基于神经网络实现的交叉口可变相序公交优先模糊逻辑控制

针对城市交通信号控制及公交优先问题,提出了一种交叉口自适应可变相序的多相位控制算法,利用多层BP神经网络实现了公交优先的交通信号多层模糊控制。仿真结果表明,与定时公交优先控制模型相比,模糊神经网络控制器能有效地减少公交车辆延误,具有较强的学习和泛化能力,可用于未来的信号控制系统中。     

基于内在因素提取的内河航运量神经网络预测方法

内河航运量预测是内河航道网规划的依据,利用主成分分析法提取影响内河航运量的内在因素,利用内在影响因素与内河航运量之间的联系,结合BP神经网络建立模型对内河航运量进行预测。算例表明,该模型可以提高预测精度。     

Building and Researching the Bidding Model Based on the Cost of Power Plant

A bidding model of neural network was presented to pursue the largest benefit according to the policy of separating power plants from network and bidding transaction. This model bases on the cost of power plant and its research object is a power plant in the market. The market clearing price (MCP) can be predicted and an optimized load curve can be decided in this model. The model may provide technical support for the power plant.     

基于尺度—小波能量谱和神经网络的内燃机故障诊断

为了对内燃机气门及活塞—连杆组故障进行有效地诊断,通过试验测取内燃机在不同故障下的振动信号,利用连续小波变换得到信号在不同尺度上的能量分布,即信号的尺度—小波能量谱。其能量主要分布于尺度范围1~32,且相同故障模式下的尺度—小波能量谱呈现出相似性,不同故障模式之间的尺度—小波能量谱存在很大的差异性,以此作为不同故障模式的信号特征,结合BP神经网络方法,实现了对待检信号的正确识别。     

模糊神经网络在钢筋混凝土桥梁结构可靠性评估中的应用

将模糊神经网络引入钢筋混凝土桥梁结构可靠性评估,充分利用高斯隶属函数的万能收敛性、人工神经网络的自学习性和模糊神经网络高度的非线性进行桥梁结构可靠性评估。以常宁北门桥为例,以受力最不利截面的实测位移、应变、挠度为神经网络输入参数,输出构件的可靠指标。算例表明模糊人工神经网络应用在桥梁结构可靠度评估,为桥梁评估开辟了的新途径。该方法简单、合理、思路清晰。     

中小流域桥梁设计流量的H—C—N法

利用暴雨推求中小流域桥梁设计流量时,设计流量受到地理参数、暴雨参数等众多因素的影响,计算公式难以显式表达。本文采用H—C—N法计算中小流域桥梁设计流量：用层次分析法（Analytic Hierarchy Process）对影响流量的因素进行分析并筛选出主要因素;用模糊聚类法（Fuzzy Clustering）从已知水文站数据集中选取合理的训练样本;运用神经网络方法（Neutral Network）建立中小流域桥梁设计流量的隐函数关系式,从而计算出中小流域桥梁的设计流量．用VB．NET编写程序实现H—C—N法,计算了十座中小流域桥梁的设计流量。结果表明,与广东省法和四院法相比,H—C—N法精度较高,是一种较为科学和实用的算法。     

BP神经网络在治理海上光污染中的应用

随着人类的海洋活动越来越频繁,作为海上污染之一的光污染已经成为一种可以严重威胁船舶夜航安全的新型污染源。本文将基于视觉、色觉和光学理论,探讨海上光污染本身,接着仔细分析其对船舶夜航的影响因子。并基于船舶信号灯可识别性,研究基于BP神经网络的船舶信号灯识别模型,同时通过不断训练提高可识别性。     

粒子群优化的RBF神经网络在海上运输事故预测中的应用

以海上交通安全为应用背景,对船舶运行事故预测方法进行研究,给出一种基于粒子群优化的RBF神经网络的事故预测方法。在本文中,首先对海上运输事故的特点和原因进行分析;然后对径向神经网络和粒子群算法的相关基本理论进行介绍,最后给出基于粒子群优化的RBF神经网络的事故预测方法。实验结果表明,该方法具有较好的预测效果。     

聚类分析在船舶碰撞中的应用分析

为避免船舶发生碰撞,提高船舶航行安全性,本文首先建立船舶碰撞模型。基于有限样本点,采用神经网络算法对其进行聚类分析,使得样本拟合误差收敛,具有较高的稳定性,并且收敛精度较高,可为工程实践提供参考。     

RBF神经网络混沌背景下微弱信号检测方法研究

船舶信号检测系统在检测水场压力值等信号时,会遇到海浪、强风等较强的噪声干扰。为了有效降低信噪比,提取微弱信号,本文提出基于RBF神经网络的混沌背景下微弱信号的检测方法。该微弱信号检测方法基于混沌动力学和静力学原理,利用RBF神经网络算法将敏感程度高的混沌振子与RBF神经网络拓扑结构相结合,构建抗干扰能力强、接收信号能力强的微弱信号检测系统。