对转桨水动力性能实时预报方法

为了实现对转桨水动力性能实时预报，基于BP神经网络构建对转桨水动力性能预报模型。首先，采用低阶速度势边界元法建立对转桨水动力性能预报模型，通过调整来流速度和前后桨转速开展对转桨水动力性能多工况计算，从而获得构建神经网络所需的样本空间。建立适用于对转桨水动力性能预报的神经网络架构，通过训练使其具备良好的泛化能力。以某组对转桨为研究对象开展水动力性能实时预报方法研究，结果表明，采用BP神经网络预报模型可获得与边界元法精度相当的预报结果，但该模型与边界元法相比计算所耗时间可以忽略不计，可有效实现对转桨水动力性能实时、快速预报。     

基于随机森林结合前向序列选择算法的铁路隧道防水板检测数据关键影响因素识别北大核心

针对参数特征复杂度高的铁路产品,提出了一种基于随机森林(RF)结合前向序列选择(SFS)算法的铁路产品检验检测数据关键影响因素识别方法,以辅助基于经验的识别方法。创新使用RF-SFS算法,将其应用于铁路隧道防水板检验检测数据关键影响因素的识别研究。根据多年铁路隧道防水板检测数据,建立RF模型,获得了影响铁路隧道防水板检测结果的特征关键性评分序列。随后,结合SFS方法得出关键性评分序列的阈值,将排名前6位的影响因素识别为关键特征,模型的预测能力达到99.98%。为验证关键特征识别方法的有效性,对比分析3种模型在使用不同特征子集时的预测能力。当仅选用关键特征时,3种模型的预测能力均达到最佳,加入冗余特征后模型的预测能力逐渐降低。     

一种基于机器码存储的改进遗传算法的应用研究

提出了一种基于机器码存储的改进遗传算法，适于优化大型多变量问题。开发的C 基本位操作算子，使此算法仍可沿用传统二进制遗传算法的交叉变异操作。这一算法在内存和时间上占优势，是一种稳健的、全局搜索能力较强的优化算法，并在建立河北省某地区的年降雨神经网络预测模型的实践中得到了验证。     

交通量预测中组合预测参数估计方法的研究

在现有文献研究的基础上，对组合预测模型中权系数的估计问题作了进一步研究，给出了两种估计方法，即最小平方法和最小方差法，讨论了权系数的约束条件和组合预测效果评价问题。     

组合预测模型的研究

在现有文献研究的基础上，对组合预测模型作了进一步的研究，分析了现有预测模型存在的问题，提出了改进的组合预测模型，并给出了其参数估计和方法和估计公式。     

BP神经网络在土工合成材料蠕变预测中的应用研究

过对目前广泛应用于加筋土工程的土工合成材料-CE131土工网、SDL25土工格栅进行不同应力水平作用下的长期荷载蠕变试验,获得大量的实验数据.在此基础上,运用最小二乘和BP神经网络对其蠕变量进行预测.最小二乘原理是在曲线族中寻找一曲线去拟合实验数据,从得到的误差平方和σ=0.00116来看,其拟合精度较高.BP神经网络具有自适应学习和记忆能力,尤其是三层BP神经网络模型,所得预测值与实际值误差最大为0.91%,较最小二乘3.4%的误差改善了许多,该法为蠕变预测找到了一条新的途径.     

基于人工神经网络的海洋平台振动主动控制

将经典最优控制算法与人工神经网络相结合，采用BP神经网络模型，实现了受随机波浪力作用下的海洋平台的振动主动控制。由于神经网络的鲁棒性、容错性和很好的泛化能力，仿真结果表明控制是可行、有效的，并且克服了传统算法本身的时滞问题，为海洋平台的振动控制提供了一条新的思路。     

基于BP神经网络的分布式传感器网络的可靠性分析

针对分布式传感器中的故障点多，导致估计系统可靠性参数困难的特点，提出了一种基本原则于BP三层神经网络的Markov可靠性模型。仿真结果表明，神经网络收敛时的可用度与Markov模型计算值的相对误差的数量级为10-4，从而验证了神经网络模型的正确性，另一方面与用两层神经网络的可靠性计算相比，其收敛速度加快。     

高速道路异常状况下车辆排队长度的预测模型

分析了高速道路交通事故发生后交通流的变化情况，并采用车流波动理论推导出排队长度随时间变化的公式，为开发高速道路紧急救援系统提供了理论依据。