基于神经网络的数字识别的研究

数字识别在很多重要领域有着广泛的应用。通过对人工神经元网络的研究与学习,提出了一种基于神经网络的数字识别方法,并作了大量的试验,取得了满意的结果。对于印刷体数字的识别率达到了100%,对于手写体数字的识别也达到了98%以上。

可控拉深筋高强度钢板盒形件拉深工艺数值仿真

拉深筋高度变化对板料成形时的拉深阻力影响显著,而高强度钢板又是当今难成形板料之一,为此提出可控拉深筋技术以提高高强度钢板成形性能。建立JAC590Y高强度钢板固定拉深筋盒形件拉深成形数值模拟模型及实验装置,通过模拟和实验结果对比分析,得到不同拉深筋高度对高强度钢板成形性能影响显著。依据板料拉深过程中拉深力变化规律设计上升——停止——下降的可控拉深筋运动路径,将此路径应用到类似盒形件的高强度钢板汽车引擎盖边板拉深成形中,获得成形良好的20组方案且可控拉深筋对零件最小厚度影响显著。最终对这20组零件最小厚度均值进行极差分析,得到可控拉深筋最优路径组合及主要影响因子H2,通过GA-BP神经网络及回归分析预测因子H2影响下零件最小厚度变化规律。

基于小波分析的短期电力负荷组合预测方法

为了提高电力系统短期负荷预测的精度,提出了基于小波分析的人工神经网络(ANN)和累积式自回归滑动平均(ARIMA)模型的组合预测方法。针对电力系统负荷具有拟周期性、非平稳性和非线性的特点,首先利用小波变换对负荷序列进行小波分解与单支重构,得到各频段上的近似序列和细节序列。根据各序列的自身特点,将经奇异性检测后的数据分别采用相匹配的BP模型和ARIMA模型进行预测,最后将各负荷序列的预测结果加以组合得到最终的预测结果。经实际算例验证,该方法能够有效地提高预测精度。

基于BP神经网络构建矿床地质模型的估值方法

为了解决数字化空间三维模型中数据样本点不足的问题,采用经典BP网络的基本原理,研究了地质变量与其影响因素之间的非线性映像关系,并建立了地质变量参数估值计算神经网络模型的基本结构,从而提出了基于人工神经网络原理建立地质模型的估值方法。结果表明:该方法能较好的决绝地质矿床的各向异性、非线性等问题,弥补了传统估值方法的不足,为地质建模的插值计算提供了理论工具,具有一定的指导意义。

基于BP网络的钢骨高强混凝土框架边节点设计

为了研究钢骨高强混凝土柱/钢筋高强混凝土梁框架边节点的承载力,在实验研究的基础上,分析了钢骨高强混凝土柱/钢筋高强混凝土梁框架边节点承载力的组成,明确了钢骨、钢强混凝土和箍筋所提供的承载力的计算方法,确定了钢骨高强混凝土柱/钢筋高强混凝土梁框架边节点承载力的计算公式。利用神经网络的原理,建立了钢骨高强混凝土柱/钢筋高强混凝土梁框架边节点承载力的BP神经网络模型,并根据试验结果,对网络进行训练,使其具有分析和判断的功能,从而形成一种新型的设计方法。

骨髓细胞分割与识别方法的研究

针对骨髓细胞图像的特点,采用数学形态学的方法对图像进行了处理,获得了不同类型细胞核的准确的边缘。对于获得的边缘图像,采用两级神经网络,利用基于神经网络的PCA算法获得图像的3个主分量,然后采用模拟退火算法和BP算法进行细胞的分类识别,获得了较好的识别效果。

铁路路基冻胀的自适应定量预测模型

针对严寒地区路基冻胀的定量预测,提出一种优化灰色与神经网络组合模型。采用设置时距权值矩阵、微分方程背景值优化和模型初值优化的方式,对传统的非等时距GM(1,1)预测模型进行优化,并对初始预测残差采用BP神经网络进行修正。选取哈大客运专线某区段2013-12~2014-01路基冻胀数据,利用该模型对其进行拟合与预测,所建立的冻胀预测模型精度值达到0.984,后验差比达到0.108 6,平均预测误差值1.46%,与现有GM(1,1)和BP网络模型相比,预测结果精度明显提高,实现了对路基冻胀较高精度的定量预测。

基于人工神经网络的施工安全性预警模型研究

在研究施工安全性特征的基础上,提出了施工安全性评价指标体系,结合人工神经网络模型,提出了基于人工神经网络的施工安全性预警模型,最后结合实例验证了该安全预警模型的可行性。

基于车联网数据挖掘的驾驶员行为分析

随着汽车数量持续增加,车与路的矛盾日益突出,由此引发了交通运输和管理问题.而智能交通技术和车联网技术是解决交通拥堵和管理问题的有效途径.因此,运用数据挖掘的方法,使用isolation forest算法和SOM算法对车联网技术采集的交通数据进行预处理并提取特征值,再通过K-mesns聚类算法归类并添加标签,最后通过BP神经网络构建分类器,实现了对驾驶员驾驶行为的分类和评价,实例计算结果表明,该算法能客观、有效的评价驾驶员驾驶行为,对交管部门、汽车营运企业有具有一定参考价值.

基于BP神经网络的继电保护状态预警研究

继电保护装置是智能变电站的重要设备之一,正确评估其状态是确保电力系统安全运行的重要保证。本文从继电保护设备的运行数据出发,探索设备告警与设备故障的关系。采用BP(Back Propagation)网络方法实现继电保护状态评价和设备隐患预警;针对BP网络的难以处理离散状态问题,提出了基于统计阈值判定的BP网络。经过安徽电网继电保护设备的运行数据检验,本文提出的算法能形成对设备的状态评价,基本与运行设备的数据统计信息相符。

BP网络在环境监测中的应用

本文介绍了BP网络的结构和学习规则及其在环境监测中的应用 ,指出人工神经网络在环境监测中的优越性。

基于BP神经网络(自编码)的恒星大气物理参数估计

恒星大气物理参数估计(有效温度Teff、表面重力加速度log g、化学丰度[Fe/H])是探索恒星本质的首要任务。斯隆数字巡天(SDSS)和郭守敬望远镜(LAMOST)等大规模巡天望远镜正以前所未有的速度获取海量的恒星光谱数据,这为星系研究带来了新的机遇和挑战。传统的方法已不能适应如此庞大的数据量,直接从光谱中估计估计大气参数变得非常必要。提出了一种新的从恒星光谱中自动估计大气参数的回归模型BP神经网络(自编码),在20000条斯隆数字巡天(SDSS)实测光谱上做了实验研究。实验结果用平均绝对误差来描述,三个恒星大气物理参数的精度分别为log Teff:0.0079,log g:0.2408,[Fe/H]:0.1773。