基于BP神经网络的置氢TC21合金力学性能预测

描述：基于神经网络的非线性映射和泛化能力,采用人工神经网络方法,建立了置氢TC21合金力学性能预测的BP神经网络模型。模型的输入参数包括高温拉伸试验温度和置氢含量,输出参数为合金的常用力学性能指标,即抗拉强度和屈服强度。通过检验样本验证了ANN模型的准确性。结果表明:该模型具有容错性好、通用性强等优点,可以预测置氢TC21合金在不同拉伸温度和不同置氢含量下的机械性能。同时,将神经网络技术应用于材料制备工艺设计领域,可以明显地提高工艺设计效率,缩短实验周期。

改性土填方渠道力学参数反演分析

描述：结合南水北调中线工程某高填方渠道工程现场观测数据,利用BP神经网络中多层前馈神经网络及其反传算法,建立了渠道施工沉降和土体力学参数的多元输入输出连续映射分析模型,从而对岩土参数进行位移反演分析,得到填筑渠道土体的力学参数值。反演结果表明,土体凝聚力和内摩擦角反演相对误差较小,而压缩模量的反演误差随着填筑高程的升高有变大的趋势。所得研究结论为计算和分析填方渠道的有效沉降提供了理论支持。

基于集合经验模态分解和深度神经网络模型的天津港风速预测研究

描述：风是天津港区域重点关注的气象要素之一,风速的预测准确性是港口安全生产的关键,为此提出了一种基于改进的经验模态分解（EMD）和神经网络模型（LSTM）的风速预测方法。EMD已广泛应用于分析非线性随机信号,集成经验模态分解（EEMD）是EMD的一种改进方法,可以有效处理模态混叠问题,并将原始数据分解为具有不同频率的更平稳的信号,每个信号均作为LSTM神经网络模型的输入数据,最终的预测风速数据则是通过汇总单个信号的预测数据而获得。以天津港区域2017年的站点实测风速为例,研究表明该混合方法比欧洲中心数据集（ERA）模式预报数据更加准确,该方法可以提高预报的准确性,适用于天津港区域的短期风速预报。

锚杆锚固质量的定量分析方法

描述：提出一种用于评价锚杆锚固质量的定量分析方法。基于小波分析和人工神经网络建立了用于识别锚杆杆侧刚度系数的神经网络模型,利用样本对所建立的神经网络进行训练,为锚杆系统的锚固质量评价提供了一个有效的智能化的手段;通过对不同围岩下完整锚杆的数值模拟结果进行动力参数识别,得到了完整锚杆杆侧刚度系数与围岩弹性模量的关系曲线及相应的二次拟合公式,以此可作为锚杆锚固质量的衡量基准;提出了用于描述锚杆锚固状态的锚杆锚固度概念,建立了锚杆锚固质量定量分析方法并进行了工程应用。

基于FFT和神经网络的复模态参数识别

描述：为了精确识别结构复模态参数,提出了一种基于快速傅里叶变换(FFT)和人工神经网络的模态识别方法.该方法首先对自由振动信号进行FFT预处理,得到粗略的各阶模态频率和相位.然后,根据模态的阶数设定神经元的个数,根据预处理后得到的频率和相位设定神经网络权值和基函数参数迭代的初始值.最后,通过对人工神经网络进行训练,达到利用自由振动信号进行时域模态识别的目的.仿真结果表明,该算法可消除频率法识别中因频谱泄露与噪声等产生的误差,提高模态识别的精度,因而是一种有效的时域识别方法.

基于小波神经网络的锚杆-围岩结构系统的识别

描述：提出了一种用于识别锚杆杆侧刚度因子的小波神经网络模型.首先,利用均匀设计方法建立锚杆系统的样本库,采用数值模拟得到各样本的锚杆杆顶的动测信号;然后将小波分析和人工神经网络结合起来,利用小波分析技术提取的能表征系统状态的特征向量作为输入向量,利用广义回归神经网络识别杆侧刚度因子;最后,利用样本对所建立的小波神经网络进行训练.分析结果表明:训练后的神经网络能够较好地识别锚杆系统杆侧刚度因子,为锚杆系统的锚固质量评价提供了一个有效的智能化手段.

基于MATLAB的水资源预测分析

描述：文章综合运用了Logistic人口预测模型、灰色理论、神经网络模型以及回归分析与曲线拟合等对华北地区进行了建模分析和论述。首先分别建立了基于Logistic人口预测的需水量模型和供水量模型。接下来对所选择的中国华北地区的水资源现状及形成原因从物理和经济缺乏的驱动因素进行了社会和环境两方面的分析阐述。其次,文章针对水资源缺乏问题设计一个干预计划,主要包括进行兴建水库,南水北调以及进行水资源保护与污水处理等措施。最后通过区域用水总量和区域GDP的比值衡量各省市的节水水平,进而得到各省市的节水潜力,综合讨论了此干预计划的整体优缺点以及对华北各省市周边地区和整个水生态系统的影响。

神经网络准PR光伏并网逆变器控制技术

描述：针对单相并网逆变系统高度非线性的特性,为解决传统逆变器控制系统自适应能力差的问题,在分析了比例谐振PR(proportional resonant)控制与准PR控制策略的优缺点的基础上,将神经网络算法和准PR算法结合,提出一种基于神经网络参数自整定的准PR控制方法。解决了准PR控制数字化精度不够和参数整定困难的问题。利用Matlab/Simulink平台对神经网络准PR控制进行仿真,仿真结果表明:与准PR控制相比,基于BP神经网络准PR控制的电流跟踪总谐波畸变率降低,动态响应性能更快,系统自适应程度更高,有较好的应用价值。

多信息融合裂缝建模技术在碳酸盐岩双重介质油藏开发中的应用

描述：中东M 油田是以碳酸盐岩储层为主的双重介质油藏，裂缝发育、非均质性较强。由于目前常规单一的地震属性无法精细刻画裂缝分布规律，因此建立了基于神经网络的多信息融合裂缝建模技术，首先利用神经网络预测无成像测井资料的单井裂缝密度；其次将纵波方位各向异性、地震不连续检测叠前地震属性，基于神经网络非线性融合进行三维裂缝密度发育概率预测；以单井裂缝密度作为井上硬数据，在严格的变差函数分析和裂缝密度概率体双重约束条件下建立裂缝密度模型；最后通过地质统计学建模方法建立离散裂缝网络模型并将其粗化等效成裂缝属性模型。模型拟合率应用于M 油田开发决策优化，优选裂缝较为发育的区域采用水平井或大斜度井进行开发，平均单井日产油量达上千桶。新井揭示的裂缝发育情况与钻前预测一致，并且投产井单井产量均明显高于先期开发井。

多无人直升机协作搬运控制技术研究

描述：随着多无人机协同控制技术的迅猛发展，多无人机悬挂运输飞行成为国内外研究的热点。针对多无人直升机协作悬挂搬运的绳索摆动问题和轨迹控制问题，设计了基于最小学习参数神经网络的动态面轨迹控制方法。首先，建立了多无人直升机协作悬挂搬运系统的非线性动力学模型。然后，把对无人直升机动力学特性和稳定性能影响较大且无法测量的各绳索拉力作为扰动，构建最小学习参数神经网络估计器进行估计，并在控制设计中予以补偿。然后，提出一种基于最小学习参数神经网络的动态面轨迹控制方法。同时，分析了轨迹控制系统的闭环稳定性。最后，进行数值仿真的验证。结果表明，协作无人直升机能在0.5 s 后迅速跟踪各自轨迹指令，并使跟踪轨迹的平均相对误差小于0.2%，从而实现精准协作搬运。本文提出的多无人直升机轨迹控制方法为进一步研究多无人机协同轨迹控制提供参考依据。