阀控对称缸位置系统神经网络建模

本文分析了传统建模方法对电液们厥系统建模存在的问题；用神经网络建立了一个实际电液伺服系统的教学模型，并对神经网络建模的一些问题进行了研究与探索。     

RBF神经网络在船舶焊接中的建模及应用

以船舶钢结构为对象，研究了RBF神经网络在船舶焊接变形中的建模及应用．以焊接顺序等因素作为网络输入，以钢结构板材凹凸变形为输出，训练生成网络焊接变形模型，可用于预测船舶钢结构焊接变形量的快速预测．仿真表明该模型的预测输出与实测数据样本基本拟合，验证了模型及其预测效果具有较高的准确性．     

高速公路动态交通流Elman神经网络模型

为了提高高速公路交通流建模的精度,分析了离散的高速公路动态交通流数学模型,基于Elman网络原理,建立了回归神经网络交通流模型。回归神经网络的输入层、上下文层、隐含层和输出层的节点数目分别选为8、30、30和2,采用Levenberg-Marquardt算法对回归神经网络进行训练,并对一条5路段的高速公路进行仿真。结果表明:回归神经网络平均相对误差为8.683 7×10-5,最大相对误差为4.237 1×10-4,与BP神经网络和RBF神经网络相比较,Elman回归神经网络能更好地逼近交通流数学模型,真实地描述交通流基本特性,能准确地建立动态交通流模型,适应交通状况的变化。     

BP神经网络在防城港货物吞吐量预测中的应用

使用基于时间序列的BP神经网络模型对防城港货物吞吐量进行预测,详细介绍了BP神经网络建模原理和预测实施方法,对预测结果进行了分析。提出了使用基于时间序列的BP神经网络模型时的注意事项。     

BP神经网络在桥梁焊缝收缩预测的应用研究

神经网络是一种模拟人脑结构和功能的信息处理系统，BP网络算法是目前研究最为成熟的理论．被广泛应用于非线性建模，参数识别等领域。本文运用BP神经网络，对桥梁悬拼阶段施工控制中焊接收缩变形进行网络的建立，并利用现场实测数据进行网络的训练和仿真。计算结果显示，在目前对悬拼阶段箱梁的焊接收缩变形机理的研究并不十分透彻的条件下，用神经网络进行焊缝收缩的识别是一种可行的方法.     

利用神经网络建立土壤施肥模型的应用研究

基于神经网络理论，对土壤施肥模型进行了研究。通过对小麦在同一农田重复进行种植试验，且每次施不同的肥料用量，最后选取丰产的数据作为实验样本，通过归一化把实验数据进行必要的处理。采用BP算法训练网络，对小麦产量和施肥量之间的映射关系进行了数逼近，建立了土壤施肥神经网络模型。通过实际数据验证，该模型的输出与实际肥料用量基本相符。将所建神经网络模型进行用于施肥量的预算，提出了预算精度并能取得较好的效果。     

应用神经网络-时间序列预测路面平整度

以神经网络和时间序列分析方法为基础,采用零均值化、标准偏差预处理方法、规则化能量函数法和贝叶斯规则化方法进行BP神经网络建模,利用BP网络对平整度非平稳时序进行趋势项提取,使非平稳监测时序转化为平稳时序以进行常规ARMA时序分析。结合滚动预测方法,建立了适合平整度预测的神经网络时间序列分析联合模型,并以江苏省某高速公路的平整度数据为例进行了预测分析。研究结果表明：新模型的预测精度高、实时可靠,可应用于实际工程。     

时空信息多模式融合模型应用研究

给出了时空多模式融合模型(MM模型)的实用建模方法.利用华北地震和北京SARS 2个时空数据集对MM模型进行了建模应用和性能评价,与单纯神经网络模型相比,MM模型的预测准确性与预测趋势变化的能力均有所提高.分析表明,利用MM模型对不同类型时空过程建模时,不同分量信息所起到的作用并不相同.     

基于改进BP算法神经网络的路况评价模型研究

通过利用在BP神经网络中增加反馈信号及偏差单元的网络模型,生成内部回归网络,对BP神经网络进行改进,据此得出改进的BP神经网络的具体步骤.在此基础上,结合陕西省高速公路沥青路面的实际情况建立了路况评价模型,并对该模型的具体应用做了研究.研究结果表明:网络的收敛速度很好,训练结果与实际路况结果相差很小,利用改进BP算法神经网络建立的路况评价模型不仅方便易用,而且精度很高.     

基于改进BP算法神经网络的路况评价模型研究

通过利用在BP神经网络中增加反馈信号及偏差单元的网络模型,生成内部回归网络,对BP神经网络进行改进,据此得出改进的BP神经网络的具体步骤.在此基础上,结合陕西省高速公路沥青路面的实际情况建立了路况评价模型,并对该模型的具体应用做了研究.研究结果表明:网络的收敛速度很好,训练结果与实际路况结果相差很小,利用改进BP算法神经网络建立的路况评价模型不仅方便易用,而且精度很高.