期刊文献+
共找到71篇文章
< 1 2 4 >
每页显示 20 50 100
Prediction of Injection-Production Ratio with BP Neural Network
1
作者 袁爱武 郑晓松 王东城 《Petroleum Science》 SCIE CAS CSCD 2004年第4期62-65,共4页
Injection of water to enhance oil production is commonplace, and improvements in understanding the process are economically important. This study examines predictive models of the injection-to-production ratio. First... Injection of water to enhance oil production is commonplace, and improvements in understanding the process are economically important. This study examines predictive models of the injection-to-production ratio. Firstly, the error between the fitting and actual injection-production ratio is calculated with such methods as the injection-production ratio and water-oil ratio method, the material balance method, the multiple regression method, the gray theory GM (1,1) model and the back-propogation (BP) neural network method by computer applications in this paper. The relative average errors calculated are respectively 1.67%, 1.08%, 19.2%, 1.38% and 0.88%. Secondly, the reasons for the errors from different prediction methods are analyzed theoretically, indicating that the prediction precision of the BP neural network method is high, and that it has a better self-adaptability, so that it can reflect the internal relationship between the injection-production ratio and the influencing factors. Therefore, the BP neural network method is suitable to the prediction of injection-production ratio. 展开更多
关键词 Injection-production ratio (IPR) BP neural network gray theory prediction
下载PDF
Artificial neural network techniques to predict the moisture ratio content during hot air drying and vacuum drying of Radix isatidis extract
2
作者 You-Lu Li Yao Liu +3 位作者 Jian Xu Yong-Ping Zhang Luo-Na Zhao Yan-Yan Miao 《Traditional Medicine Research》 2022年第1期28-34,共7页
Background:To predict the moisture ratio of Radix isatidis extract during drying.Methods:Artificial neural networks were designed using the MATLAB neural network toolbox to produce a moisture ratio prediction model of... Background:To predict the moisture ratio of Radix isatidis extract during drying.Methods:Artificial neural networks were designed using the MATLAB neural network toolbox to produce a moisture ratio prediction model of Radix isatidis extract during hot air drying and vacuum drying,where regression values and mean squared error were used as evaluation indexes to optimize the number of hidden layer nodes and determine the topological structure of artificial neural networks model.In addition,the drying curves for the different drying parameters were analyzed.Results:The optimal topological structure of the moisture ratio prediction model for hot air drying and vacuum drying of Radix isatidis extract were“4-9-1”and“5-9-1”respectively,and the regression values between the predicted value and the experimental value is close to 1.This indicates that it has a high prediction accuracy.The moisture ratio gradually decreases with an increase in the drying time,reducing the loading,initial moisture content,increasing the temperature,and pressure can shorten the drying time and improve the drying efficiency.Conclusion:Artificial neural networks technology has the advantages of rapid and accurate prediction,and can provide a theoretical basis and technical support for online prediction during the drying process of the extract. 展开更多
关键词 Radix isatidis extract artificial neural networks moisture ratio prediction hot air drying vacuum drying
下载PDF
Current Efficiency of Low Temperature Aluminum Electrolysis Studied by Neural Network
3
作者 Huimin Lu Zuxian Qiu +2 位作者 Keming Fang Fuming Wang Yanruo Hong( Metallurgy School, University of Science and Technology Beijing, Beijing 100083, China)( Department of Nonferrous Metallurgy, Northeastern University, Shenyang 110006, China) 《International Journal of Minerals,Metallurgy and Materials》 SCIE EI CAS CSCD 1999年第2期107-110,共4页
A prediction model for Current Efficiency (CE) of low temperature aluminum electrolysis (LTAE) with the low molar ratioelectfolyte of Na3AIF6-AIF3 - CaF2-MgF2-LiF -Al2O3 system was investigated based on artificial neu... A prediction model for Current Efficiency (CE) of low temperature aluminum electrolysis (LTAE) with the low molar ratioelectfolyte of Na3AIF6-AIF3 - CaF2-MgF2-LiF -Al2O3 system was investigated based on artificial neural network principles. The nonlinearmapping between CE of LATE and various electrolytic conditions was obtained from a number of experimental data and used to predictCE of LATE. The trsined neural networks possessed high precision and resulted in a good predicting effect. As a result, attificial neuralnetworks as a new cooperating and predicting technology provide a new approach to the further studies on low temperature aluminumelectrolysis. 展开更多
关键词 low temperatre aluminum electrolysis current efficiency neural network prediction model low molar ratio electrolyte
下载PDF
A Hybrid Method for Compression of Solar Radiation Data Using Neural Networks 被引量:1
4
作者 Bharath Chandra Mummadisetty Astha Puri +1 位作者 Ershad Sharifahmadian Shahram Latifi 《International Journal of Communications, Network and System Sciences》 2015年第6期217-228,共12页
The prediction of solar radiation is important for several applications in renewable energy research. There are a number of geographical variables which affect solar radiation prediction, the identification of these v... The prediction of solar radiation is important for several applications in renewable energy research. There are a number of geographical variables which affect solar radiation prediction, the identification of these variables for accurate solar radiation prediction is very important. This paper presents a hybrid method for the compression of solar radiation using predictive analysis. The prediction of minute wise solar radiation is performed by using different models of Artificial Neural Networks (ANN), namely Multi-layer perceptron neural network (MLPNN), Cascade feed forward back propagation (CFNN) and Elman back propagation (ELMNN). Root mean square error (RMSE) is used to evaluate the prediction accuracy of the three ANN models used. The information and knowledge gained from the present study could improve the accuracy of analysis concerning climate studies and help in congestion control. 展开更多
关键词 DATA Compression PREDICTIVE Analysis Artificial neural network Compression ratio Machine Learning CLIMATE DATA prediction
下载PDF
Neural Network Prediction Model for Ship Hydraulic Pressure Signal Under Wind Wave Background 被引量:1
5
作者 李松 张春华 石敏 《Journal of Shanghai Jiaotong university(Science)》 EI 2015年第2期224-227,共4页
The ship hydraulic pressure signal is one of the important characters for the target detection and recognition. At present, most of the researches on the detection focus on the ways in the time domain. The ways are us... The ship hydraulic pressure signal is one of the important characters for the target detection and recognition. At present, most of the researches on the detection focus on the ways in the time domain. The ways are usually invalid in the large wind wave background. In order to solve the problem efficiently, we present an effectual way to detect the ship using the ship hydraulic pressure signal. Firstly, the signature in the proposed method is decomposed by wavelet-transform technique and reconstructed at the low-frequency region. Then,a predictive model is set up by using the radial basis function(RBF) neural network. Finally, the signature predictive error is regarded as the testing signal which can be used to judge whether the target exists or does not.The practical result shows that the method can improve the signal to noise ratio(SNR) obviously. 展开更多
关键词 hydrodynamic pressure signal wavelet-transform radial basis function(RBF) neural network signal to noise ratio(SNR) predictive e
原文传递
Adaptive Air-Fuel Ratio Control with MLP Network 被引量:3
6
作者 Shi-Wei Wang Ding-Li Yu 《International Journal of Automation and computing》 EI 2005年第2期125-133,共9页
This paper presents an application of adaptive neural network model-based predictive control (MPC) to the air-fuel ratio of an engine simulation. A multi-layer perceptron (MLP) neural network is trained using two on-l... This paper presents an application of adaptive neural network model-based predictive control (MPC) to the air-fuel ratio of an engine simulation. A multi-layer perceptron (MLP) neural network is trained using two on-line training algorithms: a back propagation algorithm and a recursive least squares (RLS) algorithm. It is used to model parameter uncertainties in the nonlinear dynamics of internal combustion (IC) engines. Based on the adaptive model, an MPC strategy for controlling air-fuel ratio is realized, and its control performance compared with that of a traditional PI controller. A reduced Hessian method, a newly developed sequential quadratic programming (SQP) method for solving nonlinear programming (NLP) problems, is implemented to speed up nonlinear optimization in the MPC. Keywords Air-fuel ratio control - IC engine - adaptive neural networks - nonlinear programming - model predictive control Shi-Wei Wang PhD student, Liverpool John Moores University; MSc in Control Systems, University of Sheffield, 2003; BEng in Automatic Technology, Jilin University, 2000; Current research interests automotive engine control, model predictive control, sliding mode control, neural networks.Ding-Li Yu obtained B.Eng from Harbin Civil Engineering College, Harbin, China in 1981, M.Sc from Jilin University of Technology, Changchun, China in 1986 and PhD from Coventry University, U.K. in 1995, all in control engineering. He is currently a Reader in Process Control at Liverpool John Moores University, U.K. His current research interests are in process control, engine control, fault detection and adaptive neural nets. He is a member of SAFEPROCESS TC in IFAC and an associate editor of the IJMIC and the IJISS. 展开更多
关键词 Air-fuel ratio control IC engine adaptive neural networks nonlinear programming model predictive control
下载PDF
零担物流时序预测的SARIMA-GRU-BPNN组合模型及应用
7
作者 秦音 郭杜杜 +2 位作者 周飞 王庆庆 王洋 《计算机工程与应用》 CSCD 北大核心 2024年第19期297-308,共12页
针对零担物流的需求物流量显著季节性、非线性和随机性特征使其预测难度大的问题,提出一种零担物流时序预测的SARIMA-GRU-BPNN组合模型的预测方法。使用季节性分解模型将物流量分解为趋势、季节性及残差,对趋势分量采用季节性差分自回... 针对零担物流的需求物流量显著季节性、非线性和随机性特征使其预测难度大的问题,提出一种零担物流时序预测的SARIMA-GRU-BPNN组合模型的预测方法。使用季节性分解模型将物流量分解为趋势、季节性及残差,对趋势分量采用季节性差分自回归移动平均模型(SARIMA)拟合线性变化,对季节性分量采用门控循环神经网络(GRU)拟合季节性变化,对残差分量采用反向传播神经网络(BPNN)拟合非线性及随机性变化,组合重构得到最终预测值。实验结果表明,与自身单一模型SARIMA、GRU及BPNN相比,均方根误差(RMSE)分别降低31.5%、34.5%及47.1%;与其他单一模型灰色模型、支持向量机、长短期记忆网络及多元线性回归相比,RMSE分别降低71.3%、68.9%、54.4%及70.7%;与组合模型ARIMA-GRU、ARIMA-BPNN及ARIMA-SVM相比,RMSE分别降低31.0%、43.0%及56.1%,且趋势和季节性分量预测模型拟合优度达到92%和99%,有效降低整体预测误差,提升了预测精度和模型稳健性。 展开更多
关键词 零担物流 需求预测 时序分解 组合模型 人工神经网络
下载PDF
商用半挂汽车纵向避撞控制
8
作者 陈佳浩 魏民祥 +3 位作者 李军 王成东 徐志欣 邢致毓 《重庆理工大学学报(自然科学)》 CAS 北大核心 2024年第7期50-58,共9页
为降低商用半挂汽车在雨天湿滑路面等危险条件下的追尾事故发生率,基于魔术公式轮胎模型及递推最小二乘算法(RLS)估计路面附着系数,利用BP神经网络预测制动距离,提出一种基于实时制动距离预测(BDP)的安全距离模型,设计了分级避撞控制策... 为降低商用半挂汽车在雨天湿滑路面等危险条件下的追尾事故发生率,基于魔术公式轮胎模型及递推最小二乘算法(RLS)估计路面附着系数,利用BP神经网络预测制动距离,提出一种基于实时制动距离预测(BDP)的安全距离模型,设计了分级避撞控制策略。分别在高低附着系数路面的前车制动(CCRb)、前车静止(CCRs)、前车低速行驶(CCRm)3种工况下进行联合仿真,验证模型有效性。仿真结果表明:高附着系数路面上BDP模型和Mazda模型在3种工况下能够成功避免碰撞,制动结束时BDP模型的停车间距更小,更符合驾驶习惯且兼顾一定的行车效率及驾乘舒适性;低附着系数路面上Mazda模型仅在CCRm工况时成功避撞,BDP模型在3种工况下可以顺利避免碰撞的发生。BDP模型可以有效降低低附着系数路面的追尾事故发生率。 展开更多
关键词 半挂汽车 路面附着系数估计 BP神经网络 制动距离预测 纵向避撞控制
下载PDF
基于BP神经网络的原状土阻尼比智能预测法
9
作者 杨文保 朱恩赐 +3 位作者 吴琪 陈国兴 卢艺静 蒋家卫 《哈尔滨工程大学学报》 EI CAS CSCD 北大核心 2024年第8期1527-1533,共7页
为探究原状土阻尼比D随剪应变γ和土层深度H(上覆压力σ′_(m))的双向维度特征,本文对同一钻孔自地表至基岩深度范围内原状粉质黏土与粉土开展系列共振柱试验。利用BP神经网络技术深度挖掘、识别、学习原状土D的双向维度耦合规律,建立了... 为探究原状土阻尼比D随剪应变γ和土层深度H(上覆压力σ′_(m))的双向维度特征,本文对同一钻孔自地表至基岩深度范围内原状粉质黏土与粉土开展系列共振柱试验。利用BP神经网络技术深度挖掘、识别、学习原状土D的双向维度耦合规律,建立了D智能预测法。通过预测结果与试验数据的比较,得出基于BP神经网络的智能预测法可较好地适用于原状土D的双向维度特征预测。试验表明:原状土D与γ和H(σ′_(m))2个维度存在耦合相关。同一H(σ′_(m))维度时,D随γ增加呈现非线性上升规律;同一γ维度时,D随H(σ′_(m))增加呈现相反的降低规律;随着H(σ′_(m))维度的增加,D~γ整体非线性关系逐渐下倾伴随着增长速率逐级变缓。本文方法实现了原状土D在H(σ′_(m))和γ双向维度下的智能预测。 展开更多
关键词 原状土 阻尼比 共振柱试验 土层深度 剪应变 双向维度特征 BP神经网络 智能预测
下载PDF
一种基于GRU的氢燃料重卡汽车工况下锂离子电池温度预测模型 被引量:2
10
作者 闫志远 孙桓五 +1 位作者 刘世闯 赵立禹 《中国电机工程学报》 EI CSCD 北大核心 2024年第6期2330-2339,I0021,共11页
针对目前氢燃料重卡在行驶过程中,动力电池工况复杂、外表面温度变化难以预测、滞后时间长等问题,以氢燃料重卡锂离子动力电池外表面温度为研究对象,提出一种类交叉熵损失函数和自适应矩估计(adaptive moment estimation,Adam)优化的改... 针对目前氢燃料重卡在行驶过程中,动力电池工况复杂、外表面温度变化难以预测、滞后时间长等问题,以氢燃料重卡锂离子动力电池外表面温度为研究对象,提出一种类交叉熵损失函数和自适应矩估计(adaptive moment estimation,Adam)优化的改进型门控循环单元神经网络(gate recurrent unit,GRU),建立锂离子动力电池表面温度预测模型。该模型利用GRU神经网络的特殊门机制和全局处理能力,得到锂离子电池表面温度和电池充放电电流、电压、充放电时间、历史温度、当前温度以及环境温度之间的非线性关系。采用4个精度评价函数对预测模型进行评价:经过5种环境温度下的模拟工况实验,验证该模型的准确性。结果表明,基于GRU的电池温度预测模型的误差相对于反向传播(back propagation,BP)神经网络模型和循环神经网络模型(recurrent neural network,RNN)来说较小,说明GRU的锂离子电池温度预测模型具有更高的精度。该文为磷酸铁锂电池表面温度的精准预测提出了一种新的方法。 展开更多
关键词 氢燃料重卡 锂离子电池 温度预测模型 门控循环单元神经网络 深度学习
下载PDF
基于循环神经网络的超大直径盾构掘进地表沉降预测方法研究
11
作者 马川 盛光祖 +4 位作者 陈健 李义翔 黄兴 张建勇 文天 《河南科学》 2024年第4期558-566,共9页
为了研究超大直径盾构掘进过程地面沉降规律,以武汉市和平大道南延线盾构工程为研究对象,首先收集了超大直径盾构下穿过程掘进参数和地层地质参数,并使用盾构掘进过程深跨比描述超大直径盾构影响特征;其次,通过收集现场沉降测点数据分... 为了研究超大直径盾构掘进过程地面沉降规律,以武汉市和平大道南延线盾构工程为研究对象,首先收集了超大直径盾构下穿过程掘进参数和地层地质参数,并使用盾构掘进过程深跨比描述超大直径盾构影响特征;其次,通过收集现场沉降测点数据分析盾构隧道施工阶段地表沉降的影响范围,计算了90%、95%、99%三种置信区间下地表沉降影响范围;最后,选取不同范围内的多元时序数据作为输入参数,分别建立了基于贝叶斯优化算法(BO)的长短期记忆(LSTM)、BP神经网络和随机森林(RF)大直径盾构地面沉降预测模型.模型运行过程中,通过贝叶斯优化算法分别寻找三种不同模型下的最优超参数,并通过四种评价指标对比模型精度.结果如下:①在90%置信水平下三种算法均表现出最高精度,通过区间计算筛选有效输入参数能有效提高模型预测精度;②LSTM对隧道沉降的预测结果优于传统机器学习算法模型,MAPE最低达到8.91%,R^(2)达到90%. 展开更多
关键词 超大直径盾构 地表沉降预测 循环神经网络 深跨比
下载PDF
基于转矩需求和进气量广义预测的汽车发动机空燃比神经网络控制方法
12
作者 朱慧敏 颜天敏 +1 位作者 杨雪莉 林远鹏 《内燃机与配件》 2024年第13期18-20,共3页
分析燃烧特性与温度值,进行汽车发动机空燃比控制,但是忽略了发动机内部喷输油过程的延迟性影响,导致控制结果空燃比与理想值偏差较大。因此,提出基于转矩需求和进气量广义预测的汽车发动机空燃比神经网络控制方法。基于转矩需求分析汽... 分析燃烧特性与温度值,进行汽车发动机空燃比控制,但是忽略了发动机内部喷输油过程的延迟性影响,导致控制结果空燃比与理想值偏差较大。因此,提出基于转矩需求和进气量广义预测的汽车发动机空燃比神经网络控制方法。基于转矩需求分析汽车动力系数,针对发动机喷输油过程对发动机进气量进行广义上的预测,根据预测值对喷输油延迟进行补偿,优化空燃比控制律实现控制过程。实验结果表明:本文方法应用后得出的控制结果,表现出的空燃比变化与理想的14.7空燃比十分接近,控制效果较为优质,满足了汽车发动机燃烧质量的实际需求。 展开更多
关键词 汽车发动机 发动机空燃比 转矩需求 进气量广义预测 神经网络 空燃比控制
下载PDF
基于神经网络的露天矿车铲比预测方法研究 被引量:4
13
作者 董卫军 蔡美峰 李华锋 《金属矿山》 CAS 北大核心 1999年第1期17-19,共3页
针对矿山生产调度中汽车-电铲合理调配的问题,将神经网络理论应用于预测露天矿车铲比。应用表明,该方法预测精度高,适用性强。
关键词 车铲比 神经网络 预测 露天矿 生产调度 矿山
下载PDF
基于BP神经网络马尔科夫模型的径流量预测 被引量:25
14
作者 王义民 于兴杰 +1 位作者 畅建霞 黄强 《武汉大学学报(工学版)》 CAS CSCD 北大核心 2008年第5期14-17,57,共5页
讨论了马尔科夫链状态划分的黄金分割率法和"马氏性"检验法,并针对BP神经网络预测和马尔科夫预测的优缺点,提出了BP神经网络与马尔科夫相耦合的BP神经网络马尔科夫模型,以石泉水库年入库径流量为例,验证了该方法的可行性.
关键词 BP神经网络 马尔柯夫预测 黄金分割率 “马氏性”检验 径流量预测
下载PDF
煤层气井动态产能拟合与预测模型 被引量:22
15
作者 吕玉民 汤达祯 +2 位作者 李治平 邵先杰 许浩 《煤炭学报》 EI CAS CSCD 北大核心 2011年第9期1481-1485,共5页
基于现代人工智能理论和数理统计理论,建立了煤层气井动态产能拟合和预测的时间序列BP神经网络模型和月产/累产比值模型,并通过实例分别验证其在煤层气井产能拟合和预测中的有效性。应用实例表明,这两类模型均能很好地拟合煤层气井的生... 基于现代人工智能理论和数理统计理论,建立了煤层气井动态产能拟合和预测的时间序列BP神经网络模型和月产/累产比值模型,并通过实例分别验证其在煤层气井产能拟合和预测中的有效性。应用实例表明,这两类模型均能很好地拟合煤层气井的生产历史,并能进行准确定量预测,但各有差别。其中神经网络模型对数据点具有极高的拟合程度,且短期预测精度高,但中长期预测精度较差,因此,该模型适合对产气不稳定的气井进行短期产能预测;月产/累产比值模型对月产/累产比值的整体变化趋势具有较高的拟合程度,且中长期预测精度高,但模型的有效性取决于气井产能的稳定性,因此,该模型适用于预测产气稳定的气井产能。 展开更多
关键词 煤层气 动态产能 拟合与预测模型 神经网络 月产/累产比值
下载PDF
智能电网中无线传感器网络通信链路可靠性置信区间预测 被引量:19
16
作者 孙伟 陆伟 +3 位作者 李奇越 陈良锋 穆道明 王建平 《电力系统自动化》 EI CSCD 北大核心 2017年第4期29-34,77,共7页
实时准确的无线链路质量预测是保证智能电网厂、站区域通信链路可靠性的必要信息。无线链路质量信噪比时间序列所表现出的非线性和非平稳随机性的叠加是影响预测准确性的主要因素。为此,提出一种通信链路可靠性置信区间预测方法,通过对... 实时准确的无线链路质量预测是保证智能电网厂、站区域通信链路可靠性的必要信息。无线链路质量信噪比时间序列所表现出的非线性和非平稳随机性的叠加是影响预测准确性的主要因素。为此,提出一种通信链路可靠性置信区间预测方法,通过对无线链路质量的信噪比序列近似解耦处理,将其分解为非线性序列和非平稳随机序列,采用小波神经网络建立信噪比非线性序列和非平稳随机方差序列的预测模型,并用预测结果计算通信链路可靠性置信区间上、下界。最后,在实际的智能电网环境中验证了所提出的算法和结果。 展开更多
关键词 智能电网 无线链路质量预测 小波神经网络 信噪比 置信区间
下载PDF
珠江三角洲网河区顶点分水分沙变化及神经网络模型预测 被引量:19
17
作者 杨清书 罗章仁 +1 位作者 沈焕庭 杨干然 《水利学报》 EI CSCD 北大核心 2003年第6期56-60,共5页
作者根据西、北江干流高要、石角及西北江三角洲网河区顶点马口、三水共 4个水文站的流量、输沙率的月均序列进行统计 ,探讨近几十年来西北江三角洲网河区顶点分水分沙的季节变化和多年变化。分析结果表明 ,网河区顶点的分水分沙格局以 ... 作者根据西、北江干流高要、石角及西北江三角洲网河区顶点马口、三水共 4个水文站的流量、输沙率的月均序列进行统计 ,探讨近几十年来西北江三角洲网河区顶点分水分沙的季节变化和多年变化。分析结果表明 ,网河区顶点的分水分沙格局以 1993年为转折点 ,自 1993年后 ,水沙分配已发生了重大变化 ,三水站的分流比和分沙比突然增大 ,分流比约增大了一倍 ,保持在 2 0 %以上 ,分沙比在 16%以上。应用非线性神经网络模型对马口、三水两水文站的分流比和分沙比进行建模 ,并对网河区顶点的分水分沙变化趋势作多步预测 ,结果表明 ,1998~ 2 0 0 0年三水站的分流比均在 2 5 %以上 ;1998年的分沙比较小 ,预测值为 12 % ,1999年和 2 0 0 0年的预测值分别是 15 %、 16%。 展开更多
关键词 分水分沙 神经网络 预测 珠江三角洲
下载PDF
基于人工神经网络的混凝土抗压强度预测方法 被引量:33
18
作者 季韬 林挺伟 林旭健 《建筑材料学报》 EI CAS CSCD 2005年第6期677-681,共5页
在给出混凝土等效水灰比和骨料平均浆体厚度计算方法的基础上,采用人工神经网络方法,建立了混凝土28 d抗压强度与混凝土等效水灰比、骨料平均浆体厚度和粉煤灰与胶凝材料用量比之间的非线性映射关系.该研究成果可减少混凝土试配次数,节... 在给出混凝土等效水灰比和骨料平均浆体厚度计算方法的基础上,采用人工神经网络方法,建立了混凝土28 d抗压强度与混凝土等效水灰比、骨料平均浆体厚度和粉煤灰与胶凝材料用量比之间的非线性映射关系.该研究成果可减少混凝土试配次数,节约大量人力、物力和时间,并为高体积稳定性混凝土配合比设计方法的研究进一步奠定了基础. 展开更多
关键词 人工神经网络 混凝土 抗压强度 预测方法 等效水灰比 骨料平均浆体厚度 粉煤灰与胶凝材料用量比
下载PDF
基于人工神经网络的聚合物挤出胀大比预测 被引量:6
19
作者 何智慧 马万珍 +1 位作者 王洪波 郭洪飞 《塑料》 CAS CSCD 北大核心 2008年第2期100-102,28,共4页
在通过实验获得大量样本数据的基础上,利用Matlab语言与VB语言混合编程,开发了聚合物挤出胀大比预测软件。并利用BP网络建立不同口模挤出条件下挤出胀大比与剪切应力之间的关系来实现人工神经网络的训练。经过反复训练满意后,即可输入... 在通过实验获得大量样本数据的基础上,利用Matlab语言与VB语言混合编程,开发了聚合物挤出胀大比预测软件。并利用BP网络建立不同口模挤出条件下挤出胀大比与剪切应力之间的关系来实现人工神经网络的训练。经过反复训练满意后,即可输入一系列剪切应力值来预测挤出胀大比。结果表明:网络的训练精度可控制在10-2以下,预测点与实测点吻合得较好,实现了由理论成果向应用技术的转化。 展开更多
关键词 人工神经网络 挤出胀大比 预测
下载PDF
基于Elman神经网络的汽油机过渡工况空燃比多步预测模型 被引量:6
20
作者 侯志祥 申群太 +1 位作者 吴义虎 周育才 《中南大学学报(自然科学版)》 EI CAS CSCD 北大核心 2006年第5期981-985,共5页
为了减小车用汽油机空燃比传输延迟对空燃比控制精度的影响,提出一种基于Elman神经网络的空燃比多步预测模型。通过对空燃比数学模型的分析,确定神经网络空燃比多步预测模型的输入向量,同时,为了提高过渡工况空燃比预测精度,在神经网络... 为了减小车用汽油机空燃比传输延迟对空燃比控制精度的影响,提出一种基于Elman神经网络的空燃比多步预测模型。通过对空燃比数学模型的分析,确定神经网络空燃比多步预测模型的输入向量,同时,为了提高过渡工况空燃比预测精度,在神经网络输入向量中增加反映空燃比变化趋势的导数信息。对HL495发动机过渡工况实验数据进行学习,采用梯度算法对Elman神经网络的权值进行调整。研究结果表明:采用该方法能精确预测过渡工况空燃比,预测模型的最大误差小于1%,平均误差小于0.5%。该预测模型可用于实现车用汽油机过渡工况空燃比的精确控制,提高车用汽油机过渡工况排放性能。 展开更多
关键词 汽油机 过渡工况 空燃比 ELMAN神经网络 多步预测
下载PDF
上一页 1 2 4 下一页 到第
使用帮助 返回顶部