基于优化模糊神经网络控制的加热炉应用

针对加热炉具有大惯性和纯滞后性,提出优化模糊神经网络控制。该控制将模糊逻辑推理与神经网络控制技术融合,同时利用遗传算法优化隶属度函数,采用误差反向传播学习算法在线调节神经网络权值,提高了控制器的稳定性、鲁棒性和适应性。仿真结果证实了控制器的有效性。     

太原市COVID-19防控前后空气质量分析及预测

为了探索特殊情况下太原市空气质量预测和评价方法,采用基于灰色关联度法的模糊综合评价方法对太原市疫情防控前后的空气质量进行评价,对相关联的污染物浓度变化进行分析,并以太原市AQI监测数据为基础,结合长短期记忆循环神经网络（LSTM）以及随机梯度下降算法（Adam）建立了太原市空气质量预测模型（即Adam-LSTM模型）,并与LSTM模型的预测结果进行了比较。结果显示,在启动一级应急响应加强防控后,太原市的整体空气质量得到改善,个别污染物由于气象及春节等因素未降低,LSTM模型和Adam-LSTM模型预测结果的均方根误差和训练速度分别为0.203 s和12.15 s,0.183 s和10.35 s。提出的Adam优化算法能够有效提高LSTM神经网络的训练精度和收敛速度,同时具有较小的预测误差,可为环保部门制定提升空气质量相关决策提供数据支持和方法借鉴。     

基于图像的地铁车站施工人员不安全行为识别研究

为了解决人工监测不能实时看护和及时管理地铁车站施工人员的不安全行为等问题,构建了基于KNN,MLP和LSTM模型的不安全行为识别神经网络模型。首先,通过行为理论研究和现场调查分析,对地铁车站施工不安全行为进行了分类;其次,通过实验构建人体数据集,基于人体骨骼关节点提取不安全行为特征,并进行模型训练;最后,基于MobileNet V1的SSD目标检测算法对施工人员进行定位和追踪,结合射线法判断目标是否跨越不安全区域并发出警报,搭建神经网络模型对施工人员的不安全行为进行识别,并获得计算识别率。结果表明：传统机器学习算法KNN总体准确率为93.45%,优化后的MLP和LSTM两种神经网络模型总体准确率分别达到93.94%和93.68%,相对KNN算法分别提高了0.49%和0.23%。因此所提模型能有效识别施工人员不安全行为,可为地铁施工安全智能识别技术应用提供参考。     

光催化技术对黑臭水体去除速率模型构建及去除效果评价

为进一步证明石墨烯光催化技术的应用性,文章基于主成分分析优化的长短期记忆神经网络模型(PCA-LSTM)构建了光催化技术净化后的黑臭水体水质预测及综合评价模型,证明了该技术的优越性,结果表明:PCA-LSTM模型可更好预测水质指标,其误差较低,同时一致性指数R2和Ens均在0.918以上,精度明显优于传统的LSTM模型...     

方向基函数神经网络在说话人识别中的应用

首先对方向基函数神经网络模型(Direction basisFunctionNeuralNetworks)进行了描述。这种模型可以通过计算矢量间的夹角来对矢量进行相似性判别。与径向基函数神经网络模型(Radial basisFunctionNeuralNetworks)不同的是,它特别适合于具有方向不变性的模式识别领域,如语音识别。重点探讨了方向基函数神经网络在说话人识别中的应用,在此基础上研制成功了1个说话人确认系统并用硬件进行了实现。实验数据表明这个系统具有很好的性能。     

遗传算法优化的小波神经网络在短期电力负荷预测中的应用

本文利用遗产算法的全局优化搜索能力来优化了小波神经网络,建立了基于遗产算法的小波神经网络短期电力负荷预测模型,克服了BP神经网络自身算法的缺陷,得到了更高的学习精度和更快的收敛速度,经实例也验证了该模型能有效地提高预测精度,减小负荷预测误差,避免了BP神经网络的固有缺陷.     

GA －BP 神经网络模型在地区工业技术创新能力评价中的应用

针对当前技术创新能力评价方法大多建立在线性模型的基础上,且技术创新能力影响因素较多,可能存在多重共线性的缺陷,本文提出了遗传算法优化的BP神经网络模型。GA－BP神经网络模型在以下几方面做出了改进：①利用了神经网络强大的非线性关系映射能力,避免了传统线性模型的缺陷。②利用遗传算法对评价指标进行了降维,去除了多重共线性。③使用遗传算法从全局搜寻BP神经网络权值和阀值向量,优化了BP神经网络模型,避免了BP神经网络由于使用梯度下降算法,容易陷入局部最优解的缺陷。本文最后选取2008～2013年全国31个省市规模以上工业企业技术创新能力124条数据作为训练样本,31条数据作为测试样本,分别测试遗传算法优化的BP神经网络和未优化的BP神经网络,测试结果显示遗传算法优化的BP神经网络模型预测准确率高于未优化的BP神经网络模型。     

基于粒子群神经网络的供应商评价模型及应用

供应链管理成为当今的研究热点,能否选择合适的供应商成为供应链构建成败的关键,而供应商评价是这个选择过程的重要组成部分.本文比较了供应商评价的各种方法,在重点研究了BP神经网络算法的基础上,针对其训练速度慢和容易陷入局部极小点的局限性,提出了一种粒子群优化BP神经网络评价模型.通过实例用Matlab进行仿真,与传统的BP网络模型比较,得出粒子群神经网络在供应商评价中更加有效.     

BP 神经网络在窑外分解窑优化控制中的应用

利用 BP神经网络逼近任意非线性函数的功能代替专家系统中的推理机 ,以比推理机更快的速度得到优化控制输出 ,这对于水泥窑一类复杂控制对象的适时控制具有很好的实用价值。通过仿真实验 ,表明 BP神经网络对水泥窑的优化控制规则有很好的记忆功能和泛化功能 ,为水泥窑一类复杂控制对象的优化控制提供了新的方法和思路。     

基于遗传神经网络的煤与瓦斯突出预测研究

为提高煤与瓦斯突出预测的效率和准确率,在煤与瓦斯突出影响因素分析的基础上,将遗传优化算法与BP神经网络相结合,对煤与瓦斯突出进行预测,避免了单纯神经网络易陷入局部最优问题。以平顶山八矿为研究对象,基于地质动力区划方法,搜集影响煤与瓦斯突出的相关数据,选取典型的突出样本对建立的遗传神经网络模型进行训练,对训练好的网络进行仿真预测,结果与实际情况相一致。     

基于轻量级卷积神经网络的苹果表面缺陷检测方法

为了解决目前农业信息领域对苹果表面缺陷检测准确率低的问题,提出一种基于轻量级卷积神经网络的苹果表面缺陷检测方法。首先采集苹果缺陷样本图片制作实验数据集用于模型训练和测试;其次在AlexNet网络结构的基础上,引入深度可分离卷积代替原有网络中的标准卷积运算来进行图像特征的提取;最后利用全局平均池化方法代替原有网络中的全连接层,从而将卷积层输出的多个特征图以自身为单位进行映射得到特征点。实验结果表明:改进后网络对苹果缺陷识别精度达到了98.57%,较改进前提升1.55%;较改进前模型参数量减少99.3%、训练速度提高32.67%、FPS提高33.28%,改进后的轻量级卷积神经网络不仅减少了模型参数量和训练时间,而且提高了检测精度和速度。因此,新的检测方法在减少模型参数量的同时,还可保证模型的检测精度和效率,具有较强的工程实用性,可为苹果缺陷分类提供理论参考。     

一种具有温度补偿的GaN功放线性化器

为改善氮化镓固态功率放大器的非线性失真,利用模拟预失真线性化技术,设计出一款新型线性化器,将其用于氮化镓固态功率放大器的线性化驱动模块,并增加温度补偿方案。通过使用多管级联方式增强二极管非线性特性,并对二极管管座电路进行优化设计,将射频接地与直流接地分离,使用电磁仿真软件对线性化器进行仿真验证。仿真结果表明,实物加工后进行测试,可实现增益幅度补偿范围0.9～7.6 dB,相位补偿范围9°～40°,对比相关文献,分别提高了1.2 dB和12°。线性化驱动模块与目标放大器级联测试,在29 GHz饱和功率回退7 dB时,三阶互调改善7.07 dB,性能优异。所设计的预失真器可改善功率放大器的非线性特性,提高卫星通信系统性能,对卫星通信系统具有重要意义。     

环保型沥青路面再生工厂布局优化

为解决传统沥青厂拌热再生过程中存在的污染问题,提升相关企业经济和环保效益,以环保型沥青路面再生工厂为研究对象,提出了一套工厂车间布局优化方法.首先,汇总了物料装卸点在各作业单元内部和整体车间范围内的表示方法.然后,以非物流关系密切程度最大、物料搬运成本最小和碳排放量最少为优化目标,建立了车间布局数学模型.最后,采用粒子...     

基于卫星遥感监测的石家庄市近地面PM2.5浓度时空动态分析

为了掌握石家庄市区域PM_2.5浓度的空间分布情况及其时间变化规律，更好地向大气污染治理及环境行政执法部门提供技术支持，利用卫星遥感数据开展了区域颗粒物浓度时空动态分析研究。基于Himawari-8卫星遥感数据，通过建立时空回归模型反演PM_2.5浓度，并对所得到的石家庄市2019年近地面PM_2.5的浓度，进行了时间和空间的动态分析。结果表明：1）从时间上来看，2019年PM_2.5月度变化基本呈两边高中间低的态势，取暖季月均浓度明显高于其他月份，且相对于2018年监测浓度有所上升；2）从空间来看，2019 年PM_2.5平均浓度呈现西低东高的形势，且东部各个县区高浓度“热点”聚集程度明显高于西部县区，但热点聚集性从第一季度到第四季度呈现出逐渐转弱的现象；3）遥感监测与地面监测的PM_2.5浓度相关性系数在0.7以上，验证了基于遥感反演进行PM_2.5浓度监测的可行性。因此，采用遥感手段对大气环境进行监测，可以全面获取区域大气环境的时空分布特征，并能够协助环保人员有针对性地核查与防范污染事件，具有较大的应用潜力。     

遗传算法优化BP神经网络的岩质边坡稳定性预测

为了解决边坡工程中非线性变化给稳定性预测造成的困难,建立了GA-BP神经网络计算模型预测岩质边坡稳定性。采用定性评价和相互作用矩阵复核的方式,选取边坡坡度、边坡高度、斜坡结构类型、岩体强度、控滑结构面倾角、岩体结构特征、地表变形强度、人类活动强度8个评价因子作为BP神经网络的输入变量;利用遗传算法对神经网络的初始权值和阈值进行优化后训练岩质边坡稳定性预测模型;对比分析GA-BP神经网络和BP神经网络的预测效果。结果表明,优化后的预测结果误差绝对值小于0.15的占85%,未优化的传统神经网络仅占45%,优化后的预测结果更加接近真实值,表明遗传算法对传统BP神经网络的优化是有效的。研究结果对建立岩质边坡稳定性预测模型具有一定的参考价值。     

基于双尺度理论优化混凝土力学性能的研究

为了实现混凝土抗压强度及弹性模量的精细化数值计算,基于双尺度理论建立了混凝土双尺度数值模型.该理论以有限元方法为载体,通过正交试验对混凝土抗压强度和弹性模量的影响因素进行了分析,并进行了力学试验验证.研究结果表明:1)双尺度理论在混凝土数值模拟中的应用具有可行性,运用该方法的数值结果与试验结果差值在4.22％之内;2)...     

基于长短期记忆网络的轨道交通短期OD客流量预测

为了更准确地掌握轨道交通客流在线网中的时空分布,更高效地匹配客流需求与运输能力,实现提高轨道交通运输效率、改善运营服务质量的目的,提出了一种基于长短期记忆网络的短期OD(交通起止点)客流量预测方法。以历史客流数据为基础,定性分析车站间OD客流量的时空相关性,利用回归分析法定量分析客流影响因素,筛选出运营时刻、运营日特征、最低气温3个时间特征。为提高预测精度,以长短期记忆网络为基础,结合时间特征,为每对起讫点单独构建预测模型,形成了基于长短期记忆网络的轨道交通短期OD客流量预测模型。以苏州市为例进行验证,结果表明,加入了时间特征的短期OD客流量预测模型较移动平均模型、仅利用历史客流数据训练的基于LSTM网络的短期OD客流量预测模型,预测结果与真实值之间的误差降低了6.27%～8.58%,所提出的方法和模型可为轨道交通运营部门制定列车运行计划、组织客运工作提供更准确的数据资料。     

河北保定高速某服务区蓄联热泵清洁供暖技术改造研究[JP]

为了提升空气源热泵低温环境中的热效率,解决热泵冬季易结霜、故障率高等问题,提出一种利用相变蓄能装置将空气源热泵和水源热泵组合的蓄联热泵技术。以河北保定高速某服务区蓄联热泵的改造工程为例,设计了蓄联热泵系统改造方案,并将蓄联热泵联合供暖系统的实际运行数据与位于同一地区、相似建筑中使用单一热源供暖的空气源热泵系统运行数据进行对比,考察供水温度、室内温度、单位供暖面积的耗电量和COP值等因素的变化情况。研究结果表明,在相同室外气温、相同单位面积供暖热负荷的条件下,蓄联热泵供暖效果更稳定,室内温度更高,蓄联热泵每平方米耗能相比空气源热泵低15.5%,综合COP提高了20.68%,静态投资回收期为11.89年。蓄联热泵清洁供暖技术具有一定的可靠性和经济性,适用于低温持续时间较长的偏远山区等寒冷地区,研究结果对蓄联热泵的推广具有重要的借鉴意义与应用价值。