基于人工神经网络的胶州湾浮游植物生物量模拟

文章首先介绍了BP网络数据标准化、隐层神经元选择、网络训练和有效性检验方法。以2003年胶州湾环境监测资料为基础,建立了多输入单输出的3层BP人工神经网络模型,采用8个水环境因子预测浮游植物生物量(Chla浓度)。检测集样本网络预测值与观测值的相关系数为0.8943,平均绝对误差为11.33%。为避免个别网络输入初值对输出的干扰,采取全局灵敏度的方法,分析了各水环境因子变化对浮游植物生物量的相对影响。结果表明,浮游植物生物量对各水环境因子变化响应的敏感系数顺序为DOCODPO4-PSSTpHOilDINSiO3-Si。     

基于BP神经网络的桥梁技术状态评估

用养护规范中17个评价指标作为输入层网络神经元,把桥梁损伤等级参数作为输出层神经元,建立了桥梁评估3层BP神经网络模型。选用湖北省110座旧桥的评估数据作为训练样本,后10个作为测试样本,经过2068次迭代运算的网络训练,得到了误差满足精度要求的收敛网络。将待评估的桥梁参数输入训练好的网络,得到评估桥梁的技术状态等级。     

基于输出电压和电源电流的模拟电路故障诊断

为了提高模拟电路故障诊断的准确率,要尽可能的采集有效故障样本信息作为 BP 神经网络的输入。提出利用输出电压和电源电流信息融合的方法进行模拟电路故障诊断。收集输出电压和电源电流的故障样本集,然后作为 BP 神经网络的输入对网络进行训练和判断。利用不同故障对输出电压和电源电流的影响不同,能减少故障特征的重叠,提高模拟电路的故障诊断正确率。仿真结果表明利用输出电压和电源电流信息融合的方法比单纯利用输出电压或电源电流进行诊断准确率和速度都有明显提高。     

基于BP网络的复杂曲面钢板角变形量分析

通过计算外板展开所产生的变形量来确定水火弯板的加工工艺参数。以钢板厚度、角变形及角变形量作为输入参数,中性层位移系数作为输出参数,建立BP神经网络模型。通过实板实验数据对网络模型进行训练,得到中性层位移系数与这些输入参数的关系,提出了一种准确的计算复杂曲面钢板角变形量的方法。     

基于BP神经网络的船舶企业员工综合评价模型

为了保障船舶工业企业内部对其员工的使用管理和评价上的客观性和准确性,提出基于BP神经网络的综合评价方法,在建立了员工评价的指标体系基础上建立了基于BP神经网络的评价模型,将评价员工综合素质的指标值作为模型的输入量,评价结果作为模型输出量,用样本对神经网络进行训练,利用收集的中国船舶工业集团某造船企业管理执行层员工信息,使用MATLAB对模型进行模拟仿真训练,用验证样本对评价模型检测,检测结果是仿真输出与期望输入基本一致,说明网络合理,评价模型能够较好对船舶企业员工的综合素质进行评价.     

人工神经网络在水火弯板温度场热源参数预测时的应用研究

建立水火弯板温度场热源参数的BP神经网络,并用以预测热源模型的热效率和热源半径。将预测结果作为热流载荷施加到钢板上,应用ANSYS对水火弯板温度场进行有限元模拟计算。经算例验证,以BP网络预测结果为参数的有限元计算结果与实验测试结果基本一致,说明本文所建立的BP网络可以用来对水火弯板温度场热源模型参数进行预测。     

岩质边坡稳定性影响因素分析

边坡稳定性涉及到诸多因素,引入人工神经网络预测边坡稳定性的方法——误差逆传播学习算法效果显著。边坡稳定性预测系统的输入信息包括岩土体参数、几何参数等,而输出信息则是网络预测的安全因子和稳定状态。土质边坡主要以圆弧滑移破坏为主,岩质边坡主要以楔形破坏为主,通过人工神经网络预测的结果与实际监测结果的对比分析,证实了BP神经网络在评价岩质边坡稳定性方面的效果显著。     

单桩荷载与沉降关系曲线的神经网络预测方法

本文提出了一个预测单桩荷载-沉降关系曲线的BP神经网络模型。该网络模型包含两级网络，第一级网络以桩长、桩径、桩侧土层的分布情况，桩侧与桩端土层的物理力学指标为输入元，来先预测出单桩的极限承载力及其对应的极限沉降；第二级网络以第一级网络的输入元和输出元作为其输入元，进一步预测各分级荷载下桩的沉降。实际预测精度一般能达到15％以内，且稳定性较好，表明神经网络模型略优于通常的经验公式方法和数值方法。     

BP模型在闽江岸线变形预测中的应用

河道岸线变形问题是一个复杂的非线性动力系统问题,文中利用神经网络处理非线性问题的优势,以闽江竹歧至侯官河段为研究对象,建立预测河道岸线变形的BP神经网络模型。通过对河道岸线变形影响因子的分析,确立了2种输入、输出因子模式。结果表明,模型输入、输出因子的选择对模型预测结果影响很大,选用合适的输入、输出因子,会得到比较好的预测效果。     

基于BP神经网络的维修性设计参数灵敏度分析

由于维修性设计参数存在模糊性和相关性,传统的评估方法往往很难明确表达出维修性设计参数对维修性的影响程度.通过采用综合评判和人工神经网络相结合的方法建立用于维修性设计参数灵敏度分析的网络.在网络中维修性设计参数作为输入变量,维修性评价值作为输出变量,通过参数值的变动得到不同的网络输出结果,利用网络的输出定量计算出参数的变动对维修性的影响程度,从而为优化维修性设计参数提供方向.     

船舶柴油发电机转速神经网络容错控制

结合人工神经网络与智能容错控制,形成船舶柴油发电机转速神经网络容错控制。对由故障诊断后获取的特征值进行归一化处理,把经过处理的特征值作为神经网络的输入样本集,设计输出样本集,建立BP神经网络和ELMAN神经网络,用整理后的数据训练神经网络,使神经网络具有容错控制功能,并对神经网络模型进行仿真测试。仿真试验显示可以实现对船舶电力系统容错控制,保证船舶的安全运行。     

船舶柴油发电机转速神经网络模型参考自适应控制

结合人工神经网络与模型参考自适应控制,形成船舶柴油发电机转速神经网络自适应控制。对由传感器检测后获取的特征值进行归一化处理,把经过处理的特征值作为神经网络的输入样本集,设计输出样本集,建立BP神经网络和ELMAN神经网络,用整理后的数据训练神经网络,使神经网络实现转速的自适应控制功能,并对神经网络模型进行仿真测试。仿真结果表明该方法控制精度高,动、静态特性好。     

基于BP神经网络的SAR干扰效果评估

将BP神经网络引入SAR干扰效果评估过程,根据干扰效果评定诸因素构造合适的指标作为网络输入,网络输出为干扰效果所对应的等级划分,然后利用训练样本对网络进行学习和训练。仿真结果表明,这种方法是可行的,减少了评估过程中人为因素的干扰,使得评估结果更为准确、可靠。     

基于BP神经网络的复杂布局管道泄漏检测研究

对基于BP神经网络的复杂布局管道泄漏检测与定位进行研究,确定实验方案和研究内容,介绍BP神经网络的输入参数、训练目标和隐含层节点个数,阐述基于BP神经网络的复杂管道泄漏检测研究。研究表明：用BP神经网络来预测复杂管道发生泄漏后的泄漏量大小是完全可行的;用其对是否发生泄漏进行状态辨识,则还要进行数据的二次处理;由于训练样本过少,用BP网络进行泄漏定位时会产生较大的误差,建议增加训练样本数,从而提高泄漏定位精度。     

基于港口吞吐量的防城港港口发展研究

本文基于防城港吞吐量研究其发展趋势,选取了15个与港口发展相关的经济指标,通过指标提取,结合BP神经网络模型预测货物吞吐量,其中网络的输入变量是由提取出来的指标组成,输出变量是防城港货物吞吐量。     

基于BP神经网络的图像识别跟踪技术

本文利用BP神经网络抗干扰性强,识别精准等优点对船舶进行识别跟踪。首先获取原始图像,然后预处理,以图像的全部灰度值为训练样本,以新不变矩特征向量为样本集输入到3层BP神经网络中,对含不同噪声均值的图像进行识别。实验结果表明,以新不变矩特征向量作为样本集时抗噪能力强,识别率高。最后以新不变矩特征向量作为样本集进行目标跟踪得到跟踪误差。     

一种改进的小波网络及其在故障诊断中的应用

为了提高故障诊断的准确性,提出改进的小波网络,增加基本小波网络输入层至输出层的直接连接权。结合抽油机井故障实例,进行仿真研究,结果表明改进的小波网络较BP网络和未改进的小波网络收敛速度快,且对故障诊断识别能力强。     

基于SARIMA-BP模型的港口船舶交通流量预测

为提高船舶交通流量预测精度,提出一种季节性自回归移动平均(Seasonal Autoregressive Integrated Moving Average,SARIMA)模型和BP神经网络的误差校正集成模型。以深圳港2011—2017年的数据为研究样本,对原始数据进行预处理,构建最优SARIMA模型,以该模型求出的残差序列作为BP神经网络的输入,将两个模型预测结果进行整合,得到集成模型的预测结果。试验结果表明:该误差校正集成模型与两个单一模型相比,体现出船舶交通流量数据的季节性特征,具有较好的预测精度,为港口船舶交通流量预测提供一种更为有效的方法。     

神经网络-PID在船舶核动力装置蒸汽发生器水位控制中的应用

利用BP神经网络的学习功能来调整蒸汽发生器水位控制器PID的参数,使其跟随功率的变化,从而跟踪模型的变化.以典型的五种工况下的蒸汽发生器模型为基础,按照给定的要求,分别设计得到相应的PID水位控制器.以功率和相应的PID控制器增益作为神经网络的输入、输出变量来设计和训练BP神经网络,并以训练好的神经网络和PID控制器组成神经网络-PID控制器应用到蒸汽发生器水位控制系统中,并利用MATLAB进行仿真.仿真结果表面神经网络-PID具有非常好的适应性.     

BP神经网络在船舶与海洋工程中的应用研究

人工神经网络作为一个具有高度非线性映射能力的计算模型,在工程中具有广泛的应用前景.在数值预测方面,它不需要预选确定样本的数学模型.仅通过学习样本数据即可以进行预测.介绍了BP神经网络,并针对实际应用中收敛速度慢,平台效应等问题对网络进行了优化,给出了改进的三层BP神经网络算法.最后结合船舶与海洋工程的一些实际问题.探讨了利用改进的BP神经网络进行数值预测的方法和应该注意的问题,并给出了一些有益的建议.实验表明,神经网络的预测精度在船舶与海洋工程是可以接受的.