时间序列的神经网络预测方法研究

本文利用动态神经网络可以逼近任意范函这一特性，提出利用此种动态神经网络对时间序列进行预测的方法，并利用设计的网络对某些典型的时间序列进行预测，结果表明利用神经网络对时间序列进行预测有较好的逼近效果。     

BP神经网络模拟冰盘管蓄冷过程特性的可行性研究

文中基于BP神经网络方法对冰盘管蓄冷系统的整个蓄冷过程中的蓄冷动态特性参数进行模拟研究,根据实验研究数据对所建的BP神经网络进行网络训练,进而通过预测试验对预测网络进行检验。结果表明:利用BP神经网络方法对整个蓄冷过程中的蓄冷动态特性参数进行模拟的精确度明显高于传统模拟方法,可使研究者更全面、更精确地了解和掌握了蓄冷过程中蓄冷动态特性参数的变化情况,为设计和优化直接蒸发式冰盘管蓄冰系统提供了理论依据。     

基于BP神经网络的人体血液中红细胞浓度无创检测

采用BP神经网络算法模型对人体血液红细胞浓度进行无创检测。对获取的动态光谱数据和红细胞实测值利用BP神经网络进行建模分析,校正集输出对期望值的跟踪较好,相关系数R达到了0.993,用建立起的BP神经网络模型去检验预测集输出值,得到预测集的相对误差最大为4.7%,平均相对误差为2.1%,预测能力较为理想。结果表明：用BP神经网络模型能够较准确的处理动态光谱数据和人体红细胞实际值的非线性关系,提高了血液成分无创测量在临床上应用的可行性,具有较高的应用价值。     

基于遗传小波神经网络的机器人腕力传感器动态建模研究

提出一种基于改进遗传算法进化小波神经网络用于机器人腕力传感器动态建模的新方法,介绍了该算法原理.该方法利用腕力传感器的动态标定数据,用改进的遗传算法来优化小波神经网络结构和参数,建立腕力传感器的动态模型.结果表明,采用遗传小波神经网络进行腕力传感器动态建模,能克服误差反向传播算法存在易陷入局部极小点的缺点,网络的复杂度、收敛性和泛化能力得到了好的综合,建模的速度和精度得到提高. 关键词： 腕力传感器 动态建模 小波神经网络 遗传算法     

谐波分量提高动态光谱法无创血液成分检测精度

为增加动态光谱数据的信噪比,提高预测模型稳定性和预测精度,提出将多次谐波分量计入动态光谱数据频域数据处理的改进方法。对110名志愿者进行临床采集,依据其脉搏波信号质量和谐波分布状况,确定其中60例样本为研究对象。在提取样本动态光谱时,以是否加入谐波分量为标准分成实验组和对照组。分别建立两组动态光谱和人体血红蛋白含量的BP神经网络模型,结果显示实验组预测集相关系数为0.91,远大于对照组预测集相关系数0.80,其余各项指标均有明显改善。实验证明利用谐波分量可提高动态光谱数据信噪比,有利于推动基于动态光谱的无创血液成分检测技术的进一步发展。     

动态光谱数据质量的评价

为消除数据采集过程中各种因素对基于动态光谱法无创血液成分测量精度的影响,需要对动态光谱数据建立一个质量评价标准,以提高建模的稳定性和预测的准确度。在对110名志愿者的测量数据进行分析后,提出了动态光谱数据的一个质量评价指标——稳定波长数,并依此选取出60例优秀样本。利用BP神经网络对此样本的总胆固醇、血糖、血红蛋白进行了建模和预测。预测结果较之对照组均有所改善,平均相对误差分别从13.8%,15.8%,5.4%降低到6.5%,6.5%,2.1%,证明将稳定波长数作为动态光谱数据质量评价标准的有效性。引入稳定波长数指标,可对测量数据进行预先的质量评估,提高实际仪器预测的可靠性,为动态光谱法血液无创检测走向临床应用铺平了道路。     

动态光谱法用于人体血红蛋白浓度的无创测量

为了实现血液成分的无创检测,利用动态光谱指端透射法进行了人体血红蛋白浓度无创测量的研究。对34名健康志愿者进行了在体测量动态光谱和抽血分析血红蛋白含量,在验证了动态光谱的可靠性的基础上,选用BP神经网络对获取的动态光谱数据和血红蛋白浓度实测值进行建模分析,从34个样本中抽取19个作为校正集,另外15个作为预测集,得到校正集和预测集的相关系数分别为0.983 1和0.936 5,预测集的相对误差最大为7.5%,平均相对误差为3.04%,满足临床应用对血红蛋白测量精度的要求。结果表明： 动态光谱法可以有效的克服测量位置等测量条件对光谱测量的影响,较准确地进行人体血红蛋白浓度的测量,是一种比较好的血液成分无创测量方法。     

混沌神经网络的动态阈值控制

提出了混沌神经网络的动态阈值控制方法, 将大脑脑电波的主要成分, 正弦信号作为控制变量实现对混沌神经网络内部状态的阈值动态改变, 从而达到了控制混沌神经网络混沌的目的. 利用该方法可以将混沌神经网络的输出稳定在一个与网络初始模式相关的存储模式和其反相模式上, 从而使混沌神经网络在模式识别、信息搜索等信息处理功能得以实现. 该控制方法不需要事先指定阈值, 是一种自适应方法, 符合实际人脑的思维运动. 关键词： 混沌控制 混沌神经网络 动态阈值控制 信息处理     

晶体塑性有限元在材料动态响应研究中的应用进展

作为连续尺度上描述各向异性非均质材料弹塑性变形的重要模拟工具,晶体塑性有限元能够有效预测材料的宏观力学性能,在工程设计方面起着重要的作用。在实际工程应用中,许多晶体材料在高应力、高变形率、高温等极端条件下服役,此时各向异性非均匀的微介观结构演化是理解材料动态响应的关键,这给晶体塑性有限元带来了巨大的机遇和挑战。首先简要综述了晶体塑性有限元的原理和方法,然后着重介绍其在材料动态响应中的应用,最后展望其在材料动态响应模拟方面的发展方向。     

编码器动态检测系统高实时性高精度角度基准设计

在编码器动态特性检测中,角度基准的快速反应和精度直接影响着动态特性检测装置的准确性。为实现角度基准的快速响应,提高基准编码器的测角精度,本文设计了高精度快速细分角度基准编码器。首先,通过对目前角度基准不足对编码器动态特性检测影响的分析,得出动态检测精度主要受基准编码器的数据处理延时影响。其次,通过对基准编码器结构、细分电路、处理电路等的设计,完成了23位高实时性角度基准编码器的制作。最后,为提高检测精度,利用RBF神经网络对角度基准进行误差补偿。所设计的角度基准编码器分辨率达到0.15",并且可以在10 r/s速度时,保证逐分辨率输出。经过测量,补偿前基准编码器的精度为1.30",补偿后的基准编码器误差峰峰值不超过2.5",精度优于0.6"。高精度、高实时性角度基准编码器的研制,提高了编码器动态特性检测系统的检测精度,为研究编码器动态特性提供了基础。     

漂浮式风力机动态响应特性研究

漂浮式风力机是一种新型风力机。在海上风和波浪的综合作用下,机组的运动和气动特性参数将产生显著的动态变化,即动态响应。本文利用气动、水动、控制、结构完全耦合的风力机模拟软件,对三种典型漂浮式风力机在不同的风和波浪条件下的动态响应进行了计算和分析,结果表明:不同类型漂浮式风力机的动态响应差别很大,但纵荡运动始终是最主要的运动形式,纵荡平衡位置主要受风速的影响,而纵荡振幅主要受浪高的影响;漂浮式风力机的平均功率相对固定式风力机的稳态值基本不变,但平均载荷有较大程度的增加。     

基于BP神经网络的传感器网络动态采样模型研究

能耗控制对于农业环境监测无线传感器网络系统具有重要意义。基于误差反向传播的多层前馈神经网络预测和阈值分析建立了一种土壤温度传感器网络动态采样模型,实现了基于土壤温度周期变化特征的采样频率实时调整方法,达到减少网络冗余数据,降低网络功耗的目的。以环境温度和空气相对湿度为BP神经网络实测输入,土壤温度为预测输出,通过判断输出是否进入阈值区间动态调整采样周期。仿真实验结果表明,对于具有周期性特点的土壤温度,BP网络模型对其预测值和实测值之间的均方根误差RMSE及绝对误差AE分别为0.83℃和0.54℃。相比于连续采样,阈值分析动态采样次数减少30%。     

基于动态光谱法的人体血液胆固醇含量无创检测

为实现患者血液总胆固醇含量的无创检测,检测了80例临床志愿者的手指脉动血液的动态光谱,同时获取其血液内总胆固醇含量的临床化验结果。对动态光谱加入谐波分量的数据进行了主成分分析,提取数据中的重要有效成分。对提取后的数据和总胆固醇实测值进行BP神经网络的建模并预测,得到预测集相关系数为96.48%,预测集最大相对误差为25.44%,预测误差均方根为0.242 6mmol.L-1。由于在建模前对建模数据进行了主成分分析,建模速度得到大幅度提高。证明了动态光谱法结合主成分分析进行血液总胆固醇含量检测的可行性,是无创血液成分分析研究的又一进展。     

拓扑图案石墨烯热导率的人工智能预测

本文利用深度学习构建卷积神经网络算法,成功实现石墨烯/氮化硼二维异质结构的热导率预测.基于非平衡态分子动力学模拟计算得到不同拓扑图案异质结构的热导率构建机器学习数据库,将不同拓扑图案的异质结构图片和对应的热导率作为训练样本数据,搭建卷积神经网络.此外,详细分析了卷积神经网络中超参数对热导率预测准确性的影响.本研究有助于...     

B-P神经网络用于氘灯辐亮度值预测

本文提出了应用Ｂ－Ｐ神经网络预测氘灯辐亮度值的新方法。构造３层神经网络结构，选取与氘灯辐亮度值有关的特性指标值作神经网络的信息输入，按误差反向传播（Ｂ－Ｐ）算法对样本进行训练，用已训练好的Ｂ－Ｐ神经网络预测待识别氘灯的辐亮度值。实例分析表明Ｂ－Ｐ神经网络用于氘灯辐亮度值预测有较高的拟合和预测精度。     

间接耦合机械结构之间的耦合损耗因子

本文利用双端口法推导了强耦合或相互处于振动波近场范围内的机械结构中间接耦合结构之间的耦合损耗因子的计算公式。用考虑了间接耦合损耗因子的修正统计能量分析的能量平衡方程预测了转动机械结构响应，预测结果与实验测量结果之间的一致性优于用经典统计能量分析法预测的振动响应。     

温度对直接甲醇燃料电池动态性能的影响

利用可计算机控制的电子负载单元,本文实验研究了电池温度对液态进料直接甲醇燃料电池单体电池的稳态和动态性能的影响,并考察了该电池对电池温度变化的动态响应。实验结果表明:电池稳态性能随着电池温度的升高而提升,电池对动态负载的响应随着电池的温度的升高而变得更快和更稳定,升温过程中电池对电池温度变化的响应值要高于降温过程中对应的响应值。     

用于可变比特率视频通信量预测的自适应训练及删剪算法

提出一种自适应神经网络模型对可变比特率视频通信量进行非线性自适应预测，并采用基于递归最小方差的自适应学习及删剪算法对抽头延迟神经网络进行训练和结构优化.仿真实验表明，该模型能够实现对复杂视频通信量序列的高精度预测，满足实时快速的预测要求. 关键词： 视频通信量预测 神经网络 递归最小方差 删剪算法     

面向SLA的云计算负载均衡策略

云计算负载均衡是保障SLA协议的关键问题之一。针对云计算负载均衡问题,提出一种面向SLA的负载均衡策略。该策略引入人工神经网络思想,建立负载均衡模型,采用单层感知器算法(SLPA)将虚拟机负载状态进行分类,然后利用结合了动态加权轮询算法的BP神经网络算法(BPNNA-DWRRA)有针对性地对虚拟机负载权重进行预测更新,最后将任务调度到最小权重所对应的可行虚拟机上。应用CloudSim进行仿真实验,结果表明了该策略的可行性,同时,相比加权最小链接算法和粒子群算法,该策略的平均响应时间分别节省了43.6%和22.5%,SLA违反率分别降低了20.7%和14.4%。因此,所提策略在响应用户任务时,请求响应时间短,SLA违反率低,保障了SLA。     

爆轰产物驱动飞片运动数值模拟

化爆加载装置是研究材料动态响应特性的重要冲击加载装置之一。如果炸药与飞片直接贴附，将难以获得较低的飞片速度，而且飞片中载荷的上升时间较短。为研究材料在冲击压缩低压状态和准等熵压缩条件下的动态响应特性，对利用爆轰产物经过空气隙驱动飞片运动的加载装置进行了二维数值模拟，获得了一些规律性认识。