BP神经网络在水华短期预测中的应用

为解决影响因素多、作用关系复杂的水华预测问题,将BP神经网与水体环境因子的高频实测数据相结合,构建了巢湖水华的短期动态预测模型,该模型准确地预测了每次水华发生的时间,预测值与实际观测值相关系数可达0.608 4;在分析BP神经网络自身局限性的基础上,研究了建模过程中输入输出数据预处理、网络结构设计、训练模式选择等问题,给出了水华预测中确定环境因子和建模方案的具体方法.该方法容易移植到其它湖库,提高了模型的实用性和通用性.     

分子蒸馏技术在乳酸工业化应用中的问题探讨

介绍了分子蒸馏技术在乳酸行业应用的现状,综述了分子蒸馏技术在乳酸工业化应用中存在的问题,对分子蒸馏设备在乳酸工业化应用中的形式、材质、设备真空度、冷热端间距及刮膜转子精密度进行了问题探讨,概括性指出了解决方案,并对分子蒸馏技术在乳酸中的应用前景进行了展望。     

神经网络在过程建模中的应用

阐述了神经网络用于过程建模目前存在的问题，提出了改进的方法，并将此应用到了大型炼油厂脱蜡过程的建模中。通过比较改进前后的ＢＰ算法仿真结果可以看出，改进后的算法在网络的训练收敛速度上有了较大提高。     

改进BP神经网络在郑州市需水量预测中的应用

水资源供需矛盾日益突出,需水量预测已成为广泛关注的焦点．需水量预测可以为“三条红线”的实施提供依据,以强化水资源管理和节水监督管理,缓解水资源供需矛盾．基于BP神经网络模型,采用自适应调整的算法,改进了BP神经网络模型中学习率的求解方法,并将其应用到郑州市经济社会需水量预测中,预测了2012年和2015年经济社会需水量,分别为14．41亿m3和14．84亿m3;通过与BP神经网络模型、主成分回归分析结果对比,发现改进后的BP神经网络模型根据迭代误差自动调整学习率,求解速度和计算结果精度明显提高,适用于郑州市需水量预测．     

分子蒸馏技术及其在工业上的应用

介绍了分子蒸馏技术的基本原理及其与堂规蒸馏技术的区别，国内外发展状况及在工业上应用领域等。     

分子蒸馏技术

分子蒸馏是一种新型的分离技术,与传统的分离技术相比：操作温度远低于液体沸点,蒸馏压力在极高真空度下,受热时间短,系统基本绝氧,能最大限度地保证物系中的有效成分。本文分析了分子蒸馏技术的原理,介绍了目前分子蒸馏技术的特点,以及分子蒸馏技术在化工、医药、轻工等行业的应用情况和发展趋势。     

神经网络在控制过程中的应用

应用人工神经网络，映射控制变量与干扰因素之间的非线性关系，以煤气发生炉制取工艺为例，提出实验测试建模方法。     

刮膜式分子蒸馏过程的研究

对刮膜式分子蒸馏传热方程进行数值求解,针对0．25m^2刮膜式分子蒸馏器,以DBP(邻苯二甲酸二正丁酯)为物料进行了模拟计算。初步探讨了进料温度、进料速率2个参数对蒸馏器内头波温度及液膜表面蒸发速率的影响、模拟结果表明,头波温度随进料温度的升高而升高、随进料速率的增大而降低;液膜表面蒸发速率随进料温度的升高而增大,随进料速率的增大而减小.     

改进自适应遗传算法在BP神经网络学习中的应用

针对遗传算法容易产生局值的问题,提出一种新的自适应遗传算法,改进遗传算子,通过比较两代之间的适应度评估值,选取适合的交叉率和变异率,保证了优秀个体进入下一代,而且避免了种群中最大适应度值的个体的交叉率和变异率为0的情况.最后,将改进后的算法应用于库存控制模型,实验表明,改进后的自适应遗传算法能避免局值,提高网络的收敛速度,改善了网络的学习性能.     

BP神经网络在入侵检测中的应用

对如何检测未知入侵手段的问题进行了探讨．在被监测程序输入条件已知情况下，借助程序行为简档，给出了一种基于BP神经网络的入侵检测方法，阐述了所用BP神经网络的基本结构以及训练方法，最后在LINUX环境下进行了实验验证．结果表明，在程序行为简档内容比较清晰的条件下，运用BP神经网络检测入侵，可在一定程度上提高入侵检测系统的难确检测率．     

神经网络BP模型在室内轰燃预测中的应用

总结了目前常用的室内轰燃预测方法，评述了人工神经网络和BP网络模型的特点以及神经网络在轰燃预测中的工作原理和网络构建方法，提出了预测轰燃的神经网络预测法，进行了有效的验证。由于室内火灾受建筑材料热惯性、开口通风因子、燃料热释放速率和房间内部尺寸等多种因素影响，传统轰燃预测方法存在多方面的局限性，而BP神经网络预测方法是合理、可行的方法。     

改进的BP神经网络在浑河水质评价中的应用

采用改进的动量-自适应学习率调整的 BP 神经网络,以国家水环境质量标准作为训练样本,以黄河流域的大汶河水系的水质监测数据作为检验数据建立了一个多前馈网络数学模型,应用此模型对浑河沈阳区段的水质进行评价,由于网络的改进有效地提高了训练的速度、节省训练时间,并且提高了评价的准确性。     

基于改进的BP网络数字字符识别

提出了一种基于改进的BP网络方法来实现数字字符识别.通过对BP网络的神经元的研究与学习,设计了一种结构合理,收敛速率快的BP网络.试验测试结果表明,改进的BP网络方法对印刷体数字的识别率达到了100%,对手写数字的识别率达到了98%以上.     

断层推断的改进BP神经网络方法

断层可破坏煤层的完整性和连续性 ,对采煤工作面的生产具有重要的影响 ,在矿井投产前 ,必须准确地查明采区内的断层情况。文章运用动量法和自适应调整学习率的改进 BP神经网络 ,选取 5个地震特征参数进行了断层推断。结果表明 ,改进 BP神经网络是一种有效的断层推断方法     

基于BP神经网络的工程造价估算模型研究

根据神经网络原理和工程造价估算的特点,通过研究工程造价的构成,建立了工程造价估算模型.从模型调试和测试结果来看,经测算其精度基本可以满足实际工程投资估算的需要,模型具有较好的应用价值.     

基于模糊神经网络分类器的精馏塔温度控制器设计

文章对精馏塔温度控制中所遇到的参数耦合严重、非线性高、数学模型难以建立的问题,提出了一个基于模糊神经网络分类器的控制方案,以精馏塔温度、流量、液位作为输入,导热油阀门开度作为输出,通过对人工操作的自适应学习和模糊化处理,实现对精馏塔温度的智能控制。实验结果表明,该方案能够模仿人工操作,智能学习的精度很高。     

人工神经网络在软件预估分析中的应用

将人工神经网络理论应用于软件预估分析领域，通过BP神经网络和功能点估算模型的介绍与结合，提供了一种估算软件工作量的方法．使用智能神经网络可分析软件开发这一十分复杂的过程。     

神经网络理论在延时煤与瓦斯突出预警中的应用

为提高煤与瓦斯突出预警的准确性,利用人工神经网络特有的非线性适应性信息处理能力,选择瓦斯涌出峰值、上升梯度、下降梯度、超限时间四个延时突出预警指标,实现煤与瓦斯延时突出的预警.瓦斯样本学习和突出预警结果与实际情况对比表明,前馈神经网络预警模型准确率很高,可以克服传统预警方法存在的瓦斯突出漏报和误报的缺陷.     

改进的神经网络算法在瓦斯涌出量预测中的应用

针对传统神经网络存在的收敛速度慢、容易陷入局部最小等缺陷,采用改良的BP算法———双权值迭代优化法,提高神经网络传统BP算法的训练速度。以三层神经网络为例,对权值进行优化。实验对比表明：双权值迭代优化法应用于瓦斯涌出量的预测,比一般BP网络有更高的预测精度和程序运行速度。