BP神经网络在舰船电网谐波预测中的应用

为预测电网谐波,改进供电品质,本文根据电网谐波特性,建立了BP神经网络算法,对电网谐波样本点进行了误差训练,得到了谐波幅值变化特性。通过与标准值比较,表明:采用BP神经网络算法对谐波进行拟合能够达到较高的准确度。     

改进的BP神经网络在路基沉降预测中的应用

针对传统BP神经网络存在的缺点,提出基于遗传优化的变梯度反向传播的BP神经网络预测方法,采用遗传算法优化BP神经网络的初始权重,建立路基沉降预测模型。该模型可克服BP神经网络模型存在的收敛速度慢、易陷入局部极小点等缺点。结合现场实测数据,将该优化模型与指数曲线模型、双曲线模型、灰色预测模型和传统BP神经网络预测模型对比,结果表明改进的BP神经网络在路基沉降预测中精度最高,适宜于广泛推广应用。     

BP神经网络在深基坑位移预测中的应用

深基坑位移预测成了岩土工作者的一个关注点,文中对近些年BP神经网络在深基坑工程位移预测中的研究应用进行了总结分析,对后续的研究起到了积极的推动作用。     

改进GM（1,1）模型在舰船维修费用预测中的应用

基于灰色系统理论,使用海军舰船维修费用历史数据建立初值修正的GM（1,1）模型,利用少量数据中的显信息和隐信息,避免复杂的相关关系,克服了原始数据的离散性,得到较高精度的拟合效果,并对海军舰船维修费用进行短期预测。将预测结果加入等维信息模型,对未来费用支出进行动态预测。结果表明：其精度优于传统模型。     

数据挖掘在舰船电力负荷预测中的应用研究

首先描述基于数据挖掘的舰船电力负荷预测系统架构,然后按照此架构进行系统实现,并结合舰船电力负载预测的特点,利用遗传算法获取较好的搜索空间,这样可以避免BP神经网络算法陷入局部最优的情况。通过对比实验结果可知,本文所采用的遗传算法和BP神经网络相结合的优化算法预测能力强,拟合度高。     

基于支持向量机回归方法的舰船修理价格预测研究

对常规预测方法和支持向量机回归模型用于舰船修理价格预测进行比较，着重分析应用支持向量机进行舰船修理价格预测的具体形式以及方法特点，并给出应用实例，结果令人满意。     

BP神经网络的舰船辐射噪声识别

当前舰船辐射噪声识别方法存在识别率低,对环境鲁棒性差等缺陷,为了对复杂环境下的舰船辐射噪声识别进行准确识别,提出了BP神经网络的舰船辐射噪声识别方法。首先采集舰船辐射噪声,并提取舰船辐射噪声识别有效特征参数,然后采用BP神经网络建立舰船辐射噪声识别模型,从而实现对舰船辐射噪声信号的分类和识别,最后进行舰船辐射噪声识别的仿真测试。结果表明,相对于已有的舰船辐射噪声识别方法,BP神经网络提高了舰船辐射噪声识别率,可以对各种舰船辐射噪声信号进行准确分类。     

改进BP神经网络的城市交通流预测研究

由于交通流预测具有高度的非线性特点,这与BP神经网络能够处理非线性问题的特征相符合。但BP神经网络算法易使解陷入局部极小,而遗传算法的全局优化能力则恰恰可以克服这一缺点。文中将遗传算法应用于对BP神经网络模型的改进来对交通流进行预测。通过对预测数据与实测数据的比较分析,证实了改进后的方法更为有效。     

BP神经网络在航道网总运量预测中的应用

在对神经网络算法进行分析的基础上,以区域历年货运量值为样本,构造时间序列法的神经网络预测模型,并预测区域航道网总运量。     

舰船批量建造费用的组合预测应用研究

研究了舰船批量建造费用的组合预测问题.首先依据舰船批量建造费用的变化特点,采用生长曲线法、数据平滑法、灰色分析法对费用进行预测,然后运用支持向量机的回归算法对3种预测方法的预测值进行有机组合,建立了舰船批量建造费用的组合预测模型,最后利用样本数据分析了一个参数变化对预测性能的影响,给出了支持向量机参数选择的依据.仿真结果表明,该模型能明显提高系统预测的精度和稳定性,可用于舰船批量建造费用的预测和估算,具有较大的实用价值.     

基于径向基网络的船舶临修费用预测研究

临修对维持装备完好率具有重要意义，准确掌握船舶临修费用对于科学筹划其维修保障具有重要作用。由于船舶临修费用的影响因素较多，相互关系复杂，准确预测临修费用难度较大。文章应用基于径向基网络的预测模型对单船年度临修费用进行了研究，结果表明，该方法对大样本情况的预测较为理想。     

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。     

液位控制BP模型的设计与仿真

基于MATLAB的神经网络工具箱与BP网络理论,介绍在MATLAB环境下发电厂液位控制BP模型的设计方法,并进行仿真试验,得出了预测模型的最优参数。仿真结果表明,此方法有效可行,可使非线性系统具有较好的跟踪性能。     

基于决策树的船舶设备维修级别分析

为科学安排船舶维修级别,提高船舶的运用效率,降低船舶维修费用,借鉴装备维修级别分析方法,引入概率理论,并以维修费用期望值最小为目标函数,建立了船舶维修级别经济性分析决策树模型.基于该决策树模型,设计了不同级别的维修费用与维修成功率之间的关系图,直观表达最佳维修级别范围.通过一个简化维修算例,说明使用该方法确定船舶设备维修级别的基本原理及其合理性.     

一种船舶充液管路声振耦合工程计算方法

船舶充液管路由于其复杂的三维空间与多物理场的耦合,很难对其振动响应进行预报。该文基于阻抗-导纳综合法,提出了一种充液管路声振耦合计算方法,该方法采用阻抗矩阵的表达方式描述了管路元件;对于泵阀等复杂、难以通过解析公式获取的噪声源采用试验测试技术获取。并对文中的计算方法进行了仿真与试验验证,计算、试验结果均表明:文中方法的计算结果数据精确可靠,具有较高的工程应用价值。     

太阳光热能系统在船舶节能中的应用研究

文章介绍太阳能热能利用最新技术,并探讨太阳光热能采集与利用系统替代船用辅助锅炉系统产热的可行性;提出一种太阳光热能蓄热系统的设计方案,其输出的导热油可经发动机排烟管再加热(阳光不足时),也可用于对船上重油、淡水等加热和为船用溴化锂吸收式制冷设备提供热源。     

基于损失函数法的船舶操纵水动力导数灵敏度分析

船舶操纵水动力导数的灵敏度分析是简化和重建船舶操纵运动数学模型的主要手段。本文使用平方损失函数方法对船舶操纵水动力导数进行灵敏度分析,并基于灵敏度分析结果对Mariner船的操纵运动数学模型进行简化。通过基于简化模型和原始数学模型的操纵运动仿真对比,验证了基于损失函数法的船舶操纵水动力导数灵敏度分析方法的有效性。     

改进的BP网络及其在电路故障诊断中的应用

针对标准BP算法收敛速度慢、容易陷入局部极小值的缺点，提出了改进的BP算法——Levenberg-Marquardt算法，并将其应用到电路故障诊断问题中。实例仿真验证了改进算法在训练次数和训练时间上具有明显的优势，同时也能保证故障诊断准确率，具有良好的效果。     

优化的BP网络在船舶故障诊断中的应用

船舶各种设备故障的早期诊断和预测,对船舶的安全运行具有非常重要的意义。由于船舶上设备繁多,运行环境特殊,因此,各种设备的故障症状与故障原因之间关系十分复杂,使用传统诊断方法在实际应用中效果不理想。BP神经网络在故障诊断中有广泛的应用,但由于BP网络采用的是沿梯度下降的搜索求解算法,存在收敛速度慢,且容易陷入局部极小等问题。而遗传算法具有全局搜索速度快的优点。为此,采用自适应遗传算法来优化BP神经网络,并以船舶主机轴系的故障诊断为实例,证明遗传算法优化的BP网络方法非常适用于对船舶各种设备故障的早期诊断和预测。