神经网络预测

摘要： 在实际的岩土钻进过程中会经常遇到软弱岩土层、破碎带及断层、岩溶、高地应力等不良地质,因此给钻进工程带来一系列问题和灾害。众多文献资料和试验数据证明,此类问题与钻进的运行参数以及岩土的力学参数有着密不可分的关系。由此,本项目以PDC复合片钻头为研究对象并进行仿真模拟分析,设置不同的岩体参数以及不同的钻进参数,将在不同条件下所得的作业数据进行分析研究,揭示钻头在不同岩石中钻进参数表现的区别和在不同岩体在相同钻进条件下轴压和扭矩的区别和联系。分析发现岩石性质越好的其Mises等效应力就越高;在一定范围内钻头轴压和扭矩均与钻速呈现出正相关的关系,钻压的提高增加了钻齿的切入深度与岩石切削作用,扭矩继而随之增加;在相同钻速条件下转速的提高并没有对轴压产生较明显的影响,扭矩则呈现正相关变化。最后通过Python语言建立人工神经网络,经过机器学习对数值模拟数据和实际钻孔数据进行训练,验证利用钻进参数和机器学习的方法来实现对岩石种类的判识具有可实现性,最终结果表明对模拟数据训练预测的准确率达到90%左右,实际数据的准确率最高达到78%。

摘要： 为了通过预选切削参数来准确预测残余应力,从而提前调整切削参数以提高零件加工精度,分别从宏观预测和微观分析两个角度展开研究。宏观上为了提高残余应力预测精度,提出以45#钢为研究对象,构建优化扩展系数SPREAD后的径向基函数(RBF)神经网络,并将预测结果与实验值和有限元仿真值对比,证明了较有限元预测铣削残余应力而言,进行SPREAD优化后的RBF神经网络预测具有较高的准确性和优越性;微观上建立分子动力学(MD)模型,对相同条件下的铣削过程进行模拟仿真,将模拟结果与实验结果进行对比,发现残余应力在宏观上与微观之间存在负相关的潜在联系,为通过工艺处理调整工件微观结构以改善残余应力提供可行性验证。

摘要： 目的探究工艺参数对螺杆转子砂带磨削表面质量的影响规律。方法采用工件轴向进给速度为100~300 mm/min、砂带线速度为4.4~13.1 m/s、砂带张紧压力为0.2~0.3 MPa、磨削压力为0.4~0.5 MPa、砂带粒度为120~800目的工艺参数进行螺杆转子砂带磨削正交实验,基于改进的神经网络算法,建立螺杆转子砂带磨削后的表面粗糙度值预测模型,对磨削后的工件表面质量进行预测及分析。在此基础上采用预测模型针对各工艺参数对磨削质量的影响规律进行预测分析。结果利用多因素磨削实验获得预测样本及对比样本,对比结果表明,预测模型的平均训练精度约为93.38%,预测精度为92.46%。螺杆转子砂带磨削表面粗糙度值的单因素预测结果表明,工件表面粗糙度值随着接触轮正压力及磨削装置轴向进给速度的增加而升高,随着砂带线速度及砂带粒度的增加而降低。结论提出的算法可为选择螺杆转子砂带磨削的工艺参数提供理论依据。适当提高砂带线速度及砂带粒度、降低接触轮气缸压力及磨削装置轴向进给速度可获得较高的表面质量。

摘要： 针对存在信号传输诱导时延的网络化控制系统,利用Matlab truetime2.0对控制系统进行建模,通过以往系统时延采样数据,对当下网络控制系统时延值进行神经网络预测,得到控制系统实时时延值,使之成为无延迟系统,消除传输时延对系统控制稳定性的影响。基于网络控制系统时延不确定特性提出基于麻雀搜索算法(Sparrow Search Algorithm,SSA)的SSA-BP神经网络预测系统。通过系统仿真及对比来说明所提出的方法的有效性。

摘要： 由于蒸发式冷凝器(EC)换热管外阻垢率不易准确测试,搭建了一个在喷淋水中加入柠檬酸(CA)阻垢的实验装置并获取了180组实验数据。本文利用BP、GRNN两种神经网络对阻垢率进行预测并结合主成分分析(PCA)对实验输入参数进行降维并对降维前后的预测结果进行对比。降维前两种模型的输入参数为实验进行时间、换热管外壁温度、喷淋水温度、pH值、电导率,降维后两种模型的输入参数为Y1和Y2,输出参数均为阻垢率。对比降维前后的预测结果得出:经过PCA降维后,BP的网络运行时间从20s降为15s,误差指标RMSE、MAPE分别从2.45%、3.6%降为1.44%、2.38%,相关系数R从0.9745升高到0.9885;GRNN的运行时间从0.8s降为0.4s,误差指标RMSE、MAPE分别从1.78%、2.85%降为1.04%、1.98%,相关系数R从0.9853升高到0.9966,并且降维后GRNN模型比BP模型预测时间超短、误差指标小、相关性更高,更适合本领域。

摘要： 针对于车轮多边形阶次发展趋势,运用高精度车轮周向不平顺检测设备进行测量,整合检测到的历史数据,提出了一种基于灰色神经网络的车轮多边形阶次预测模型。该模型充分运用了灰色模型计算量小,不需要大量样本数据的特点以及BP神经网络较强的非线性映射能力,利用该模型对车轮周向每个采样点的不平顺数据进行预测,再通过离散傅里叶变换和滤波处理得出该车轮各个阶次的粗糙度等级,以此来判断车轮多边形阶次的发展,较大程度上解决目前车轮镟修不及时等问题。

摘要： 为解决大棚灌溉系统数据采集和水量预测精度差的问题,设计了一种基于神经网络预测的大棚灌溉系统。采用Penman-Monteith公式和BP神经网络对作物需水量进行建模和预测,提出基于BP神经网络预测的模糊PID控制算法,实现适时适量的大棚灌溉自动化监控,进一步推进种植业生产智能管理。

摘要： 随着经济发展及城镇化的推进,城市生活垃圾产生量不断激增。本文通过多层感知器神经网络算法建模预测新疆城市生活垃圾产生量,发现真实值与预测值平均绝对误差为4.94,平均相对误差为1.39%,相关系数为0.963,预测精度较好。经预测2021—2025年新疆城市生活垃圾产生量在2020年量级基础上呈增长态势,平均增长率为0.3%,同时2021—2025年垃圾产生量逐年递减。预测结果可为新疆城市规划建设、垃圾源头控制和终端处置提供一定的参考。

摘要： 文章主要分析城市轨道交通客流时序趋势及神经网络的机理,建立了基于自组织映射结合周期性时间序列特征的神经网络预测模型,该模型不需要进行复杂的数学推导,直接传递输入和输出数据即可自动建立,并与神经网络仿真分析结合,具备收敛速度快和预测轨道客流最佳唯一逼近的特点。选择轨道AFC刷卡数据进行案例分析,文章建立的模型在轨道客流预测中具备良好的适应性。

摘要： 离心式水泵作为工业领域常见的抽水机械,一直有着广泛的应用.然而在其性能指标预测过程中,理论模型难以达到高精度要求,而机器学习模型难以应用于多工况环境.本文提出了一个最小二乘归纳式迁移学习(LSITL)方法,该方法利用离心式水泵扬程性能曲线特征,通过最小二乘方式提取迁移知识,并利用归纳法建立多工况下的迁移模型,再通过最小二乘支持向量机(LSSVM)方法的反向求解实现对离心式水泵的性能预测.本文通过与机理建模方法和传统机器学习方法的对比,表明了本文中方法具有准确性高,适用范围广的优势,可以实际应用到离心式水泵性能指标的预测当中.

摘要： 建立了以材料电阻率、板厚、焊点间距为输入空间，分流率为输出空间的连续顺序电阻点焊分流率的误差反向传播(Back propagation，BP)神经网络预测模型。依据电阻点焊恒流控制的特点和点焊过程的电阻变化规律建立分流率的理论计算模型，由该模型所得数据作为样本对网络进行训练和检验。对2mm 20号钢及1.5mm、1mm 10号钢等厚度点焊的分流进行了预测，预测相对误差最大值分别为2．83％、1．77％和3．67％。验证实验结果表明，应用建立的神经网络的预测结果进行分流补偿后，在焊点间距为30ram和50mm时，第2～5焊点熔核直径相对第1点的平均误差，1mm 10号钢分别约为2．86％和3．99％，2mm 20号钢分别约为2．46％和3．58％。证明采用文中建立的BP神经网络分流预测模型，对10号和20号钢恒流控制连续顺序点焊时的分流进行预测是可行的。

摘要： 影响砂土地震液化的因素很多,传统的判别方法均不同程度地存在缺陷与不足,常常得不到满意的预测结果.本文基于已有的砂土地震液化资料,利用三层B-P神经网络模型,对唐山地震20个现场实例进行预测,正确率达90﹪,远高于传统的判别方法.实例研究表明,用神经网络预测砂土地震液化不仅方便、迅捷,而且具有较高的可靠性.

摘要： 准确确定煤与瓦斯突出对矿井安全生产起到十分重要的作用.由于影响煤与瓦斯突出的因素很多,用传统方法很难对其进行准确预测.神经网络技术是一门20世纪80年代中期兴起且在近年迅速发展的前沿交叉学科,它是以模拟大脑的思维方式进行计算的,比较善于处理多因素问题.本文利用神经网络技术对煤与瓦斯突出预测模型进行改进,找到影响煤与瓦斯突出的主要因素,为有效的预防煤与瓦斯突出提供了防治方向,并可指导实践,因此具有一定的理论和实际应用价值.

摘要： 型坯成型是塑料挤出吹塑中的一个重要阶段,其主要受离模膨胀与垂伸这两种现象的影响.近期,国外学者多采用数值方法(如有限元法)对挤出吹塑中的型坯膨胀进行模拟.本文采用神经网络方法来预测型坯的膨胀.

摘要： 在水平Y型分支管上，采用压缩空气作为输送动力，小米作为输送物料，进行气固两相分流试验，考察了分流过程中的固相流量分配特性的变化规律。研究发现，随变动支管与主管夹角的增大，流量分配特性曲线呈整体下移趋势；对于不同结构的Y型分支管，当气体速度低于一定值时，流量分配特性曲线将出现拐点，但时机并不同步；继续降低气速，不同夹角的支管的流量分配特性曲线具有不同的单调性。最后，采用人工神经网络对固相流量分配特性进行了预测和模拟，发现神经网络对预测Y型分支流量分配特性具有较好的效果。

摘要： 在水平Y型分支管上，采用压缩空气作为输送动力，小米作为输送物料，进行气固两相分流试验，考察了分流过程中的固相流量分配特性的变化规律。研究发现，随变动支管与主管夹角的增大，流量分配特性曲线呈整体下移趋势；对于不同结构的Y型分支管，当气体速度低于一定值时，流量分配特性曲线将出现拐点，但时机并不同步；继续降低气速，不同夹角的支管的流量分配特性曲线具有不同的单调性。最后，采用人工神经网络对固相流量分配特性进行了预测和模拟，发现神经网络对预测Y型分支流量分配特性具有较好的效果。

摘要： 在水平Y型分支管上，采用压缩空气作为输送动力，小米作为输送物料，进行气固两相分流试验，考察了分流过程中的固相流量分配特性的变化规律。研究发现，随变动支管与主管夹角的增大，流量分配特性曲线呈整体下移趋势；对于不同结构的Y型分支管，当气体速度低于一定值时，流量分配特性曲线将出现拐点，但时机并不同步；继续降低气速，不同夹角的支管的流量分配特性曲线具有不同的单调性。最后，采用人工神经网络对固相流量分配特性进行了预测和模拟，发现神经网络对预测Y型分支流量分配特性具有较好的效果。

摘要： 在水平Y型分支管上，采用压缩空气作为输送动力，小米作为输送物料，进行气固两相分流试验，考察了分流过程中的固相流量分配特性的变化规律。研究发现，随变动支管与主管夹角的增大，流量分配特性曲线呈整体下移趋势；对于不同结构的Y型分支管，当气体速度低于一定值时，流量分配特性曲线将出现拐点，但时机并不同步；继续降低气速，不同夹角的支管的流量分配特性曲线具有不同的单调性。最后，采用人工神经网络对固相流量分配特性进行了预测和模拟，发现神经网络对预测Y型分支流量分配特性具有较好的效果。

摘要： 本文利用BP网络,进行了铝合金焊接热裂纹预测方面的探索.通过训练、测试具有不同结构的单个模型及具有不同子模型数的组合模型的方法建立了初步的热裂纹预测模型,综合运用降维处理和缩小样本覆盖空间两种方法对模型性能进行了有效地改进,最终建立了以母材化学成分、填充金属化学成分及焊接操作方法为输入参数,以热裂纹总长度为输出参数的铝合金厚板"T"形接头焊接热裂纹预测系统.对模型性能的分析表明,热裂纹预测模型的预测规律符合已有研究结论,预测误差小于15﹪.

摘要： 本文利用BP网络,进行了铝合金焊接热裂纹预测方面的探索.通过训练、测试具有不同结构的单个模型及具有不同子模型数的组合模型的方法建立了初步的热裂纹预测模型,综合运用降维处理和缩小样本覆盖空间两种方法对模型性能进行了有效地改进,最终建立了以母材化学成分、填充金属化学成分及焊接操作方法为输入参数,以热裂纹总长度为输出参数的铝合金厚板"T"形接头焊接热裂纹预测系统.对模型性能的分析表明,热裂纹预测模型的预测规律符合已有研究结论,预测误差小于15﹪.

摘要： 本发明实施例提供了一种基于神经网络的数据预测方法、装置及神经网络系统，其中所述神经网络系统包括主干网络、至少两个分支网络以及投票单元，其中，所述至少两个分支网络的深度相同，且各个分支网络具有独立的模型参数；所述主干网络用于对目标图像进行特征提取，获得特征集合，并将所述特征集合输出至所述至少两个分支网络；所述分支网络用于根据输入的特征进行任务处理，输出对应的预测结果；所述投票单元用于融合所述至少两个分支网络输出的预测结果，确定最终输出结果。本发明实施例可以实现对神经网络模型的优化，提高了神经网络的预测精确度。

摘要： 本申请提供的一种神经网络和基于神经网络的目标检测及深度预测方法，所述神经网络包括：深度预测子网络、及目标检测子网络；所述深度预测子网络根据原始图像进行预处理以提取特征图，并将浅层特征图和深层特征图进行拼接，再通过深度预测输出多个不同尺度的视差图，据以得到深度图；所述目标检测子网络根据部分所述特征图通过感受野模块以进行多维度信息的目标检测；通过所述深度预测子网络与所述目标检测子网络结合实现单一网络，以同时输出所述深度图及目标检测结果。本申请通过单目视觉提供了精准且高效的FCW方案，能够为市面上绝大多数的汽车厂商所搭配，从而推进自动驾驶产业，发展前景巨大。

摘要： 提供了一种用于预测轮询时间的神经网络系统和使用该神经网络系统的神经网络模型处理方法。该神经网络系统包括：第一资源，用于生成通过执行与第一计算处理图相对应的至少一个计算操作而获得的第一计算结果；以及任务管理器，用于计算第一资源执行至少一个计算操作所花费的第一轮询时间，并基于计算的第一轮询时间从第一资源轮询第一计算结果。

摘要： 本发明提供一种基于循环神经网络和卷积神经网络的智能水位预测方法，包括：处理空间上相邻的各个水位站长期采集的水位数据，形成水位样本数据；构建基于循环神经网络和卷积神经网络的水位预测模型；利用水位样本数据对水位预测模型进行训练和测试，确定水位预测模型的网络参数；利用训练好的水位预测模型，输入多个空间相邻水位站的一段期间的历史数据，获得中间水位站未来一段期间的预测水位值。本发明的技术方案一方面利用循环神经网络学习水位的变化趋势，另一方面利用卷积神经网络更好地学习到了不同位置的水位站之间水位值的某种关联，从而更加充分利用多水位站的数据，提高内河水位预测的精度。

摘要： 本发明实施例提供了一种基于神经网络的数据预测方法、装置及神经网络系统，其中所述神经网络系统包括主干网络、至少两个分支网络以及投票单元，其中，所述至少两个分支网络的深度相同，且各个分支网络具有独立的模型参数；所述主干网络用于对目标图像进行特征提取，获得特征集合，并将所述特征集合输出至所述至少两个分支网络；所述分支网络用于根据输入的特征进行任务处理，输出对应的预测结果；所述投票单元用于融合所述至少两个分支网络输出的预测结果，确定最终输出结果。本发明实施例可以实现对神经网络模型的优化，提高了神经网络的预测精确度。

摘要： 本发明提供一种不需要偏置的神经网络电路装置、神经网络、神经网络处理方法和神经网络的执行程序。二值化神经网络电路(100)具有：输入输入值x1～xn(xi)(二值)的输入节点和输入权重w1～wn(wi)(二值)的输入部(101)；XNOR门电路(102)，其接收输入值x1～xn和权重w1～wn，且进行XNOR逻辑运算；求和电路(103)，其求出各XNOR逻辑值的总和；批归一化电路(41)，其通过扩大归一化范围且使中心位移的处理来修正由二值化导致的分布不平衡；和激活函数电路(35)，其使用激活函数fsgn(B)对信号B进行转换，其中所述信号B是对求出总和之后的信号Y进行批归一化得到的信号。

摘要： 本发明提供一种无需批归一化电路的神经网络电路装置、神经网络、神经网络处理方法及神经网络的执行程序。二值化神经网络电路(100)具备：输入输入值x1～xn(xi)(二值)的输入节点及输入加权w1～wn(wi)的输入部(101)、接收输入值x1～xn及加权w1～wn并采用XNOR逻辑的XNOR门电路(102)、输入多位偏置W'的多位偏置W'输入部(110)、取各XNOR逻辑值和多位偏置W'的总和的求和电路(103)及对于取总和后的信号Y仅输出符号位的激活电路(120)。

摘要： 本发明公开了一种基于卷积神经网络及BP神经网络的地铁杂散电流泄漏等级预测方法，包括以下步骤：1、在区间内确定土壤电阻率、极化电位测量位置，收集预测模型输入数据；2、对影响杂散电流泄漏的三类影响因素：土壤电阻率、埋地管线深度、埋地管线极化电位的数据进行矩阵化处理；3、使用卷积神经网络预测模型进行单测点杂散电流泄漏等级预测；4、使用BP神经网络进行区间内杂散电流泄漏等级综合预测；5、使用基于卷积神经网络及BP神经网络的预测模型对测试数据进行预测。本发明能够通过易测数据有效预测区间内杂散电流泄漏等级，保证系统在长时间监测时的预测精度，对于直观监测杂散电流泄漏情况具有重要的实际意义。

摘要： 本发明公开一种基于BP神经网络的钻速预测方法，采集钻井工具的扭矩、钻压、泵压和排量，并基于BP神经网络预测钻速，具体包括步骤1：按照采样周期，通过传感器测量钻井工具的扭矩N

摘要： 本发明公开了一种基于卷积神经网络及BP神经网络的地铁杂散电流泄漏等级预测方法，包括以下步骤：1、在区间内确定土壤电阻率、极化电位测量位置，收集预测模型输入数据；2、对影响杂散电流泄漏的三类影响因素：土壤电阻率、埋地管线深度、埋地管线极化电位的数据进行矩阵化处理；3、使用卷积神经网络预测模型进行单测点杂散电流泄漏等级预测；4、使用BP神经网络进行区间内杂散电流泄漏等级综合预测；5、使用基于卷积神经网络及BP神经网络的预测模型对测试数据进行预测。本发明能够通过易测数据有效预测区间内杂散电流泄漏等级，保证系统在长时间监测时的预测精度，对于直观监测杂散电流泄漏情况具有重要的实际意义。