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。     

郴州互通滑坡稳定性评价及治理设计

分析了耒宜高速公路郴州互通Gk256 620-Gk256 830段山体滑坡的形成机理，运用极限平衡原理对滑坡体进行了稳定性计算，根据计算结果提出了边坡治理设计方案，并对该类滑坡工程提出了自己的体会。     

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.     

对解泊松方程数值生成网格方法的一点改进

本文提出了一种生成网格的改进方法，此法的本质是交替地改善网格的正交性和汇聚性。此法的构思质朴，效果明显，尤其是对物面附近要求顾到网格的正交性和汇聚性两者时，此法提供了一种有效的控制手段。此法在计算船舶流体动力学中有较高的实用价值。     

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。