设计研究

结合BP人工神经网络和Monte Carlo随机试验法 ,建立混凝土配合比的直接优化设计模型 ,并开发出实用软件。该设计过程包括 :( 1 )首先建立配合比试验样本数据库 ,然后根据不同混凝土的设计要求 ,检索该数据库并动态建立网络模型 ;( 2 )以混凝土原材料和制作工艺作为输入单元 ,混凝土最终性能指标作为输出单元 ,训练、测试BP神经网络 ,并检验其可靠性 ;( 3)以建立的BP神经网络模型和其它配合比限制条件作为约束条件 ,混凝土单位成本作为优化目标建立Monte Carlo直接优化模型 ,设计出混凝土初步配合比 ;( 4 )按《普通混凝土配合比设计规程》对上述设计出的配合比进行试拌、调整 ,得到实际可使用配合比。

启动压力梯度预测的人工神经网络方法

针对低渗透多孔介质中存在启动压力梯度的问题,分析了影响启动压力梯度的主要因素.采用BP人工神经网络的方法对启动压力梯度进行预测,并结合岩心实际测定的启动压力梯度进行验证.研究结果表明,BP人工神经网络是一种较为有效的预测方法,具有较高的精度.该方法的应用,可以为低渗油田的开发提供可靠的基础数据,节省人力物力.

二次旋转设计和反向人工神经网络在铅、镉、汞、镍同时测定中的应用

利用二次通用旋转组合设计法建立了吸光度与显色剂、增敏剂用量及pH值之间的数学模型,进而得出使吸光度最大的显色剂用量、增敏剂用量及pH值。在优化的基础上,用B-P人工神经网络对Pb、Cd、Hg、Ni同时测定的数据进行解析,井与经典最小二乘法进行了对比,结果较准确。

三种水环境质量评价方法比较分析

针对目前关于水环境质量评价方法研究广泛,每一种方法的研究是为了客观和准确地反映水体水质的实际情况。选择B-P人工神经网络法、模糊综合评价法和灰色关联分析法,进行分析和比较,并以沈阳市南运河水环境质量评价为例,试图找出3种评价方法的优缺点和适用范围。