基于人工神经网络模型电站燃煤锅炉结渣预测方法评价

对电站锅炉结渣的影响因素进行分析,利用模糊理论的方法对影响结渣的煤灰特性、锅炉燃烧温度、炉内空气动力场进行指标模糊化处理,建立模糊综合评判模型对电站锅炉结渣倾向性进行评判预测。

为简化震害预测工作,提出一种以房屋普查数据为震害影响因子并利用人工神经网络模型为工具的震害预测方法。从以往震害实例中选取了具有典型破坏特点的建筑物作为神经网络的学习样本,用收集的数据对网络进行了训练并得到了收敛的网络,应用此收敛的网络对一组新的房屋数据进行震害预测,结果表明了运用此方法和模型的实用性。

**资讯http://www.***.*** **资讯http://www.***.*** **资讯http://www.***.***

基于人工神经网络理论,提出了根据前期沉降观测资料进行沉降预测的人工神经网络模型,并用于汕汾高速公路预压荷载卸荷时间预报.研究表明,所建议的模型较传统沉降预测模型具有显著的优越性,应用前景广阔.

利用神经网络强大的非线性映射能力,提出了一种基于bp神经网络模型的工程造价预测模型,指出该预测模型可对不同情况的工程造价进行合理的预测,实例检验证明,该方法收敛速度快,预测的可靠性令人满意。

基于人工神经网络的工程造价预测模型——利用神经网络强大的非线性映射能力,提出了一种基于bp神经网络模型的工程造价预测模型,指出该预测模型可对不同情况的工程造价进行合理的预测,实例检验证明,该方法收敛速度快,预测的可靠性令人满意。　　

燃煤锅炉 燃料与烟风系统 我国锅炉燃用的燃料主要是煤。一般大型锅炉和电站锅炉常燃用 煤粉，因此要有一套将原煤磨制成煤粉的制粉系统。如图所示，经原 煤仓落下的煤由给煤机送入磨煤机磨碎。在磨煤过程中同时对煤进行 干燥，干燥介质通常用热空气。冷空气由送风机送入空气预热器，在 这里吸收排烟的热量成为热空气。热空气的一部分经排粉机升高压 头后进入磨煤机，在对煤进行加热与干燥的同时携带磨好的煤粉离开 磨煤机，可见这一部分热空气除作为干燥介质外，还起输送煤粉的作 用，通常把这部分热空气叫作一次风。在如图所示的直吹系统中，气 粉混合物从磨煤机出来后，经煤粉管道直接送入燃烧器，并由燃烧器 喷入炉膛燃烧。需要指出的是，在中间储仓式制粉系统中，一次风携 带煤粉进入煤粉分离器，在那里煤粉从气流中分离出来贮存在煤粉仓 中，根据负荷需要通过给粉机从煤粉仓中向燃烧器供给适量煤粉。从 图中还可看

电力系统短期负荷预测是保证电力系统安全经济运行和实现电网科学管理及调度的重要依据,目前的电力系统短期负荷预测方法存在着一些不足。提出了基于人工神经网络与主分量分析的短期负荷预测方法,在试验中分别采用该方法和单一的人工神经网络对辽宁省某电网的短期负荷进行了预测,试验结果表明本文提出的方法与单一的人工神经网络预测法相比,不但减少了预测的时间,而且避免了过拟合现象,提高了预测精度。

以bp人工神经网络模型为基础,建立预测模型,以小区某栋建筑物1期～8期的沉降观测数据为输入数据和输出数据,对网络模型进行训练,并对9期～12期实际观测值与预测值进行了比较,结果比较理想,从而验证了采用bp人工神经网络模型进行建筑物沉降的预测是可行的。

针对人工神经网络成矿预测模型结构难以确定的问题,详细阐述了一种在模型训练中进行隐层数目及隐层单元数目动态调整的人工神经网络算法,并以vc++为开发工具实现了变结构人工神经网络成矿预测模型,经用华南26个岩体检验,回忆率及预测率均高达100％。该方法提供了一种面向具体问题的动态解决方案,在成矿预测工作中具有一定的实用性。

针对基坑变形预测中信息的灰色性和数据的非线性性,提出用灰色神经网络预测基坑变形的新方法。用一桩锚联合支护体系实例进行了预测研究,得到支护体系的不同预测模型的组合预测值。研究结果表明:灰色神经网络预测误差比gm(1,1)预测模型小;与bp预测模型相比,前期误差大,后期误差小。在基坑变形监测中,为了更准确地预测基坑变形,可以采用灰色神经网络预测与bp预测相结合的方法进行预测。

人工神经网络模型描述

?1994-2010chinaacademicjournalelectronicpublishinghouse.allrightsreserved.http://www.cnki.net 文章编号:1003-207(2002)01-0079-05 基于人工神经网络的三江平原土壤质量 综合评价与预测模型 楼文高 (上海水产大学海洋学院农业资源与环境系,上海　200090) 摘　要:根据土壤质量定量评价指标分级体系生成足够多代表性好的神以网络训练和检验用的样本。建立神经网 络模型时,利用删减或扩张准则确定神经网络最佳拓扑结构,避免“过拟合”现象,利用检验样本监控在训练过程中 不发生“过学习”现象,使建立的土壤质量的综合评价与预测模型具有较好的泛化能力和预测能力。对三江平原地 区主要耕作土壤质量的综合评价与预测结果表明,神经网

在给出混凝土等效水灰比和骨料平均浆体厚度计算方法的基础上,采用人工神经网络方法,建立了混凝土28d抗压强度与混凝土等效水灰比、骨料平均浆体厚度和粉煤灰与胶凝材料用量比之间的非线性映射关系.该研究成果可减少混凝土试配次数,节约大量人力、物力和时间,并为高体积稳定性混凝土配合比设计方法的研究进一步奠定了基础.

基于人工神经网络原理，设计了一个三层的ｂｐ网络模型。充分利用了神经网络高度非线性建模能力，实现电力系统的短期负荷预测。文中对样本数据进行了预处理，以及在算法中引入附加冲量项，以提高训练速度。预测仿真结果证明使用人工神经网络方法进行短期负荷预测是可行的。

提出了一种基于灰色模型和神经网络组合的短期负荷预测方法。首先利用频域分解消除负荷序列的周期性,然后利用灰色模型计算负荷序列的历史拟合值和未来预测值,将其作为神经网络的输入。在历史数据中选择一天作为基准日,以该基准日的量为参照,以负荷的灰色模型拟合值相对基准日的变化量,以及温度变化量为bp神经网络的输入,实际负荷变化量为输出,训练神经网络并预测待预测日负荷的变化量,加上基准日负荷后得到预测负荷。该方法综合了灰色模型方法和神经网络方法的优点,仿真结果验证了方法的有效性。

传统的输电阻塞研究主要集中于输电阻塞发生之后的处理过程,即阻塞管理,属于被动消除阻塞情形。文章基于主动预防输电阻塞的思想,从分析影响输电阻塞的系统线路传输功率、系统总负荷、系统实际出力等相关因素入手,应用层次分析法建立比较判断矩阵,以确定各因素阻塞影响的权重。基于此,建立一种基于神经网络的输电阻塞预测模型,还提出了一个新的阻塞指标,即阻塞度,以美国加利福尼亚州电力市场的数据验证了该模型的正确性和实用性。

利用matlab编程语言构造了三层bp神经网络结构,建立了基于人工神经网络的投标报价模型,通过仿真模拟确定标高金水平,并用实例验证了其可靠性,为承包商作出合理报价决策提供了科学依据。

为在继电器的设计和生产阶段通过多个评价指标评价其整体品质,研究了多层次综合评判模型的可计算性。该模型依据电器产品设计方案关于技术性能和成本的综合评价指标体系,并通过对神经网络原理的评判方法的研究而建立。实例证明,人工神经网络的出现为处理各种模糊的、数据不完全的、模拟的、不精确的模式识别问题提供了一个全新的途径。

提出人工神经网络模型来模拟传统的带肋钢筋和混凝土之间的粘结性能,目的是预测钢筋从混凝土混合物中拔出的极限荷载(第一神经网络模型)或抗压强度(第二神经网络)以及根据rilem试验设计的不同钢筋直径的拔出极限荷载。采用112个带肋钢筋(直径为10mm、12mm)以及三种不同混凝土配合比的拔出试验结果数据库,对神经网络模型进行训练。根据反向传播算法,进行多层感知器训练。第一个模型(ann-6)有6个输入:钢筋直径、水灰比、砂石比、级配、水泥种类和混凝土龄期。第二个模型(ann-2)有2个输入:钢筋直径、混凝土抗压强度,两个模型的输出均为极限拔出荷载。研究结果显示:所采用的模型预测精度高、误差低、具有鲁棒性。从鲁棒性方面,第一个模型(ann-6)比第二个模型(ann-2)更精确。将混凝土的成分作为输入参数,而不是混凝土的强度,对于带肋钢筋-混凝土界面的局部现象更具代表性。

根据建筑物实测沉降利用人工神经网络理论,建立了前馈网络预测模型并提出新的学习算法,结合某建筑物纠偏工程实例对建筑物沉降进行了预测.预测结果表明神经网络方法是可行且有效的.

鉴于前人推导的镐形截齿破岩截割阻力和截割比能耗的理论公式计算值与实际值相差较大以及最优截槽宽没有定量表示,文中选取岩石密度、单轴抗压强度、抗拉强度、静态弹性模量等为影响因子,建立了bp预测网络模型,并利用此模型对我国常见的4种岩石镐形齿截割参数进行了预测。检验及预测的结果表明建立的预测网络运行稳定,预测结果良好,对截割力的预测优于理论计算结果,对截槽宽和截割厚度最优比值、截割比能耗的预测结果良好,相对现有理论的计算和经验公式计算精度有了很大提高,能更好的满足工程要求。