S-CO_(2)介质止推箔片气体动压轴承特性研究

针对超临界二氧化碳(SupercriticalCarbon Dioxide,S-CO_(2))润滑波箔型止推箔片气体动压轴承,通过反向传播(Back Propagation,BP)神经网络算法提出S-CO_(2)的物性模型,并考虑轴承工作时的非理想气体效应,提出考虑湍流效应气体润滑模型、箔片结构力学模型和气膜平均温升计算方法,对止推箔片气体动压轴承的静动态特性进行研究,并分析不同结构参数对箔片气体轴承静动态特性的影响规律.结果表明,本文提出的物性模型准确度高,相关系数高达99.997%.以S-CO_(2)为润滑介质的止推箔片气体动压轴承具有更高的承载力,且在适当范围内减小最小初始气膜厚度或增加膜厚比可以提高轴承的承载力.以S-CO_(2)为介质的止推箔片气体动压轴承的动态刚度系数和动态阻尼系数均远高于常温常压空气介质下的止推箔片气体动压轴承.随着最小初始气膜厚度减小,轴承的动态刚度系数和动态阻尼系数均迅速增加.

基于GA-BP神经网络的月生活需水预测——以黄河流域为例

在水利高质量发展的背景下,为了更精准地反映未来需水情势,探索月尺度需水的预测方法十分必要,有利于有效规划和管理供水系统以解决水资源短缺问题。以黄河流域9个省区为例,对月生活用水规律进行分析,通过奇异谱分析(singular spectrum analysis,SSA)法对用水规律进行验证,引入遗传算法对BP神经网络预测模型进行改进,分别建立基于时间序列的单变量模型和基于影响因子的多变量模型,并将预测结果与BP神经网络模型预测结果进行比较。结果表明:改进预测模型对各省区2020年月生活需水量预测的平均相对误差基本在5%以内,精度优于BP神经网络模型,对水资源精细化管理具有一定的参考价值。

水星可照时间与搜索半径影响因素研究

采用光线追踪算法模拟起伏地形下的可照时间时,随着对地形遮蔽状况进行搜索的半径不同将直接影响到可照时间计算的准确性与高效性.本研究基于DEM数据,针对水星独特的轨道运动特征,太阳高度角随水星运动变化缓慢的特点,研究了水星2种典型地貌下不同太阳高度角的搜索半径和基于搜索半径的平均可照时间变化状况.同时构建了以5种影响搜索半径与可照时间的因子作为输入变量,分别以搜索半径与平均可照时间作为输出变量的BP神经网络.模型通过了检验,5种影响因子与搜索半径影响的显著性由高到低:太阳高度角>高程标准差>地形开阔度平均值>地形起伏度>地表粗糙度平均值;与平均可照时间影响的显著性由高到低:太阳高度角>高程标准差>地表粗糙度平均值>地形开阔度平均值>地形起伏度.该模型可为计算水星最搜索半径以及可照时间提供参考.

基于BP神经网络的5G覆盖三维化方案研究

针对楼宇内5G覆盖分层准确性差的问题,在依据高度数据分层的基础上,提出了一种基于气压值的分层方法,利用BP神经网络建立分析模型,精准定位5G网络室内采样点的海拔和楼层,实现楼宇5G覆盖的精准分析,为5G室内分布精准建设提供支撑。分析结果显示,在95%的置信水平下,与多元线性拟合函数、拉普拉斯压高方程相比,BP神经网络的标准误差值仅有0.000295,性能表现最优,能够有效提升5G覆盖分层的准确率。

基于神经网络的钻探事故类型判别模型研究

钻探孔内事故会造成严重的损失,若钻探设备能及时判断孔内事故类型,则可缩短事故处理时间,遏制事态发展。提出了一种基于神经网络的钻探事故类型判别模型。为了优选不同神经网络在事故类型判别时的正确率,在Matlab的nntool工具箱中分别构建了BP、RBF两种神经网络模型,将某矿区施工参数变化趋势作为输入参数,通过仿真试验发现,BP神经网络中表现最好的是LM、BR算法,RBF神经网络中表现最好的是PNN算法,三者准确率均可在90%以上,但BP神经网络容易陷入局部最优,性能不稳定,偶有判别错误的现象,而PNN神经网络无此局限,且不需要训练。通过对比,PNN算法更适用于事故类型判别模型建立。

高压电缆运行数字化分析关键技术研究

针对高压电能输送领域存在线缆运行多状态量数据监测不足、故障定位准确度差和消除不及时的难题,提出了一种一体化的智能技术方案。以各传感器、数据监测中心和地区电网数据服务器为硬件平台,将检测到的信号发送到服务器进行滤波变换、分析计算,通过构建改进型经验小波变换的故障定位算法实现高压电缆故障位置评估,通过MEA-BP网络算法模型实现高压电缆运行的故障分析和类型识别。实验表明,提出的方法极大地减少了故障的处理时间,提高了故障定位的精准度。

基于LSTM和BP神经网络模型的净初级生产力预测

为研究在气候变化与人类活动影响下植物的净初级生产率(Net Primary Productivity,NPP)并加以预测,以利于研究气候变化和人类活动影响下植被净初级生产力。为此,首先收集2001~2015年的温度、降水、NDVI、NPP数据,并对数据集进行预处理;进而构建起了基于时间顺序的BP神经网络预测模式和LSTM神经网络预测模式,并利用2种模式对NPP及其影响因素进行了分类与预测;最后,再将2种预测模式的实测结果加以比较。结果显示,BP神经网络模型在估计NPP方面的偏差,较LSTM神经网络模型更少。

浙江桐乡光伏电站临近区域净太阳辐射变化特征及预测技术研究

太阳辐射对光伏发电具有关键作用,因此,研究其变化特征及预测技术对光伏发电具有重要意义。过去的研究主要集中于大区域的太阳辐射时间变化和预测,对于光伏发电量的准确估算指导有限。本文利用桐乡光伏电站附近1950年~2020年的太阳辐射资料,采用多种方法分析其整体和年代际的变化特征、周期性规律,并对比不同预测模型的适用性。研究发现,太阳辐射整体呈现递减趋势,每10年减少12.125MJ。其中,20世纪80年代和21世纪初的递增趋势最为显著。此外,1956年和2011年为太阳辐射突变的关键年份。在周期性方面,存在2年~3年的短期、10年的中期和50年的长期周期。本文还建立了BP神经网络模型,与LSTM、DNN等算法相比,其预测精度更高,适用于该光伏电站的太阳辐射预测业务。这些结论有助于深入了解小区域的太阳辐射演变规律,对光伏电站发电量的准确估算和预测工作具有重要意义。

基于神经网络自整定PID控制策略及其仿真

提出了在RBF网络辨识Jacobian阵基础上,将BP网络引入PID控制参数在线整定的算法,算法可以实现PID控制参数的自动在线整定和优化;给出了在Matlab平台上实现算法的步骤;并通过实例仿真进一步证明了算法的可行性和优越性。

运用GA-BP神经网络研究时间序列的预测

神经网络能以任意精度逼近非线性函数,以神经网络为基础的时间序列预测模型能很好地反映信息的非线性发展趋势。该文在分析传统BP网络缺点的基础上,用具有良好全局搜索能力的遗传算法来改进神经网络。详细讨论了GA算法的优化神经网络初始权值和阈值的思想和理论。在阐述预测方法同时,用具体例证分析了GA-BP网络预测的性能和特点。结果表明,基于GA-BP神经网络在预测精度和适应性方面高于传统的BP神经网络。

基于仿射不变矩的神经网络目标识别

主要讨论了仿射不变矩及人工神经网络在模式识别中的应用,即使用BP网及BPX算法来模仿分类器,同时提取图像的3阶仿射不变矩作为特征输入建立对飞机图像的识别系统。

基于BP神经网络的棉花水分检测仪设计

采用2-6-1拓扑结构的BP神经网络,运用容阻脉冲转换、智能现场总线等技术,设计了能进行水分的非线性校正和温度补偿的便携式棉花水分检测装置。检测结果表明:经过BP神经网络校正和补偿后,在-20～50℃温度范围内,棉花水分在5%～15%时,测量误差小于±0.4%;棉花水分在15%～25%时测量误差小于±0.5%。该检测装置在很大程度上消除了温度变化对水分测量值的影响,提高了检测信号的抗干扰能力,满足了棉花水分智能检测的要求。

锦45块储层流动单元

正确地划分储层流动单元,对预测剩余油分布、调整开发方案、提高采收率都具有重要意义。采用多参数的聚类分析和模糊综合评价相结合的方法进行储层流动单元的划分,在此基础上应用BP网络技术对流动单元进行预测。研究表明,本区储层可以划分为Ⅰ、Ⅱ、Ⅲ、Ⅳ4类流动单元:其中Ⅰ类是该区储集性能最好的储层流动单元,虽然开发程度较高,大部分井已经关闭,但个别井目前仍具有一定的生产能力;Ⅱ类是该区储集性能较好的储层流动单元,水淹的程度较低,还存有一定的剩余油,是目前油田生产的主要区域;Ⅲ类是该区储集性能较差的流动单元,开发效果一般,动用程度较差,所以是油田进一步挖潜的区域;Ⅳ类是该区储集性能最差的流动单元,原始含油性很差,因此不是剩余油分布的主要区域。对各类流动单元特征进行了精细的分析,为油田综合治理提供了详细的地质依据。

基于BP神经网络模型的太湖悬浮物浓度遥感定量提取研究

构建了含有一个隐含层的两层BP神经网络反演模型,以TM数据的前4个波段的反射率作为输入,以悬浮物浓度值作为输出,成功反演了太湖水体的悬浮物浓度。

克隆选择算法在基坑支护位移反分析中的应用

在基坑工程中,传统的位移反分析方法计算量较大,不易掌握,且求得的岩土体力学性能参数的精度较低。为此,提出应用克隆选择算法求解位移反分析问题的新方法,其核心是采用BP网络为正演工具代替有限元方法,描述土体力学性能参数和位移的非线性映射,可减少计算量,并利用克隆选择算法为反演工具,通过反演分析确定土体力学性能参数,具有较高的精度。依据该反分析方法获得的岩土体力学性能参数又可以估算下一工况的基坑位移。仿真试验结果表明了新方法的可行性和有效性。

基于改进GA-BP神经网络的湿度传感器的温度补偿

针对自动气象站采用的HMP45D型湿度传感器测量精度易受温度影响的问题,通过对遗传算法中的编码方式、适应度函数和参数进行改进研究,利用改进的遗传算法(genetic algorithm,GA)对反向传播(back propagation,BP)神经网络的初始权值阈值进行优化,在较大的范围进行搜索,采用反向传播算法在较小范围内进行微调,优化网络结构和参数,提出了用改进遗传算法优化BP神经网络的方法,根据在多温度条件下湿度传感器的实测数据,对利用此方法建立的模型进行温度补偿研究,并结合一般BP神经网络方法进行分析比较。实验结果表明,该方法具有全局寻优能力,补偿精度高,收敛速度快,能够有效补偿温度对湿度传感器的影响,大大提高了湿度传感器的测量准确度。

基于神经网络的视频序列车牌定位算法

在研究静态汽车牌照定位算法的基础上,利用时间序列多帧图像信息量大的优势弥补以往单幅图像牌照定位的不足,研究了视频序列下的汽车牌照定位方法。针对静态图像的牌照定位问题,提出了一种新的基于字符边缘特征和神经网络的汽车牌照定位算法。将上述定位算法应用到视频单帧图像中的牌照定位,并依此为基础,在动态视频序列中,对连续抽取的帧图像进行定位检测,各得到若干候选牌照区,比较相邻帧之间对应候选区的匹配程度,以得到真正的牌照位置。实验结果表明,该方法的定位精度高,实用性强。

人工神经网络在风暴潮增水预报中的应用

本文根据1967～1982年间影响湛江站增水的热带气旋资料,选取了其中对湛江站增水影响比较显著的因子,运用人工神经网络中的BP算法,建立了湛江站风暴潮增水预报的人工神经网络模型,并使用贝叶斯优化算法提高了BP网络模型的预报能力,结果表明所建BP网络模型的训练拟合效果和预报效果都比较好.表明该网络模型可以用于湛江站风暴潮增水的预报.同时本文也为其它的港口、码头等近岸海洋工程风暴潮增水的预报提供了一个有效可行的方案.

基于神经网络的航空发动机滑油监测分析

提出了一种基于BP神经网络的航空发动机滑油金属含量预测方法,给出了运用自回归模型(AR模型)预测模型和神经网络进行预测的一般公式。将其应用于某型发动机滑油的铁金属含量预测,结果表明,与传统的AR预测模型相比,神经网络表现出优秀的推广能力。经过数值仿真得出AR模型仅能预测出序列的变化趋势;神经网络预测推广能力强、具有较强的鲁棒性和容错性,可以为发动机的监控提供重要的依据。

基于ASTER数据的石头口门水库水质参数定量遥感反演

提出了一种基于神经网络和遥感图像相结合的水质反演模型,构建了含有一个隐含层的两层BP神经网络反演模型。以石头口门水库为例,采用ASTER数据分析了石头口门水库水质污染状况,通过波段的DN值和常规监测数据建立能反映水质状况的污染物监测模型。以ASTER数据的前三个波段的反射率作为输入,溶解氧(DO),生化需氧量(BOD),氨氮(NH3-N)含量浓度作为输出,反演了石头口门水库的水质参数浓度。并给出石头口门水库水质污染状况分析,得出污染物浓度随着远离上游而增加。