基于神经网络的内燃机油清净剂复配性研究

清净剂间的交互作用是很复杂的，两种或多种清净剂间复配性难以用数学模型进行描述，应用神经网络处理非线性问题的强大功能，对清净剂复配性试验的结果进行了处理，并在神经网络的强大推广能力的基础上，计算出内燃机油清净剂复配的最佳比。该值与以前的结论极吻合。     

基于均匀设计的汽油机油添加剂承载性能研究

以均匀设计安排试验,对试验结果进行回归分析.分析表明MoDDP、复合抗氧抗腐剂能显著提高汽油机油的承载性,而复合分散剂与复合抗氧抗腐剂的交互作用对承载性能不利,复合清净剂和基础油对承载性能没有明显的作用.采用对回归方程的直接优化方法和BP神经网络都能得到最优的添加剂组成.     

基于均匀设计的汽油机油添加剂承载性能研究

以均匀设计安排试验，对试验结果进行回归分析。分析表明MoDDP、复合抗氧抗腐剂能显著提高汽油机油的承载性，而复合分散剂与复合抗氧抗腐剂的交互作用对承载性能不利，复合清净剂和基础油对承载性能没有明显的作用，采用对回归方程的直接优化方法和BP神经网络都能得到最优的添加剂组成。     

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.     

车用乙醇汽油中清净剂的检测方法研究

为了能即经济又快捷的检测车用乙醇汽油中的清净剂。车用乙醇汽油加清净剂和未加清净剂的可淋洗胶质检验,可以用来判定车用乙醇汽油中是否加入了清净剂及加入的清净剂是否具有清除发动机进气系统沉积物的效果。这为车用乙醇汽油清净剂的推广使用提供了技术支撑,也为监督执法提供了有力保障。     

利用Matlab神经网络工具箱在VC++.net中进行手写体数字识别

介绍了在VC++.net中通过Matlab引擎调用Matlab神经网络工具箱函数的方法。VC++.net具有强大的界面开发功能,Matlab的复杂计算和处理功能比较强大。因此,VC++.net和Matlab的交互编程可以结合两者的优点。文中所述就是利用这一技术来进行手写体数字识别,并取得了很好的效果。     

基于深度学习的电力负荷短期预测

为做好电网供需平衡,进一步改善电网的社会效益和经济效益,根据负荷数据的时序性特征,利用卷积神经网络的特征提取能力和长短期记忆神经网络捕捉时间序列关系的能力,采用卷积-长短期记忆混合神经网络进行电力负荷短期预测.首先根据历史数据对该模型进行训练,然后使用已训练好的模型进行预测,最后将其预测结果与长短期记忆神经网络预测结果进行比对.两组不同采样间隔的负荷预测仿真结果表明,卷积-长短期记忆混合神经网络相对于长短期记忆神经网络,可以更好地从负荷数据中提取出时序性特征,预测误差较小,精度较高,能够在电力短期负荷预测问题中提供可靠的预测结果.     

融合多源数据预测高速公路站间旅行时间

为精确预测高速公路站间旅行时间,融合收费数据和微波车检数据开展预测. 首先,基于两种数据源的预测结果,采用决策级融合策略;然后,建立了权重分配预测模 型、BP神经网络预测模型;针对神经网络收敛速度慢,易陷入局部最优的缺陷,基于遗传 算法优化BP神经网络预测模型;最后,利用京哈高速公路北京段收费数据和微波检测器 数据对3 种融合模型进行了验证,对比工作日及非工作日2 种交通流状态下3 种模型的性 能指标.试验结果表明,基于遗传神经网络的融合模型相比其他2 种模型,预测精度及稳 定性均得到了较高的提升,相对误差控制在10%以内,能够更好地满足实际需求.     

基于时序特征的城市轨道交通客流预测

通过分析城市轨道交通客流量的时序特征和RBF神经网络的作用机理,将具有不同时序特征的数据分别用不同的神经网络进行处理,建立了基于客流时序特征的并行加权神经网络模型,并用该模型对北京市城市轨道交通各条线路的客流进行预测.结果表明,各线路客流量预测结果的平均绝对百分误差均在10％以下,小于单个神经网络的预测误差,提高了预测精度.     

基于径向基函数神经网络的交通事故预测

基于径向基神经网络强大且准确的非线性关系映射能力,将其应用于交通事故预测中,获得了较高的预测精度。同时,与BP神经网络预测结果的对比表明,径向基神经网络预测方法明显优于BP神经网络预测方法。     

基于BP神经网络的沙漠公路交通事故预测模型

介绍人工神经网络理论,论述BP神经网络的模型结构与原理,利用BP神经网络构建了交通事故预测模型,用MATLAB语言编写了相应的程序,并给出了模拟与预测的结果。模拟结果表明,构建的BP神经网络预测模型是成功的、有效的。     

基于小波神经网络的高速公路区域经济影响评价

引入小波神经网络的自适应机制,建立基于小波神经网络的多属性综合评价模型EMWNN(15,20,1),并进行了实际应用.     

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.     

神经网络在交通流信息融合中的应用

在城市交通控制系统中可利用数据融合技术获得准确的车辆状态和身份估计,并将相关信息用于交通管理的决策.应用人工神经网络的方法在多传感器信息融合的基础上,提出了一种基于信息融合思想的神经网络模型,并通过实际验证了其有效性及可靠性.     

基于模糊RBF神经网络的柴油机电液调速控制方法

介绍了电液调速执行器的动态特性,设计了电液调速控制回路,实现了模糊RBF神经网络对柴油机油门执行器位置的控制。将一种基于模糊RBF神经网络的PID控制器应用于柴油机调速控制中,详细说明了模糊RBF神经网络控制器的设计过程,它结合了传统PID以及神经网络和模糊控制的优点,可以在线调整得到一组最优的PID控制参数。仿真结果表明该系统比传统模糊控制的响应速度快、超调小,且适应性强,具有推广价值。     

基于神经网络的公路工程造价快速估算分析

从影响公路造价的影响因素中提取特征因子,用神经网络建立起公路造价快速估测模型,以工程特征为参数,用历史数据为依据,建立模型,文章最后用实例验证了BP神经网络模型在公路工程造价估测中的优良效果,结果显示,BP神经网络在这方面应用效果较好.     

基于AHP和ANN的不同车型收费系数确定

不同车型收费系数反映了不同车型用户承担收费公路通行费的比价关系,合理的收费系数,应该实现责任和效益的双重公平.在建立影响不同车型收费费率的指标体系前提下,综合考虑定量和定性因素,分别建立了关于道路破坏和级差效益指标的两个BP神经网络,利用层次分析法,构造BP网络的输入和输出样本,通过训练获得稳定的网络结构和权重,然后输入不同车型代表性指标值,确定不同车型的收费系数.实验表明,该方法不仅理论上可行,而且实践上得到了不同车型收费系数的合理取值区间.     

基于 SVM 的出行方式特征分析和识别研究

基于智能手机采集的居民出行轨迹信息,分析了不同出行方式的特征,利用支 持向量机进行了出行方式识别研究.首先探讨了利用手机软件所能检测和记录的参数,进 而从出行轨迹和特征参数两个方面对出行方式特征进行了分析,探讨了不同出行方式两 两可分的关键变量,提取用于识别不同出行方式的特征向量,最后建立了径向基核函数 支持向量机（SVM）分类器.利用从大连市出行轨迹数据获取的出行方式样本,训练了该 支持向量机,并且以决策树、BP 神经网络为对照.结果表明,SVM 识别精确度为 89.6%,BP 神经网络为 85.5%,决策树为 77.3%,SVM 具有更好的识别性能.     

动态交通流量预测方法研究

随着智能运输系统的广泛应用,实时交通流量预测的重要性也日益显著。本文介绍了预测模型发展过程中比较重要的几个模型,并由此引出人工神经网络。介绍误差逆传播(BP)模型的相关理论。指出传统BP神经网络的缺陷,并提出提高预测精度的措施引进高阶神经网络。建立普通BP神经网络的预测模型,利用误差反传播算法实现这些影响因素到输出变量的复杂映射,再用高阶神经网络构建另一预测模型。利用交叉口实测数据进行预测,并用实际数据进行比较验证。     

��·������Ԥ��ĸĽ�BP�����緽��

铁路货运量与其影响因素之间存在着复杂的非线性关系，传统的BP神经网络模型能对非线性系统进行很好的拟合，但模型的预测能力不强。通过单位根检验，可知铁路货运量及其影响因素的时序列数据是非平稳的。本文通过分析BP神经网络的传递函数对非平稳时间序列预测的不利影响，提出用差分法对输入数据进行预处理，在此基础上建立了铁路货运量预测的改进BP神经网络模型，并通过实例计算说明了这种改进BP神经网络方法对提高铁路货运量预测精度的有效性，最后利用该模型对2006—2O1O年的铁路货运量进行了预测。