基于RBF神经网络的高校财务风险识别

为实现高校财务风险的实时监测及预警,文章在遵循全面性、科学性、可操作性等原则的基础上,建立了高校财务风险识别指标体系,并采用RBF神经网络构建了高校财务风险识别模型,最后用实例验证了该模型用于高校财务风险识别的可行性。     

基于小波分形维的端锚锚杆的动测度参数研究

本文通过不同张拉荷载等级下两种工况的室内实验研究,采用小波以及分形维思想,再通过整周期逼近信号的衰减计算,得到了能够定量评价锚固质量优劣的三个动测度参数。     

基于卷积神经网络的管道井缺陷识别研究

管道井与人类社会生活息息相关,而由于管道井盖丢失、破损造成交通事故频发,危害人类财产生命安全。本文提出利用计算机视觉技术检测识别管道井缺陷,然后通过标记报警功能来实时抢修,可以避免更多事故的发生。本文通过构建深度神经网络模型,利用卷积神经网络模型自动提取图像中每种管道井缺陷的特征,通过对管道井的六种缺陷现象进行训练、测试,得到最终识别结果。实验结果表明,卷积神经网络对管道井缺陷图像的识别达到来预期的效果,并在缺陷检测中优于传统的分类模型。     

基于LMS算法的广义形态滤波器应用于转子分形故障状态识别的效果研究

将描述混沌运动的关联维数用于转子系统振动信号分析,并针对现场实测振动信号中存在噪声污染,提出了一种基于自适应形态滤波对信号进行降噪处理。该滤波器综合了不同的结构元素且在开—闭、闭—开滤波器权系数的确定上采用了基于最小均方误差算法的自适应技术,具有更好的滤波性能和细节信息保留能力;分析比较降噪前后转子4种状态(正常、油膜涡动、局部碰摩、全周碰摩)下信号的关联维数,结果表明,用含有噪声信号的关联维数描述系统的特征行为不可靠,有必要对实测信号进行降噪处理。自适应形态滤波器具有良好的降噪效果,将降噪后的关联维数作为特征量,在转子故障诊断中进行识别故障、判断运行状态具有可行性。     

煤炭需求预测的主成分神经网络模型

煤炭需求预测的方法很多,主要有主观推断法、趋势外推法、国内生产总值单位能耗预测法、消费弹性系数法、主要消耗部门预测法、人均能耗法、回归分析法、时间序列预测法、灰色预测方法等.从1997年煤炭消费下降以来,上述方法预测的结果误差越来越大.近年来,灰色预测模型和人工神经网络模型用于非线性时间序列预测较为引人注目,其优点是在建模时都不需要计算统计特征,但也有其不足之处.一般神经网络处理信息不能将输入信息空间维数简化,当输入信息空间维数较大时,网络不仅结构复杂,容错和受干扰能力差,最后影响了预测的结果.