基于神经网络的港口潮汐预报研究

分析调和分析法潮汐预报的局限性和神经网络技术用于潮汐预报的可行性,设计潮汐预报的神经网络模型,用验潮站20多年的潮汐记录作为样本进行网络学习和预报,验证神经网络用于潮汐预报并提高预报精度的可行性.     

一种操纵性水动力导数的实用估算方法

目前有很多诸如最小二乘、卡尔曼滤波等系统辨识方法用于船舶操纵性水动力导数的估算．但涉及神经网络的甚少．随着神经网络技术的日益成熟、完善，神经网络在船舶操纵性领域的应用将成为可能．文中介绍了一种基于线性船舶操纵运动方程的水动力导数估算方法，建立了一种基于神经网络的系统辨识模型，并将其应用于分析实船试验数据．结果表明了该方法的有效性．     

RBF神经网络在边坡岩体稳定性中的预测研究

简要分析RBF网络的结构特点及最近邻聚类学习算法之后，以大量边坡工程的稳定状况为学习训练样本及预测样本，建立了预报模型．讨论了基于RBF神经网络技术的边坡岩体稳定性分析方法及其有效性．研究表明，用RBF神经网络方法预测边坡岩体的稳定状况是可行的．     

基于RBF网络的操纵水动力预报

在船舶初阶段,要求设计者能够在不断调整船舶主尺度和船型系数的同时,了解所设计船舶的操纵性能指标。其中,操纵水动力导数预报的精确程度无疑对整个船舶操纵性预报工作具有至关重要的影响。文中基于径向基函数（ＲＢＦ）网络提出了预报操纵水动力导数的新方法,并且与试验结果、线性回归方法预报结果进行了比较,与试验结果较为一致。     

螺旋桨和自由叶轮的性能预估

采用升力线理论的离散马蹄涡方法，预估船舶螺旋浆和桨后自由叶轮的水动力性能，并考虑粘和三维流动对叶剖面的零升力角、拱度和力系数斜率的影响，通过对三个螺旋桨和一个自由叶轮的性能预报结果表明，本文的预报结果是令人满意的。     

基于神经网络的引水渠分流比预报研究

运用动量法和学习率自适应调整策略，建立了三层前馈网络模型预报明渠侧面分流比。将预测结果与实际值进行对比分析后表明，神经网络模型可用于预测明渠侧面分流比。     

概率神经网络回归,判别与聚类

本文基于相同结构的概率神经网络，提出了使其具有回归、判别与聚类功能的不同权重学习算法以及通用变元最优选择方法。该网络具有结构和学习算法简单、收敛速度快、易于软件模拟实现等优点，并可方便地应用于预报、控制、决策等领域。     

面元法预报螺旋桨水动力性能

采用面元法预报螺旋桨水动力性能，桨叶和桨毂表面离散为四边形双曲面元，每个面元上布置等强度和偶极子分布，螺旋桨尾涡面也离散为布置等强度偶极子的四边形双曲面元。桨叶随边处理过迭代实现非线性等压加塔条件，通过螺旋桨敞水性能和桨叶压力分布的计算结果与试验结果的比较。     

非均匀流场中螺旋桨水动力及噪声特性预报研究

根据螺旋桨的型值参数,在Fluent前处理器ICEM中建立流场的网格模型,采用计算流体力学（CFD）理论,结合雷诺平均纳维-斯托克斯（RANS）方程计算了螺旋桨的水动力特性.利用滑移网格技术对非均匀来流下的螺旋桨的水动力进行大涡模拟计算,并结合FW-H噪声模块对螺旋桨的无空泡噪声进行了数值预报.流场预报结果显示,流场的非均匀性导致螺旋桨水动力系数的脉动存在一定的周期性,且整个螺旋桨的水动力系数与单个桨叶之间存在一定的倍数关系;声场结果表明,低频离散噪声远大于高频噪声,噪声衰减速度随频率增大而减小,螺旋桨轴向和径向衰减速度随着距桨盘面中心的距离增大而减小,且轴向声压级低于径向两侧.     

基于神经网络的高温下（后）预应力损失分析

提出了基于神经网络的高温下(后)预应力损失的评价方法.针对影响高温下(后)预应力损失的复杂多变性和相当强的不确定性,建立了基于神经网络的高温下(后)预应力损失模型.运用神经网络强大的自适应、自组织、自学习的能力以及高度的非线性映射性、泛化性和容错性的特点,通过对训练样本的神经网络学习,建立了预应力损失与温度、初始有效预应力以及高温条件的网络关系,最终实现了对测试样本的预应力损失预报.