基于神经-模糊方法的单料烟感官质量评价专家系统

作者通过对单料烟评吸的结果与理化测定的指标参数进行分析 ,结合专家经验并采用神经 -模糊方法 ,提出一种基于单料烟的理化指标对各感官参数进行分类、分级 ,建造单料烟感官质量评价专家系统的方法。实验表明 ,该系统具有学习与知识提取能力 ,在卷烟产品质量管理新产品开发中具有指导意义     

Response-based method for determining the extreme behaviour of floating offshore platforms

The accurate prediction of extreme excursion and mooring force of floating offshore structures due to multi-variete environmental conditions which requires the joint probability analysis of environmental conditions for the worst case situation is still impractical as the processing of large amount of met-ocean data is required. On the other hand, the simplified multiple design criteria (e.g. the N-year wave with associated winds and currents) recommended by API known as traditional method does lead neither to the N-year platform response nor to the N-year mooring force. Therefore, in order to reduce the level of conservatism as well as uncertainties involved in the traditional method the response-based method can be used as a reliable alternative approach. In this paper this method is described. In order to perform the calculations faster using large databases of sea states, Artificial Neural Networks (ANN) is designed and employed. In the paper the response-based method is applied to a 200,000 tdw FPSO and the results are discussed.     

人工神经网络方法反演东中国海悬移质浓度

海中悬移质是决定海洋光学性质、海洋水质,河口海岸带演变动力过程的重要环境参数。本文利用模拟遥感反射比数据集建立人工神经网络反演悬移质浓度,并利用东中国海现场同步数据对该算法进行验证。     

模型沙干重度的变化规律及其在泥沙模型试验中的作用

模型沙干重度在动床模型试验中是影响起动流速比尺和冲淤时间比尺的重要参数，其随淤积历时、粒径变化、埋置深浅和加工方法的不同有着不同的变化规律。通过试验，结合已有的成果，对模型沙干重度受以上几种因素的影响进行了研究，并进一步分析了其变化规律在动床模型试验中的作用。     

盐田水体遥感分类方法研究

以连云港台北盐场为研究区，介绍了监督分类法和神经网络分类法及其在盐田水体遥感分类中的具体应用。研究结果表明，用神经网络分类法进行遥感影像自动分类，其分类精度高，显示了其在遥感领域较为广阔的应用前景。     

基于BP人工神经网络的水体遥感测深方法研究

利用Landsat7ETM＋遥感图像反射率和实测水深值之间的相关性,建立了动量BP人工神经网络水深反演模型,并对长江口南港河段水深进行了反演.结果表明：具有较强非线性映射能力的动量BP神经网络模型能较好地反演出长江口南港河段的水深分布情况;由于受长江口水体高含沙量的影响,模型对小于5 m的水深值反演精度较高,而对大于10 m的水深值反演精度较低.     

自组织竞争人工神经网络在砂岩型铀矿测井数据解释中的应用

详细介绍了自组织竞争人工神经网络模型结构、原理和钻孔岩性自动识别过程,给出了神经网络模型在钻孔岩性自动识别过程中的有效性实例。自组织竞争人工神经网络具有自组织能力、自适应能力和较高的容错能力;与BP算法相比较,计算量小,收敛速度快,且不需要已知的先验信息而自动确定分类类别。钻孔岩性识别结果与岩心地质编录的对比试验表明,在砂岩型铀矿测井数据的解释中,应用自组织竞争人工方法可较好地完成钻孔岩性自动分类。     

基于BP神经网络的地图数字化误差纠正

由于在数字化采集过程中不可避免地会引入系统误差和异常误差,因此消除和削弱这些误差的影响是提高空间数据质量的关键。然而由于图纸变形不均匀,扫描误差又极其复杂,用常规的多项式拟合技术只能消除部分有规律的系统误差,很难完全消除它们对地图数字化坐标的影响。BP神经网络是一个高度非线性映射系统,能以任意精度逼近。结合地图数字化坐标改正的特点,本文给出了基于BP神经网络地图数字化坐标误差纠正的方法,并通过实例验证了该方法的有效性。     

简化模糊H-ARTMAP神经网络在高光谱遥感分类中的应用

人工神经网络作为一种不需估计类别分布参数的遥感影像分类方法,能够克服分类中的不确定性,提高分类精度。模糊ARTMAP人工神经网络具有稳定、泛化性能好、支持增量式学习等特点,通过对简化模糊AR-TMAP神经网络和H-ARTMAP神经网络的分析和集成,构造了一种用于高光谱遥感影像分类的简化模糊H-ART-MAP网络。实验证明该方法在分类效率、运算时间和分类精度等方面都优于最大似然分类、BP神经网络、最小距离分类、光谱角制图模型等分类方法。     

BP神经网络模型在澜沧江流域径流量模拟中的应用

河川径流等水文时间序列属于复杂的非线性系统,使用回归分析等传统的分析方法,难以获取和描述其内在关联和变化规律。利用现有的相关站点的径流量历史数据和输沙量、降水量数据,在进行规格化处理和主成分分析的基础上,利用三层BP人工神经网络模型,对澜沧江流域上游昌都站径流量与各关联因子之间复杂的非线性映射关系进行模拟,采用拟牛顿算法对模型进行训练,模拟结果达到期望精度要求,并利用1982年~1985年实测数据进行模型验证。结果证明利用BP神经网络模型对澜沧江流域站点的月径流量序列进行模拟、预测和数据补缺处理具有可行性。