铁水含硅量预报神经网络模型

针对我国高炉的检测水平，采用人工神经网络的方法建立了一种用于铁水含硅量预报的神经网络模型，该模型具有良好的适应性和自学习功能。     

中深孔爆破振动加速度峰值的遗传BP网络预测

为准确预测爆破振动加速度峰值,保证爆破安全,相对于考虑因素少的经验公式法以及存在收敛性差、易陷入局部极小和计算复杂等缺陷的BP算法,提出了遗传BP神经网络算法,该算法具有更高的预测精度。以田湾核电站船山二期工程的试验数据为背景,比较分析并选择最大段药量、水平距离、总药量、高程差、爆破台阶高度和段别规模等6个参数作为输入层因子,建立了相应的爆破振动加速度峰值预测模型。结果表明,预测精度达到96.97%,验证了方法的可行性和有效性。     

基于MATLAB神经网络的复吹转炉终点氧含量的预报模型

钢水终点氧含量是转炉炼钢的控制目标，它与钢水碳含量、钢水温度等多个变量之间存在着严重的非线性关系。利用MATLAB环境，提出基于BP神经网络的转炉炼钢终点氧含量预报模型，并结合某钢铁企业一座90t转炉的实际数据进行了模型验证。结果表明，该方法收敛速度快，预报精度较高。     

河网水情预报的神经网络模型及应用

传统BP网络模型在模式识别、电力负荷预报、水现象的模拟及预报等领域得到了广泛的应用．但传统BP网络模型存在隐含层结构难以确定和网络结构物理概念不明确等问题．本利用水量守恒及槽蓄关系,建立了能够反映水流运动基本特征的神经网络模型(MCR—ANN)并用于河网水情的模拟及预测．应用结果表明：该网络物理概念清晰,避免了传统BP网络在隐含层结构难以确定和河网结构物理概念不明确等的不足,模拟效果较好。     

爆破地震效应强度与爆破地震荷载的探讨

对爆破地震的振动速度与爆破振动反应谱进行了分析和探讨,为解决工程爆破问题提供了参考意见.     

基于神经网络的转炉冶炼终点磷和硫含量预报模型

通过研究转炉冶炼终点磷、硫含量的影响因素,确定了影响冶炼终点的控制变量,根据人工神经网络技术,对常用BP算法进行改进,建立了基于神经网络的转炉冶炼终点双节点输出模型,实现了对终点钢水磷、硫含量同时进行预报,选取现场实际生产数据为样本,对模型进行训练,使模型对磷、硫含量的预报误差在±0．003％的命中率均达到了85％以上,预报精度达到了炼钢工艺的要求。     

基于递归神经网络的多频预报方法

为了解决由多层前馈神经网络递推运算获得的多步预报存在的预报误差迭代累积问题，提出了基于局部递归神经网络的多步递归神经网络（MSRN）模型，对时间序列进行了多步预报，用模拟振动数据把MSRN模型用作单步和多步的预报能力，同经典的多层前馈刘经网络进行了比较，并预报了天津石化总公司炼油厂大机组某测点振动的变化趋势，实践表明，用该方法进行多步预报误差小，并具有良好的预报能力。     

基于神经网络的转炉冶炼终点磷和硫含量预报模型

通过研究转炉冶炼终点磷、硫含量的影响因素.确定了影响冶炼终点的控制变量,根据人工神经网络技术,对常用BP算法进行改进,建立了基于神经网络的转炉冶炼终点双节点输出模型,实现了对终点钢水磷、硫含量同时进行预报,选取现场实际生产数据为样本,对模型进行训练,使模型对磷、硫含量的预报误差在±0.003%的命中率均达到了85%以上,预报精度达到了炼钢工艺的要求。     

爆破有毒气体的污染预报

在爆破后很短时间内形成的蘑菇云和缓慢从爆堆中散发出的爆堆溢出气体构成了爆破毒气的总量。依据气体的运动特点，分别把它们看成是瞬时体积源和不规则体积源。溢出气体扩散采用积分烟团模式，通过模型简化及扩散系数修正，建立了露天矿空气污染评价模型，并利用它对大冶铁矿的爆破进行了较为准确的污染预报。     

宜昌站洪峰流量过程神经网络预测模型研究

以长江上游寸滩-宜昌河段为研究对象,建立了考虑区间降雨的河道洪水预报BP神经网络模型,论证了应用人工神经网络模型进行洪水预报的可行性。以1982年至1986年的洪水预报作为仿真,表明该模型能较好地反映区间降雨的影响,对大中小各种洪水过程都能进行准确预报。     

台阶爆破模糊神经网络智能设计

为了提高爆破参数设计计算的准确性,在台阶爆破设计中,应用了模糊神经网络模型选取孔网参数的方法.模糊神经网络是人脑的模型,是取模糊推理系统与神经网络两者之所长融合而成的新技术.应用模糊网络模型对台阶爆破进行智能设计,结合了计算机和专家各自的优越性,从以往的爆破效果良好的实例中获取专家经验知识,应用专家知识选取爆破参数,可以取得良好的爆破效果;从而实现了智能设计,增强了设计的可靠性,提高了生产效率,为生产爆破提供了可靠的依据.     

振动加速度级峰值技术条件(草案)制订

根据试验研究结果 ,制订深沟球轴承振动加速度级峰值技术条件 (推荐 ) ,目的是规范轴承异常声的检测 ,通过试验验证 ,该技术条件能够比较客观的评定轴承的噪声 ,具有重要的实用价值。     

加速度传感器的振动试验

以加速度传感器的振动试验为例,介绍了振动试验的目的和类型以及对产品试件进行环境试验的操作步骤和方法。     

基于BP神经网络的税收预测模型

在分析影响税收主要因素的基础上，将反向传播（BP）神经网络理论应用于税收的预测．首先对初始数据进行预处理，使其适应BP神经网络学习的要求，然后建立基于BP神经网络的税收预测模型．采用实际数据对模型进行验证，并将其与传统的统计模型相比较，证明了基于BP神经网络的税收预测模型有较高的精度和较强的实用性．     

台阶清碴爆破孔网参数智能选取

应用模糊神经网络模型对台阶清碴爆破孔网参数进行智能选取，增强了设计孔网参数的可靠性和爆破设计的合理性．该方法从爆破实例中获取经验知识并应用，克服了人为因素的干扰，取得了符合实际的结果，为选择爆破控制参数和取得良好的爆破效果提供了依据.     

基于som网络-灰关联分析-BP网络预测模型

提出一种基于som网络-灰关联分析-BP网络预测模型,用于股市收盘价的预测．首先采用som神经网络将特性分散的样本划分成不同的子类,然后采用灰关联分析方法,解析了各影响因子对股市收盘价的影响程度,以反映股市收盘价的影响因子作为输入变量,构建了股市收盘价的BP网络预测模型,结果表明：利用灰关联分析,可得出各凶子对股市收盘价影响程度的大小排序,能为股民提供参考;基于BP网络模型的预测结果准确,通过对所采集的股市数据进行测试,证实本文所提出的方法具有有效性．     

基于遗传算法和神经网络的攻丝扭矩预测

针对振动攻丝工艺参数与攻丝扭矩之间的高度非线性关系问题,利用神经网络的基本原理,结合遗传算法理论建立了工艺参数和攻丝扭矩之间的关系模型.将网络模型的预测结果与实验结果进行了比较,显示出了GA-BP预测模型的可靠性.     

自适应神经网络控制在ESA地面实验装置主隔振系统中的应用

将直接自适应神经网络技术应用于ESA地面实验装置主隔振系统,并进行了仿真试验研究。结果表明,将该技术应用于振动主动控制具有一定的可行性,在频率0．1Hz-50Hz范围内,控后隔振平台振动幅值衰减60．74％-99．17％。     

协同工作组织模型的神经网络仿真研究

研究个体在协同工作中所表现的行为特征是CSCW研究的基本组成部分。本文对在影响协同工作中的个体特征、通信和交互方式等各种因素进行了分析，建立了相应的仿真模型，并利用神经网络技术进行了仿真研究，得到了一些较有价值的结论。这一研究对CSCW系统的开发具有参考意义。