基于BP神经网络的铁路货运量预测

在铁路货运量预测中，为改善传统预测方法数据拟合度不高、外推性不强等问题，提出基于BP神经网络技术的货运量预测模型，该模型采用贝叶斯正则化方法以提高神经网络推广能力。实验比较发现，该模型具有较强的自适应性，其拟合、预测结果优于灰色预测模型GM（1，1）和修正指数回归模型，证实了该方法的可行性和可靠性。     

一种基于多频谱特征的舰艇识别方法

多频谱技术是红外探测中的一种重要方法。利用这种方法研究雷达信号的多频谱特征，讨论利用多频谱特征识别目标的方法，并利用神经网络的方法对这种识别技术进行验证，得到了很好的效果。     

基于神经网络的直升机舰面系统效能评估

直升机舰面系统是各种先进的护卫舰、驱逐舰等大型舰艇重要的组成部分。分析影响直升机舰面系统研制方案的各种因素,利用神经网络的方法对复杂的舰载直升机舰面系统研制方案进行效能评估。     

数据挖掘及其应用和发展

在介绍数据挖掘技术的基础上,讨论了数据挖掘的产生、定义、功能和可以挖掘的模式类型,讨论了数据挖掘的实施过程,分析并给出了实施有效挖掘的具体步骤,重点分析了其过程中的技术手段和核心环节。简要介绍了当前流行的数据挖掘系统,并且指出了现阶段数据挖掘技术的具体应用,最后提出了数据挖掘研究今后的发展趋势。     

舰船海上机动避台辅助决策系统研究

本系统基于ECDIS,充分利用综合导航系统提供的舰船位置、速度、方向、时间等信息以及台风的分析预报成果,使舰船在遇到台风的情况下执行任务的复杂决策过程实现了业务化和自动化,提高了舰船长防避台风的决策速度和精度,确保舰船在遇到台风的情况下既能有效地避离台风,又能完成任务。     

基于神经网络的工程图表数值计算

以典型的工程图表为例，提出了一种用神经网络来解决工程设计中的查表问题的实用方法。计算结果表明，对于一个较为复杂的工程图表，需要一个4层的BP神经网络才能很好地处理，从而为工程设计CAD提供了一个有效的方法。     

预测碳纤维薄板增强RC梁抗弯疲劳寿命的AFN法

在碳纤维薄板(CFL)增强RC梁中,加固后构件的疲劳寿命受到被加固结构本身性能、加固材料性能以及荷载水平等因素的影响,加固效果具有明显的非线性,加固后疲劳寿命难以显式表达。本文采用AFN法预测加固梁的疲劳寿命:用层次分析法(Analytic hierarchy process)对影响疲劳寿命的主要因素进行分析;用模糊聚类法(Fuzzy clustering)确定训练样本;运用神经网络方法(Neural network),建立疲劳寿命隐函数关系式,从而预测CFL加固梁抗弯疲劳寿命。以疲劳试验数据为样本,用层次分析法选取最大荷载、CFL的应力水平、初始挠度、循环次数为200时跨中挠度的试验数据作为疲劳寿命隐函数的随机变量输入单元,以CFL加固梁的抗弯疲劳寿命作为输出单元。通过预测值与试验值的对比分析,验证了AFN法预测CFL增强RC梁抗弯疲劳寿命的合理性。     

驼峰速度控制系统中神经网络方法的研究

现有的各种驼峰速度控制系统大多属开环系统，本文将神经网络学习算法引入速度控制系统达到系统闭环的效果。提出了一种直接控制的自适应神经元模型和神经网络结构，以及一种快速学习算法，并把该神经网络和算法用于驼峰速度控制系统。计算机模拟结果表明该算法是十分有效的。     

基于神经网络的交叉口交通流量预测方法研究

介绍了利用BP神经网络模型来预测交叉口交通流量的方法。在概述了神经网络的工作原理和BP网络模型的设计之后,通过举例更进一步说明此方法的可行性和预测效果。     

基于改进BP神经网络的船舶操纵性能预报

以某单桨大型船舶在海上的回转性能为例，探讨了应用改进的BP神经网络（Back-pmpagation Neural Network）建立船舶操纵性预报数学模型的方法，并利用matlab语言对其进行了仿真。研究结果表明，改进的BP算法有更快的收敛速度和更好的计算精度。