一种基于递归自组织神经网络的氨氮浓度预测方法

针对当前污水处理过程出水氨氮浓度测量过程繁琐、仪器设备造价高、测量结果可靠性和精确性低等问题,本发明基于城市污水处理生化反应特性,利用一种递归自组织神经网络实现对关键水质参数氨氮浓度的预测,解决了出水氨氮浓度难以测量的问题;结果表明该递归自组织神经网络能够快速、准确地预测污水处理出水氨氮的浓度,有利于提升污水处理过程出水氨氮浓度质量监控水平和加强城市污水处理厂精细化管理。     

特征向量计算的神经网络方法

矩阵特征向量计算在实际问题中有着广泛应用，本文采用神经网络计算方法来研究主元分析（ＰＣＡ）和次元分析（ＭＣＡ）问题．我们首先考虑神经元的情况（ｐ＝１），给出了求矩阵最大特征元和最小特征元的算法。然后对多神经元性形（ｐ〉１），给出了抽取矩阵主元和次元的算法．和目前许多元知的算法不一样，在我们ＰＣＡ的算法中发迹矩阵的负号就能够得到ＭＣＡ问题的解。     

不同产地与采收期环草石斛的红外光谱研究

环草石斛Dendrobium loddigesii Rolfe是中药石斛的源植物之一,以茎入药,具有滋阴清热、益胃生津的功效。本文采用红外光谱法对不同产地、不同采收期的环草石斛分别进行分析比较。结果显示,不同产地环草石斛红外光谱中,1 035,1 051,1 078,1 156,1 500,1 511,1 736cm-1等附近峰的相对峰强皆有显著差异,表明不同产地环草石斛的多糖、酮、酯类等成分的组成和含量有明显差异。在二维相关红外光谱中,越南、云南、广西、贵州的环草石斛分别有7,8,8,9个自动峰,且广西环草石斛的最强峰在1 220cm-1附近,不同于其他三个产地样品(980cm-1)。不同采收期环草石斛的红外光谱中,1 034~1 023cm-1主强峰的波数,(1 617±4)cm-1次强峰的波数以及1 078(1 076,1 079)cm-1峰的有无,皆随季节呈现出明显的阶段性变化,显示了环草石斛生长过程中所含多糖、酮类等成分积累的阶段性变化规律。应用红外光谱法能较好把握环草石斛的生长状况,帮助全面了解其成分组成与含量变化,对环草石斛的合理开发与高效利用有重要意义。     

未确知RBF神经网络及其在故障诊断中的应用

建立未确知RBF神经网络.特点是:综合了未确知系统与神经网络的优点,充分利用已知样本所提供的先验信息,给出了期望输出隶属度的计算方法,网络输出合理且具有良好的可解释性.将未确知RBF神经网络应用于故障诊断领域,取得了很好的效果.     

基于时空注意力机制的双向长短期记忆神经网络的股指预测研究

股票市场是一个高噪音的混沌系统，其外部属性之间的相关性问题以及在长期预测时外部影响对股价波动的加剧，导致对股票市场进行准确预测是一项富有挑战性的工作。为解决上述问题，本文利用基于注意力机制的双向长短期记忆神经网络(BiLSTM)对香港恒生指数收盘价进行有效性的实证检验。其中，空间注意力机制用于捕捉输入指标之间的相关性并为其赋予区别权重，时间注意力机制用于描述数据的时间相关性以解决长期预测中的时间依赖问题并为时间步赋予区别权重，BiLSTM神经网络用于拟合数据并构建预测模型。本文还比较了四种基于注意力机制的神经网络方法和六种基线方法，实验结果表明，与当下流行的股票指数预测方法相比，基于双维度注意力机制的BiLSTM可以在短、中、长期预测中均实现更准确的股票指数收盘价预测。     

基于BP神经网络的DMA漏损定位仿真实验设计

独立计量区(District metered area, DMA)技术和漏损控制是供水企业降低供水管网运营成本的重要手段。DMA分区优化技术在一定程度上精简了传感器配置数量，DMA极端简单配置传感器数量条件下的漏损定位方法研究还比较鲜见。同时，现有研究成果对漏损定位方法干扰因素问题的分析还不多见。因此，基于仿真实验对漏损定位的上述两个问题进行研究。首先，介绍供水管网漏损的概念以及DMA技术在供水管网中的应用。然后，基于EPANET-Matlab-Toolkit-2.1.1包含的Net1.inp文件，在EPANET仿真软件平台上采用单一入口节点配置水压和水流传感器模拟有限资源条件下的独立计量区。接着，运行EPANET仿真软件分别模拟理想条件情形和某供水节点需水量临时大增情形独立计量区24小时供水情况，获取两个入口节点数据集。最后，采用MATLAB平台编写BP神经网络预测模型程序，并采用上述两个数据集分别进行训练测试。结果显示理想条件下BP神经网络预测模型在有限资源条件下的DMA漏损定位精度很高，供水节点需水量临时大增情形将增大模型预测误差。     

超声衰减谱测量电池浆料的粒度分布

电池浆料中颗粒状活性物质的粒度大小和分散均匀性对电池的内阻、 电压、 局部表面电流和总极化程度等性能有直接影响, 实现对其的在线实时测量对电池的质量控制具有重要意义. 基于电池浆料的高固含量、 高黏度和低透光性的特点, 本文利用超声衰减谱的方式测量了其粒度分布(PSD). 应用于电池浆料的粒度分布测量的最大难点是其利用超声衰减谱法预测粒度分布的模型需要难以获得的分散相和连续相的物性参数. 本文采用主成分分析(PCA)结合误差反向传播(BP)神经网络建立预测模型解决了超声衰减谱法的难点, 并引入遗传算法(GA)优化BP神经网络的初始阈值和权值. 通过以LiCoO₂为活性物质的电池浆料进行了验证, 结果表明, PCA-GA-BP神经网络能够有效对不同固含量电池浆料的粒度分布进行预测, 预测值与真实值的峰形重合度高, 峰高偏差小, 两者的均方误差为0.1358, 拟合度(R²)为0.9816, 说明超声衰减谱法可作为测量电池浆料粒度分布的重要方式.     

Projective Synchronization of Fractional Quaternion Neural Networks With Time-Varying Delays北大核心CSCD

研究了具有时变时滞的分数阶四元数神经网络的投影同步问题.该文不将分数阶四元数神经网络系统转化成两个复值系统或四个实值系统,而是将四元数系统当做一个整体进行处理.在合适的控制器下,通过构造合适的Lyapunov函数,并利用一些不等式技巧,得到了具有时变时滞分数阶四元数时滞神经网络投影同步的充分性判据.最后,通过数值仿真实例验证了所得结论的有效性和可行性.     

忆阻Rulkov神经网络同步研究

研究电突触、化学突触以及两者共存对忆阻Rulkov神经模型集体动力学行为的影响。对于两个忆阻Rulkov神经元系统,各种耦合方式都能使系统实现同步。对于不同的耦合强度,神经元呈现不同的放电模式,如方波,三角波,脉冲放电等。当电突触、化学突触同时存在时,系统的同步更依赖于电耦合强度。对全局耦合忆阻Rulkov神经网络同步的研究表明：化学突触单独作用时,同步发生在耦合参数的某个区域范围,当化学耦合强度超过某一阈值时,同步会随着耦合强度的增加而被破坏。电突触单独作用时,系统很快到达同步状态,并且电耦合强度是决定神经元处于静止还是峰放电的关键因素,随着电耦合强度增加,神经元放电频率、振幅增大。当电、化学耦合同时存在时,耦合强度的增加使神经元由静息转变为圆弧放电,并进入同步状态。本文提供了一种通过调整耦合方式和耦合强度,控制神经网络放电模式及其同步的可能方法。     

基于多级级联BP神经网络的加速器束流轨道预测

加速器束流轨道校正对于加速器稳定运行具有非常重要的作用,精确预测加速器束流轨道的变化对于实现束流自动化校准也具有重要意义。通过对束流轨道变化的准确预测,可以为调整加速器控制参数提供可靠的信息,从而实现对束流的精确控制和调节。通过研究束流在直线加速器中等能量传输段的传输过程,利用模拟加速器数据,基于多级级联的反向传播（BP）神经网络搭建了加速器束流轨道预测模型,能够实现对束流轨道参数的预测。结果表明,与采用传统单隐层BP神经网络建立的预测模型相比,多级级联BP神经网络能够实现更高的预测精度与可靠性,为直线加速器中等能量传输段的优化设计和束流轨道自动化校准提供了一种有效的方法。