基于人工神经网络的胶州湾浮游植物生物量模拟

文章首先介绍了BP网络数据标准化、隐层神经元选择、网络训练和有效性检验方法。以2003年胶州湾环境监测资料为基础,建立了多输入单输出的3层BP人工神经网络模型,采用8个水环境因子预测浮游植物生物量(Chla浓度)。检测集样本网络预测值与观测值的相关系数为0.8943,平均绝对误差为11.33%。为避免个别网络输入初值对输出的干扰,采取全局灵敏度的方法,分析了各水环境因子变化对浮游植物生物量的相对影响。结果表明,浮游植物生物量对各水环境因子变化响应的敏感系数顺序为DOCODPO4-PSSTpHOilDINSiO3-Si。     

基于BP人工神经网络和遗传算法的船舶螺旋桨优化设计

在原有图谱设计方法的基础上,采用BP(Back-Propagation)人工神经网络模型和遗传算法GA(GeneticAlgorithm),建立了一种船舶螺旋桨优化设计方法。BP人工神经网络模型通过训练可以具备强大的非线性映射能力,以数学解析的形式,较好地提取了海量螺旋桨水动力性能数据特征;GA不依赖于问题的具体领域,对问题的种类有很强的鲁棒性,为计算机辅助船舶螺旋桨优化设计提供了一种通用的多参数优化框架。针对三体消波艇半浸式螺旋桨和沿海巡逻艇螺旋桨的设计实例表明,该方法能快速可靠地搜索到最优解,不仅具有足够的工程精度,而且实用方便,适用性强。     

改进的BP神经网络在船舶与海洋工程中的应用研究

人工神经网络作为一个具有高度非线性映射能力的计算模型,在工程中具有广泛的应用前景.在数值预测方面,它不需要预选确定样本的数学模型,仅通过学习样本数据即可以进行预测.文章介绍了BP神经网络,并针对实际应用中收敛速度慢,平台效应等问题对网络进行了改进并优化,详尽地给出了改进的三层BP神经网络数值预测算法.为测试该算法.选用了著名的XOR(异或)问题和和一个高度非线性的0-1矩阵预测问题对其进行了验证.计算结果表明文中算法能给出令人满意的精度.最后结合船舶与海洋工程的两个实际问题,探讨了利用改进的BP神经网络进行数值预测的方法和应该注意的问题,并给出了一些有益的建议.实践表明,文中给出的改进的BP神经网络数值预测算法值得在船舶与海洋工程中加以应用并推广.     

弹性限位浮筏隔振系统的动力学建模与算法

文章从接触动力学的角度,建立多自由度多弹性限位浮筏隔振系统的动力学模型,采用人工神经网络算法用于判别限位器的接触状态.实例分析指出,神经网络算法接触判别的时间大大缩短,接触计算得以实现.得出了对工程有指导意义的结论:限位器单向约束时,筏体和设备的最大位移与限位器之间存在最优间隙.限位器双向约束时,筏体的最大位移与限位器之间存在最优间隙,而设备的最大位移随着限位器的间隙增大而增大.限位器间隙对系统的影响与限位器的约束状态有关.     

基于RBF-ANN GA的水下空化水射流喷嘴结构优化

为使空化水射流的性能满足船舶水下清洁的需求,对喷嘴结构进行优化,提出一种基于径向基函数（RBF）、人工神经网络（ANN）和遗传算法（GA）的水下空化水射流喷嘴结构优化方法。通过数值模拟计算设计参数（如入口段长度、收缩段长度、圆柱段长度、扩散段长度、入口半径、圆柱段半径、收缩角和扩散角等）与空化性能参数轴线最大蒸汽体积分数的关系,通过RBF-ANN对该关系进行预测,解决采用GA进行结构优化时个体适应度难以计算的问题。将该方法与传统的方法进行对比,结果表明,该方法能快速且稳定地计算个体的适应度,相比传统方法能更有效地提升喷嘴的空化性能。     

人工神经网络在冲击响应计算中的应用

基于人工神经网络在系统辨识和函数拟合方面的优势,以单自由度隔冲系统为研究对象,提取了决定冲击响应的几个参数作为网络输入,以最大响应加速度值和隔振器最大变形量为最终目标参数,采用人工神经网络的方法来计算其冲击响应,实际计算结果表明神经网络方法计算的结果具有较好的精度。     

基于案例推理和神经网络的车辆故障诊断研究

将人工神经网络和基于案例的推理技术相结合,应用于车辆故障诊断系统中,建立了应急故障诊断模型;基于此模型,研究了车辆维修案例的表示方法并设计了CB神经网络的学习规则,通过系统的仿真训练和仿真诊断,该模型有效地提高了故障诊断的效能,满足车辆应急故障诊断的需求。     

基于BP人工神经网络的公路软土地基沉降预测

采用BP人工神经网络,利用杭瑞高速公路软土地基实测沉降数据直接建模,进行了软土地基最终沉降量的预测,将预测结果与曲线拟合法中的双曲线法、指数曲线法、三点法的预测结果进行了对比分析。证明神经网络法能避免传统方法计算过程中各种人为因素的干扰,计算精度高,泛化性强,简便易行。     

基于实测数据软土地基沉降预测方法的比较

考虑到软土的复杂性和各种沉降理论计算方法的局限性,利用有限的沉降实测数据,选取合理的模型及方法来预测软基的沉降。以深圳盐田港西港区纳泥塘地区软基沉降预测为例,采用了BP向前型网络模型和Elman反馈型网络模型两种不同的神经网络建模法,通过高度非线性的曲线拟合,推求工程后期沉降(包括最终沉降),并与曲线拟合法中的双曲线法、指数曲线法、泊松曲线法及 Asaoka 法对比,对拟合预测结果进行检验,使其具有统一的量化标准。对比结果表明：BP神经网络模型和双曲线法的预测效果最好,适用于本工程的沉降预测。     

平面交叉口事故预测及突出事故形态鉴别

应用神经网络技术建立了基于三层感知机的平面交叉口事故预测模型,该模型的特点是可预测出具体事故形态的事故数.模型检验结果表明,预测精度达到了89%.在得到分事故形态的事故数预测结果后,基于"突出性"原理建立了一种鉴别事故多发形态的方法.