人工神經(jīng)網(wǎng)絡(luò)的寬幅鋁合金中厚板厚度預(yù)測(cè)模型

一、鋁合金厚板的分類 1、按照厚度分類 按照美國(guó)aa標(biāo)準(zhǔn)，厚度小于0.15mm為鋁箔，厚度0.15mm～6.35mm 為薄板，厚度大于6.35的為厚板。綜合各方面的情況，可將鋁合金 板按厚度分為特薄板(0.2～0.5)、薄板(0.5～35～80mm)、特厚板(>80～200mm)、極厚板(>200～ 1000mm)。 2、根據(jù)合金元素的含量和加工工藝的特點(diǎn)分類 根據(jù)合金元素的含量和加工工藝的特點(diǎn)分類，鋁合金可分為變形 鋁合金和鑄造鋁合金兩類，但軋制厚板占85%以上。 3、根據(jù)材料的狀態(tài)分類 根據(jù)材料的狀態(tài)可分為不可熱處理和可熱處理的，前者約占40% 弱，而后者約占60%強(qiáng)。 二、厚板的生產(chǎn)方法 厚板的生產(chǎn)方法分為兩種，即鑄錠熱軋法和鑄造法。凡是厚度大 于200mm的極厚板都是鑄造的，因?yàn)?/p>

**資訊http://www.***.*** **資訊http://www.***.*** **資訊http://www.***.***

基于人工神經(jīng)網(wǎng)絡(luò)理論,提出了根據(jù)前期沉降觀測(cè)資料進(jìn)行沉降預(yù)測(cè)的人工神經(jīng)網(wǎng)絡(luò)模型,并用于汕汾高速公路預(yù)壓荷載卸荷時(shí)間預(yù)報(bào).研究表明,所建議的模型較傳統(tǒng)沉降預(yù)測(cè)模型具有顯著的優(yōu)越性,應(yīng)用前景廣闊.

利用神經(jīng)網(wǎng)絡(luò)強(qiáng)大的非線性映射能力,提出了一種基于bp神經(jīng)網(wǎng)絡(luò)模型的工程造價(jià)預(yù)測(cè)模型,指出該預(yù)測(cè)模型可對(duì)不同情況的工程造價(jià)進(jìn)行合理的預(yù)測(cè),實(shí)例檢驗(yàn)證明,該方法收斂速度快,預(yù)測(cè)的可靠性令人滿意。

基于人工神經(jīng)網(wǎng)絡(luò)的工程造價(jià)預(yù)測(cè)模型——利用神經(jīng)網(wǎng)絡(luò)強(qiáng)大的非線性映射能力,提出了一種基于bp神經(jīng)網(wǎng)絡(luò)模型的工程造價(jià)預(yù)測(cè)模型,指出該預(yù)測(cè)模型可對(duì)不同情況的工程造價(jià)進(jìn)行合理的預(yù)測(cè),實(shí)例檢驗(yàn)證明,該方法收斂速度快,預(yù)測(cè)的可靠性令人滿意?！　?/p>

以bp人工神經(jīng)網(wǎng)絡(luò)模型為基礎(chǔ),建立預(yù)測(cè)模型,以小區(qū)某棟建筑物1期～8期的沉降觀測(cè)數(shù)據(jù)為輸入數(shù)據(jù)和輸出數(shù)據(jù),對(duì)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練,并對(duì)9期～12期實(shí)際觀測(cè)值與預(yù)測(cè)值進(jìn)行了比較,結(jié)果比較理想,從而驗(yàn)證了采用bp人工神經(jīng)網(wǎng)絡(luò)模型進(jìn)行建筑物沉降的預(yù)測(cè)是可行的。

針對(duì)人工神經(jīng)網(wǎng)絡(luò)成礦預(yù)測(cè)模型結(jié)構(gòu)難以確定的問(wèn)題,詳細(xì)闡述了一種在模型訓(xùn)練中進(jìn)行隱層數(shù)目及隱層單元數(shù)目動(dòng)態(tài)調(diào)整的人工神經(jīng)網(wǎng)絡(luò)算法,并以vc++為開(kāi)發(fā)工具實(shí)現(xiàn)了變結(jié)構(gòu)人工神經(jīng)網(wǎng)絡(luò)成礦預(yù)測(cè)模型,經(jīng)用華南26個(gè)巖體檢驗(yàn),回憶率及預(yù)測(cè)率均高達(dá)100％。該方法提供了一種面向具體問(wèn)題的動(dòng)態(tài)解決方案,在成礦預(yù)測(cè)工作中具有一定的實(shí)用性。

針對(duì)基坑變形預(yù)測(cè)中信息的灰色性和數(shù)據(jù)的非線性性,提出用灰色神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)基坑變形的新方法。用一樁錨聯(lián)合支護(hù)體系實(shí)例進(jìn)行了預(yù)測(cè)研究,得到支護(hù)體系的不同預(yù)測(cè)模型的組合預(yù)測(cè)值。研究結(jié)果表明:灰色神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)誤差比gm(1,1)預(yù)測(cè)模型小;與bp預(yù)測(cè)模型相比,前期誤差大,后期誤差小。在基坑變形監(jiān)測(cè)中,為了更準(zhǔn)確地預(yù)測(cè)基坑變形,可以采用灰色神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)與bp預(yù)測(cè)相結(jié)合的方法進(jìn)行預(yù)測(cè)。

人工神經(jīng)網(wǎng)絡(luò)模型描述

鋁合金中厚板電氣安裝施工探討

鋁合金厚板生產(chǎn)線的生產(chǎn)工藝復(fù)雜、對(duì)生產(chǎn)設(shè)備的要求較高,這就要求鋁合金中厚板電氣安裝具有較高的質(zhì)量,否則將會(huì)影響到生產(chǎn)線的正常生產(chǎn)和日常維護(hù)。本文在闡述鋁合金中厚板電氣安裝特點(diǎn)的基礎(chǔ)上,深入探討了鋁合金中厚板電氣安裝的施工技術(shù),就電氣安裝的重點(diǎn)問(wèn)題進(jìn)行了分析,具有一定的參考價(jià)值。

基于人工神經(jīng)網(wǎng)絡(luò)的房地產(chǎn)項(xiàng)目評(píng)判模型——房地產(chǎn)租(售)價(jià)預(yù)測(cè)就是對(duì)房地產(chǎn)租(售)價(jià)未來(lái)水平的估計(jì).對(duì)房地產(chǎn)投資決策而言,預(yù)測(cè)出房地產(chǎn)租(售)價(jià)各種可能的結(jié)果,特別是給出定量的評(píng)價(jià)、分析,是房地產(chǎn)投資決策必不可少的工作之一.運(yùn)用模糊系統(tǒng)和...

投資項(xiàng)目的效益評(píng)估是整個(gè)投資活動(dòng)的關(guān)鍵。闡述了投資項(xiàng)目效益評(píng)估的基本理論;借助現(xiàn)代的數(shù)學(xué)計(jì)量方法,運(yùn)用效益評(píng)估的指標(biāo)體系,研究了用人工神經(jīng)網(wǎng)絡(luò)進(jìn)行效益評(píng)估的的可行性,建立了基于人工神經(jīng)網(wǎng)絡(luò)的效益評(píng)估模型,并利用該模型進(jìn)行了實(shí)證分析。

利用matlab編程語(yǔ)言構(gòu)造了三層bp神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu),建立了基于人工神經(jīng)網(wǎng)絡(luò)的投標(biāo)報(bào)價(jià)模型,通過(guò)仿真模擬確定標(biāo)高金水平,并用實(shí)例驗(yàn)證了其可靠性,為承包商作出合理報(bào)價(jià)決策提供了科學(xué)依據(jù)。

針對(duì)電力系統(tǒng)短期負(fù)荷預(yù)測(cè)的特點(diǎn),以及人工神經(jīng)網(wǎng)絡(luò)的自學(xué)習(xí)和復(fù)雜的非線性擬合能力,將人工神經(jīng)網(wǎng)絡(luò)的bp、elman、rbf三種模型用于短期負(fù)荷預(yù)測(cè),建立了短期電力負(fù)荷預(yù)測(cè)模型,綜合考慮氣象、天氣等影響負(fù)荷因素進(jìn)行短期負(fù)荷預(yù)測(cè)。某電網(wǎng)實(shí)際預(yù)測(cè)結(jié)果表明,rbf比bp、elman有更好的預(yù)測(cè)精度,更快的速度。

通過(guò)采用人工神經(jīng)網(wǎng)絡(luò)方法對(duì)tc4鈦合金電子束焊縫熔凝區(qū)形狀尺寸進(jìn)行預(yù)測(cè)研究.在大量工藝試驗(yàn)的基礎(chǔ)上,采集網(wǎng)絡(luò)訓(xùn)練樣本,并對(duì)訓(xùn)練樣本和測(cè)試樣本進(jìn)行標(biāo)準(zhǔn)化,通過(guò)確定合適的人工神經(jīng)網(wǎng)絡(luò)模型、網(wǎng)絡(luò)結(jié)構(gòu)、網(wǎng)絡(luò)算法以及網(wǎng)絡(luò)訓(xùn)練次數(shù),建立了從聚焦電流、電子束流和焊接速度到焊縫熔深、熔寬、正面焊縫寬度、深寬比、焊縫余高、釘頭半角的bp網(wǎng)絡(luò)映射模型.結(jié)果表明,網(wǎng)絡(luò)的最大輸出相對(duì)誤差不超過(guò)5%,說(shuō)明該網(wǎng)絡(luò)具有較強(qiáng)的映射能力,能滿足預(yù)測(cè)要求.

根據(jù)建筑物實(shí)測(cè)沉降利用人工神經(jīng)網(wǎng)絡(luò)理論,建立了前饋網(wǎng)絡(luò)預(yù)測(cè)模型并提出新的學(xué)習(xí)算法,結(jié)合某建筑物糾偏工程實(shí)例對(duì)建筑物沉降進(jìn)行了預(yù)測(cè).預(yù)測(cè)結(jié)果表明神經(jīng)網(wǎng)絡(luò)方法是可行且有效的.

鑒于前人推導(dǎo)的鎬形截齒破巖截割阻力和截割比能耗的理論公式計(jì)算值與實(shí)際值相差較大以及最優(yōu)截槽寬沒(méi)有定量表示,文中選取巖石密度、單軸抗壓強(qiáng)度、抗拉強(qiáng)度、靜態(tài)彈性模量等為影響因子,建立了bp預(yù)測(cè)網(wǎng)絡(luò)模型,并利用此模型對(duì)我國(guó)常見(jiàn)的4種巖石鎬形齒截割參數(shù)進(jìn)行了預(yù)測(cè)。檢驗(yàn)及預(yù)測(cè)的結(jié)果表明建立的預(yù)測(cè)網(wǎng)絡(luò)運(yùn)行穩(wěn)定,預(yù)測(cè)結(jié)果良好,對(duì)截割力的預(yù)測(cè)優(yōu)于理論計(jì)算結(jié)果,對(duì)截槽寬和截割厚度最優(yōu)比值、截割比能耗的預(yù)測(cè)結(jié)果良好,相對(duì)現(xiàn)有理論的計(jì)算和經(jīng)驗(yàn)公式計(jì)算精度有了很大提高,能更好的滿足工程要求。

以拓?fù)渲笖?shù)為結(jié)構(gòu)描述符,用基于levenberg-marquardt優(yōu)化的bp神經(jīng)網(wǎng)絡(luò)建立了醇類化合物的結(jié)構(gòu)與色譜保留值的相關(guān)性模型,用于未知醇類化合物在se-30和ov-3兩根色譜柱上保留指數(shù)的同時(shí)預(yù)測(cè),其學(xué)習(xí)速率優(yōu)于文獻(xiàn)中普通bp神經(jīng)網(wǎng)絡(luò)法,預(yù)測(cè)準(zhǔn)確度與普通bp神經(jīng)網(wǎng)絡(luò)法接近,但優(yōu)于多元線性回歸法,因而是一種較好的預(yù)測(cè)有機(jī)化合物氣相色譜保留指數(shù)的方法.

針對(duì)目前我國(guó)的高等級(jí)公路建設(shè)過(guò)程中普遍存在著投資失控、決算超預(yù)算、預(yù)算超概算、概算超估算現(xiàn)象越來(lái)越嚴(yán)重的問(wèn)題。提出了從介紹公路工程投資原理和現(xiàn)行的公路投資體系存在的問(wèn)題出發(fā),將國(guó)內(nèi)現(xiàn)在使用的公路工程投資預(yù)測(cè)模型加以對(duì)比和分析,探索了利用人工神經(jīng)網(wǎng)絡(luò)在公路投資預(yù)測(cè)領(lǐng)域建立新的模型,以此提高預(yù)測(cè)精確度,改變投資失控的現(xiàn)狀。

傳統(tǒng)的輸電阻塞研究主要集中于輸電阻塞發(fā)生之后的處理過(guò)程,即阻塞管理,屬于被動(dòng)消除阻塞情形。文章基于主動(dòng)預(yù)防輸電阻塞的思想,從分析影響輸電阻塞的系統(tǒng)線路傳輸功率、系統(tǒng)總負(fù)荷、系統(tǒng)實(shí)際出力等相關(guān)因素入手,應(yīng)用層次分析法建立比較判斷矩陣,以確定各因素阻塞影響的權(quán)重。基于此,建立一種基于神經(jīng)網(wǎng)絡(luò)的輸電阻塞預(yù)測(cè)模型,還提出了一個(gè)新的阻塞指標(biāo),即阻塞度,以美國(guó)加利福尼亞州電力市場(chǎng)的數(shù)據(jù)驗(yàn)證了該模型的正確性和實(shí)用性。

?1994-2010chinaacademicjournalelectronicpublishinghouse.allrightsreserved.http://www.cnki.net 文章編號(hào):1003-207(2002)01-0079-05 基于人工神經(jīng)網(wǎng)絡(luò)的三江平原土壤質(zhì)量 綜合評(píng)價(jià)與預(yù)測(cè)模型 樓文高 (上海水產(chǎn)大學(xué)海洋學(xué)院農(nóng)業(yè)資源與環(huán)境系,上?！?00090) 摘　要:根據(jù)土壤質(zhì)量定量評(píng)價(jià)指標(biāo)分級(jí)體系生成足夠多代表性好的神以網(wǎng)絡(luò)訓(xùn)練和檢驗(yàn)用的樣本。建立神經(jīng)網(wǎng) 絡(luò)模型時(shí),利用刪減或擴(kuò)張準(zhǔn)則確定神經(jīng)網(wǎng)絡(luò)最佳拓?fù)浣Y(jié)構(gòu),避免“過(guò)擬合”現(xiàn)象,利用檢驗(yàn)樣本監(jiān)控在訓(xùn)練過(guò)程中 不發(fā)生“過(guò)學(xué)習(xí)”現(xiàn)象,使建立的土壤質(zhì)量的綜合評(píng)價(jià)與預(yù)測(cè)模型具有較好的泛化能力和預(yù)測(cè)能力。對(duì)三江平原地 區(qū)主要耕作土壤質(zhì)量的綜合評(píng)價(jià)與預(yù)測(cè)結(jié)果表明,神經(jīng)網(wǎng)