应用神经网络方法的煤热解气化特性研究

应用神经网络方法,对不同种类煤的热解气化特性进行了研究。建立了一个基本原理－神经网络煤热解气化模型,用一组神经网络作模型参数估值器,提供基本原理模型所需的模型参数,以晋城无烟煤和赤峰褐煤的实验数据分别对神经网络进行了训练,获得了较好的过程模拟结果,并提出了一个反映煤焦的综合反应性的参数“活性焦比”（ＡＣＲ）,用神经网络进行模拟,煤焦的气化历程中ＡＣＲ的数值及变化规律与煤种有关。神经网络给出的模型参     

热重分析方法研究印尼煤掺混烟煤的热解特性

印尼煤是我国东部沿海地区火电厂燃用的重要煤种之一。本文利用热重分析方法研究印尼煤以及其它三种烟煤的热解过程,并以印尼煤为基煤与其它烟煤按不同比例进行掺混。研究掺混后混煤热解反应过程,用热解反应动力学方程研究混煤热解特性,提出合理的印尼煤掺混烟煤配比方案,这为燃用印尼煤与烟煤混煤的实际工程应用提供可靠依据。     

比较BP神经网络和RBF神经网络在基金净值预测中的应用

基金市场的活跃程度直接影响基金净值的变动,市场内部的影响因素具有较强的非线性特征,神经网络模型强大的非线性处理功能能够更为精准地预测基金净值的走势.本文采用BP神经网络和RBF神经网络对华夏成长基金进行实证分析,比较2种方法的预测精度.实证结果表明:RBF神经网络的仿真结果与真实值匹配程度较好,具有更高的预测精度.     

RBF神经网络在雾天图像复原中的应用

针对雾天图像的特点及传统算法复原效果的不佳,提出了一种基于RBF神经网络的雾天图像复原算法。实验结果表明,该算法能够有效地提高图像清晰度和对比度,复原后的图像视觉效果得到了明显改善。     

应用TGA—FTIR研究污泥与煤的热解规律

应用ＴＧＡ－ＦＴＩＲ对比分析了污泥与煤的热解特性，研究发现污泥中挥发分在某一温度时大量而迅速地析出，且需要采用不同的机理来描述它的热解动力学过程。     

RBF神经网络在织物风格中的研究与应用

采用RBF(radial basis function)神经网络对织物风格进行评价,对织物风格中的光滑度建立评价模型,模型具有较强的识别能力,且训练时间较短,可以有效解决对织物风格中光滑度的评价.     

RBF神经网络在小儿厌食症的辅助诊断中的应用

RBF神经网络是神经网络的一种,作为一种非传统、非线性、多变量的分析方法可应用于临床疾病的辅助诊断,其判别效果比传统的多元分析法要好。神经网络用于医疗诊断通过对已确诊病例的学习取得知识和经验,并按自联想推理产生诊断输出,这是一般的医疗专家系统作不到的。本文讨论RBF神经网络用于小儿厌食的辅助诊断和预测。     

RBF神经网络理论及其在控制中的应用

对RBF神经网络的结构和函数逼近理论进行了综述，最后提出了RBF网络在控制中的研究及应用。     

改进型RBF神经网络在系统建模中的应用

提出了一种新的RBF神经网络的设计方法,采用遗传-K均值聚类算法对RBF神经网络的隐层节点中心值进行优选,用遗传算法训练RBF神经网络的权值。以锅炉燃烧为实例,通过从现场采集的数据建立神经网络模型,使用改进的算法建立系统的神经网络模型,结果证明了该方法的有效性。     

煤和蓝藻的共热解特性研究

采用热重分析法,对神府煤和蓝藻单独热解及共热解(蓝藻掺混比,即蓝藻与干基混合物的质量比为5%,10%,20%,40%和80%)特性进行了研究。研究表明:蓝藻挥发分析出的极值温度比煤低,而且热解速率比煤快。蓝藻组成复杂、挥发分含量高且含有的不稳定键多,所以在较低温度下就会被破坏,从而以较高的速率挥发出去。当蓝藻与神府煤共热解时,低温下蓝藻的挥发分析出后,暴露出来的灰分覆盖在煤的表面,灰分中具有催化作用的碱和碱土金属会加快煤的热解反应,使煤的挥发分提前析出。当蓝藻的掺混比为40%和80%时,协同作用较明显,热解焦的产率比理论值低。     

基于RBF神经网络的砂土液化预测

通过分析砂土液化成因及其影响因素,建立了砂土液化预测RBF网络模型,并与BP网络预测模型进行比较。测试结果表明,应用RBF网络模型对砂土液化进行预测,预测效果好,识别精度高．     

RBF神经网络应用于连铸漏钢预报

从结晶器上热电偶的时间序列和空间序列出发,将径向基（RBF）神经网络应用于连铸漏钢预报,并对连铸过程进行了仿真,取得了较好的效果。     

基于RBF神经网络的热轧碳钢变形抗力预测

以凸轮式高速形变试验机得到的实验数据为基础,利用Matlab人工神经网络工具箱,建立了碳钢的变形抗力与其化学成分、变形温度、变形程度及变形速度对应关系的RBF神经网络预测模型.通过对函数newrb()中宽度系数的调整,确定了最佳的网络结构形式,提高了模型的预测精度以及网络的泛化能力.结果表明,与传统的BP网络模型相比较,RBF网络模型具有更高的精度和较强的泛化能力.     

基于RBF神经网络预测方法的碱渣土工程特性分析

为了缓解纯碱行业生产快速发展与碱渣贮放的矛盾,国内碱厂主要采用贮渣池加高作为解决手段.对待建碱渣坝土样的工程特性进行预测分析,能够为坝体的后续加固加高提供科学依据.碱渣土具有复杂的物理力学性质,应用优化识别预测方法能够更好地揭示数据中各指标间的非线性关系,因此采用RBF神经网络的数据拟合能力,建立碱渣土工程特性的预测模型.通过工程算例的应用效果表明,RBF神经网络具有可调参数少、网络性能稳定和预测精度高等优点,分析了输入样本数目和宽度向量对RBF神经网络预测性能的影响,可为碱渣土工程特性的初步预测分析提供有效的决策依据.     

RBF神经网络在股市趋势预测中的应用

将RBF神经网络应用在股市趋势预测中，RBF网络中心点的选取采用最近邻聚类学习算法，以上证指数和基金裕阳为对象进行建模与预测，结果表明，此种网络具有较好的学习和泛化能力，在股市趋势预测中取得了较好的效果。     

径向基函数神经网络在多河段水质模拟中应用

为了更好地模拟与预测河流水质,运用人工神经网络的原理与方法,在分析河流多河段水质模型基础上,建立了RBF人工神经网络水质模型,应用滏阳河邯郸市区段实测水质数据对模型进行训练与检验,结果表明,该模型应用于水质模拟精度高,是可行的.     

改进的RBF神经元网络及其应用

总结和改进了ＲＢＦ网络的结构和学习算法，并利用改进的ＲＢＦ网络对化工中的精馏塔系统进行建模研究，仿真可知效果较好．     

IBF神经网络电力负荷预测模型研究

运用Matlab神经网络工具箱建立了一个RBF神经网络,依据某地实际的历史电力负荷数据和天气数据作为训练样本和测试样本,进行了考虑历史天气状况因素的电力系统短期负荷的预测和仿真,预测结果平均相对误差较小,满足精度要求,并将此RBF负荷预测模型与BP神经网络建立的短期电力负荷预测模型的预测结果进行了比较,显示了在相同预测条件下,RBF神经网络相比于BP神经网络在电力系统短期负荷预测方面的优越性．     

有机灰色神经网络模型在河流水质预测中的应用

针对灰色预测对波动较强的序列只能预测大致变化的缺陷,在分析河流水质动态变化的基础上,结合灰色理论中的GM(1,1),无偏GM(1,1)和RBF神经网络的特点,提出有机灰色神经网络预测模型,将灰色模型得到的数值作为神经网络的输入,原始数据作为神经网络的输出,训练得到最佳神经网络结构.以某地区河流水质为例,根据其变化规律,应用有机灰色神经网络模型进行预测,结果表明,该模型拟合误差小,预测精度高.     

基于改进的RBF神经网络的配电网故障诊断模型

结合梯度下降算法和进化算法对RBF神经网络进行改进,建立了基于改进的RBF神经网络的配电网故障诊断模型.配电网故障诊断实例表明,基于改进的RBF神经网络的配网故障诊断模型具有较高的诊断精度.