基于人工神经网络的快艇总振动预报

快艇因其重量轻、航速高，因而振动比较难控制，且一旦船体结构基本确定之后，要改善其总振动状况将更加困难。由于目前的规范计算法和有限元法需进行大量计算，费时费力，这对快艇设计的初期阶段很不利，因而在已有的设计经验的基础上，建立了快艇总振动预报的人工神经网络模型，为快艇设计的初期阶段提供参考。样本检验表明，该网络能较好地预报快艇的总振动。     

基于人工神经网络的公路工程项目建设风险预警

对人工神经网络法进行了简单的概述,将人工神经网络模型运用到公路工程建设风险预测进行了分析论述,并分四步骤对构建公路工程项目建设风险预警系统进行了探究分析。     

人工神经网络的船舶引擎冷却系统故障诊断方法研究

以船舶故障诊断作为应用背景,对人工神经网络在船舶冷却系统故障诊断中的应用进行研究。首先对船舶引擎冷却系统进行介绍;然后介绍人工神经网络的基本知识,给出基于人工神经网络的船舶引擎冷却系统故障诊断方法。该方法选用BP神经网络模型,并利用LM算法来提高方法的收敛速度。实验结果表明,本文给出的方法具有较高的计算能力和准确率。     

基于时间序列ACO-BP神经网络在基坑变形预测中的应用研究

BP神经网络技术因其良好的非线性动力学特性、函数逼近能力、自组织和自适应能力,已广泛应用于基坑变形预测中。但实际应用过程中发现BP神经网络具有收敛速度慢、初始权阈值对计算结果影响较大,且易陷入局部最优等缺陷。采用引入具有启发式寻优、全局优化特点的蚁群算法优化BP神经网络,对基坑变形进行预测,并与BP神经网络进行比较。结果表明:ACO-BP神经网络模型预测基坑变形可行;预测精度高于BP模型,且结果稳定、速度较快、误差满足工程的要求。     

基于BP神经网络吹填土路基处理方式决策模型

针对吹填土路基处理技术决策中是否需要进行处理,是深层处理还是浅层处理的问题,基于BP神经网络构造了软土厚度、软土压缩模量、地表硬壳层厚度和吹填土路堤高4个参数的吹填土路基处理方式决策模型。通过BP神经网络模型进行学习、训练以及回判和预测,实现预测结果和实际处理结果基本一致。     

基于改进的BP人工神经网络的物流需求规模预测

为了对物流需求规模进行准确预测，探讨了用于物流需求规模预测的经济指标和物流需求规模的度量指标，再应用粗糙集理论、适应度函数和BP人工神经网络理论建立了用于物流需求规模预测的模型，即改进的BP人工神经网络模型。该模型首先应用粗糙集对BP人工神经网络的输入层进行指标知识约简，以减少BP人工神经网络的复杂度，再在BP人工神经网络中引入适应度函数，以克服传统BP人工神经网络算法易陷入局部最优、训练速度较慢等缺陷，最后，将该模型应用在案例分析中。结果表明，该模型使预测精度得到很大提高；该方法为以后物流需求规模的预测提供了一种新的思路和方法。     

Research on confirmation of basic technological parameters of tension levellers based on neural network and genetic algorithm

Confirmation of basic technological parameters of tension levellers is the most important factor of leveling strip. Up to now, most factories have used experts' experience to decide these parameters, without any established rule to follow. For better quality of strip, a valid method is needed to decide technological parameters precisely and reasonably. In this paper, a method is used based on neural network and genetic algorithm. Neural network has a good ability to extract rules from work process of tension levellers. Then using neural network, which has learned from a lot of working samples, to be the evaluation of fitness, genetic algorithm could easily find the best or better technological parameters. At the end of this paper, examinations are given to show the effect of this method.     

基于人工神经网络的公路黄土高边坡稳定性预测研究

文章介绍了BP网络模型的计算过程并对其性能进行了改进。在此基础上,分析了影响黄土高边坡稳定性的因素,包括土体的容重γ、粘聚力c、内摩擦角φ、孔隙水压力比γu,地震烈度,边坡坡比和边坡高度H。在对西部四省地区上百个黄土高边坡稳定性进行调查的基础上,结合典型的实测数据,应用改进的神经网络BP模型对其进行预测和评价研究。结果表明:改进的BP模型具有收敛快、数据输入方便等优点,预测结果相对传统方法来说更准确、可靠,具有一定的推广的价值。