BP神经网络在润滑油摩擦改进剂复配性研究中的应用

研制润滑油的关键问题之一是研究其中多种添加剂间的相互作用和添加剂间的最佳复配比.以正交试验设计为基础的直现分析和回归分析可以探讨添加剂间的相互作用,而基于上述方法的最佳复配比的计算往往误差较大.采用BP神经网络计算最佳复配比,并与前两种方法作比较,发现BP神经网络在计算最优复配比时,结论可靠,精度高,是研制最佳润滑油配方的优秀数学工具.     

BP神经网络在住宅区片价评估中的应用

针对传统住宅区片价评估方法的不足,将BP神经网络应用于住宅区片价评估,并将其评估结果与回归分析模型结果进行比较,结果表明基于人工神经网络的评估优于回归分析模型,将神经网络模型应用于住宅区片价的评估是可行的。     

BP神经网络在材料领域中的应用(综述)

成分一结构一性能之间的关系始终是材料科学研究的主题,传统的试错法等经验或半经验的材料研究方法造成了资源、人力和时间上的极大浪费,因此需要从理论上解决材料设计、评价、预报等方面问题．人工神经网络是具有在线学习、记忆和分析推理功能能力的数学方法,它能够获得输入与输出之间的相互关系．其中BP神经网络结构简单、理论研究比较成熟．在材料研究领域中,BP神经网络已用于材料性能的研究与预测,复合材料工艺参数优化和预报,以及对金属的腐蚀研究等方面．     

利用BP神经网络确定巷道摩擦阻力系数

在特定圆木支护巷道条件下，合理地选择了木支架直径、支架纵口径，巷道面积、巷道周长、支护周边长等作为神经网络的输入参数，运用改进的BP人工神经网络模型。进行摩擦阻力系数的模式识别。该方法的主要优点有：网络结构简单，收敛速度快。预测精度高。模型精度很高，有一定的实用价值。     

BP神经网络在卸荷岩体稳定分析中的应用

在卸荷岩体的稳定分析计算中，卸荷分析方法不同于常规方法，它采用动态变化的卸荷力学参数。应用BP神经网络能够获得卸荷岩体的这种动态力学参数，为卸荷分析带来了方便。     

BP神经网络在GDP预测中的应用研究

在经济预测中,通常采用回归分析方法建立模型对经济运行进行拟合,但由于经济系统的复杂性,许多回归模型尤其是线性回归模型难以达到要求的精度。本文采用BP神经网络方法建模,利用其自学习和非线性的突出特点,得到了较为满意的预测结果。     

基于BP神经网络的岩土工程预测模型研究

BP神经网络具有自适应机制,通过训练和学习,达到对知识进行分类、模式判别、联想记忆等能力.岩土工程的灾害预测问题可以看作是一个模式识别问题,而岩土工程中变形情况的监测和预测模型的研究是矿山、建筑、水利等工程的一项重要课题,近年来安全监测技术发展有了巨大的飞跃,呈现出"实时"、"远程"、"非接触"的特点.针对BP神经网络预测模型监测在岩土工程方面的应用,应用BP人工神经网络实现了对岩土工程安全监测数据的预测预报,并对预测结果进行了分析,说明了隐含层数对预测结果误差的影响.通过比对,选择了误差最小的较优组合对岩土工程进行预测.     

BP神经网络在图像压缩中的应用

借助BP神经网络,采用改进的最速梯度下降法,编程实现了灰度图像的压缩与重现.在MATLAB环境下仿真实验结果表明,所设计的网络图像压缩效果良好,同时具有较好的泛化能力.     

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．     

BP神经元网络在Web文本分类中的应用

Web文本分类是Web文本挖掘的一项重要技术,它是一种基于主题分类的指导,能够使用户在快速地找到想要的资源和知识。文本分类过程中,首先采用向量空间模型对Web文本进行特征提取,然后将得到的数据集分成样本数据集和测试数据集,将样本数据集输入BP神经元网络进行分类,网络经过训练后,输入测试数据集进行验证。实验结果证明BP神经元网络在文本分类领域有着较好的实用价值。     

可生物降解汽油机油添加剂感受性及配伍性分析

采用植物油为主，复配150BS作为可生物降解汽油机油(15W/40SF)的基础油，对主要功能添加剂(降凝剂、金属清净剂、无灰分散剂、抗氧抗磨剂等)进行感受性及配伍性试验，确定最佳加量范围。所得结果可供进一步研究可生物降解汽油机油(15W/40SF)参考。     

稀土氟化物纳米润滑油添加剂的合成及应用

利用正交实验法研究了氧基二硫代磷酸(DDP-18)的最佳合成条件:以C18醇及P2S5为原料,在起始温度90℃,反应温度120℃,P2S5用量超出理论用量的10%,反应时间6h时,可以制备出硫磷酸含量接近80%的表面修饰剂二烷氧基二硫代磷酸的固体粉末.采用共沉淀表面修饰法在醇—水体系中制备了双十八烷氧基二硫代磷酸吡啶盐(PyDDP-18)表面修饰的LaF3纳米微粒,并利用红外光谱、透射电镜等手段表征其结构;作为润滑油添加剂,通过四球抗磨实验测试了其润滑性能,结果表明:表面修饰稀土氟化物纳米微粒在有机溶剂中具有良好的分散性,以其作为添加剂调制出的润滑油具有较好的减摩抗磨性能.     

基于BP神经网络的钢铁分选仪裂纹检测

将BP神经网络技术用于钢铁件缺陷分析,以钢铁件裂纹为研究对象,选取了8种影响裂纹的因素,在实验设计的基础上,用BP人工神经网络对所得实验结果进行了分析,并且用图形化方式直观地表达了出来.根据实验结果,BP神经网络模型能较准确地预测出钢铁缺陷,从而为研究裂纹检测提供了一种新的有效手段.     

BP神经网络隐含层单元数的确定

本文针对BP神经网络隐含层单元数难以确定的问题,提出了一种改进的方法,并通过实验证明该方法有效的减少了验证次数,提高了确定隐含层最佳单元数的效率,具有较高的应用价值.     

BP神经网络的改进及其应用

在分析BP神经网络建模步骤的基础上,针对BP神经网络某些不足,提出了几点改进措施。首先对原始数据进行了非线性规格化;其次,提出了记忆式初始权值和阀值;最后以确定性系数最大为依据进行参数优选,并将改进后的BP神经网络应用于需水量预测。结果表明,改进后的BP神经网络不仅提高了BP神经网络预测的精度,而且加快了BP网络运行时的收敛速度。     

滑带黄土振陷预测中的BP神经网络方法

目的针对陇海铁路沿线密集的黄土滑坡灾害,对其振陷系数提出一种新的预测方法。方法以滑带黄土动三轴试验资料为基础,运用MATLAB建立滑带黄土振陷的BP(error back propagationneural network)神经网络预测模型,并与多元线性回归方法建立的模型进行误差对比分析。结果BP神经网络模型预测的结果要比多元线性回归模型预测的更准确。结论滑带黄土振陷预测的BP神经网络模型是一种比较理想的预测方法,对黄土地区的滑坡稳定性评价和铁路地基沉降的分析具有重要的价值。     

基于BP人工神经网络的含蜡原油触变应力计算

含蜡原油的流变性对其管道输送有着重要的影响.当原油温度逐渐接近凝点时,原油表现为非牛顿流体,其流变性表现出异常复杂的触变性.利用人工神经网络较强的非线性逼近、良好的自适应和预测性能,采用误差反向传播算法(即BP算法)对含蜡原油的触变剪切应力进行了计算,计算结果与实验结果和采用R-G模型方程计算的结果进行了对比.结果表明,BP网络计算的精度高于R-G模型方程计算的精度,BP网络和R-G模型的计算结果与实验结果的最大相对误差分别为5.0%和12.7%.     

BP神经网络的优化及应用研究

介绍对BP网络的结构和算法进一步优化的实验研究方法,并给出了有关隐含层数和节点数选择、误差构成方式设计以及再学习策略引进的研究结果。