导读:本文包含了网络参数论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:神经网络,参数,算法,正交,网络,工艺,缩孔。
网络参数论文文献综述
孙建华[1]（2019）在《基于小波神经网络的水文地质参数计算与应用分析》一文中研究指出在BP神经网络的基础上引入小波分析函数对其进行改进,并应用于邹庄煤矿某采区水文地质参数计算和疏放水降深预测,再将小波神经网络与其它传统计算方法对比,结果表明:小波神经网络在水文地质参数计算和水文地质分析时具有极强的优势。(本文来源于《西部探矿工程》期刊2019年12期）
代仕明,李生杰[2]（2019）在《结合核主成分分析和GA-BP神经网络的储层参数预测研究》一文中研究指出地震属性分析技术在储层横向预测中发挥着越来越重要的作用。利用地震属性分析技术进行储层信息预测的理论基础是:储层中岩石性质、流体性质及其空间变化可引起地震反射振幅、频率和相位等地震属性的变化。本文以准噶尔盆地内部叁维工区资料为例,进行地震属性分析技术研究:(1)借助各种地震属性提取方法,从地震数据中提取多种地震属性;(2)利用核主成分分析方法(KPCA)进行地震属性的优选;(3)根据工区内测井资料进行储层参数的转换,并利用遗传算法优化的BP神经网络(GA-BP)进行孔隙度预测。结果表明:结合KPCA和GA-BP神经网络的方法是一项可以进行孔隙度预测的有效技术。(本文来源于《2019年油气地球物理学术年会论文集》期刊2019-11-27）
林峰,陈天凡[3]（2019）在《基于BP神经网络的薄壁外壳注塑工艺参数优化》一文中研究指出以某薄壁壳体为研究对象,采用正交试验法设计试验方案,基于Moldflow进行数值模拟分析,并对结果进行均值分析和极差分析,得到了第一次优化后的注塑工艺参数组合。在第一次优化的基础上,重新设计正交试验方案,基于训练好的BP神经网络,得到模拟试验结果,经过均值分析确定最优注塑工艺参数组合。结果表明,最优注塑工艺参数组合的翘曲变形量最小,有效提高了塑件质量。(本文来源于《模具技术》期刊2019年06期）
闵江涛,杨杰,马晨原[4]（2019）在《基于改进GA-BP网络算法的边坡力学参数反演分析》一文中研究指出针对BP神经网络收敛速度慢和易陷入局部极小值等不足,通过改进遗传算法,显着提升遗传算法的全局寻优能力,进而优化BP神经网络初始权值和阈值。结合工程算例,采用正交法设计参数样本,利用边坡工程的有限元正分析模型计算出反演分析所需的样本,建立基于改进的GA-BP网络算法反分析模型,经过网络训练,得到符合实测效应量值的反演参数值,对比GA-BP网络算法和改进GA-BP网络算法的反分析模型结果可知,改进GA-BP网络算法反分析模型在解的稳定性和求解精度上均得到了较大提高。研究成果可供类似工程参考。(本文来源于《水电能源科学》期刊2019年11期）
周永江,姚宜斌,颜笑,赵存洁[5]（2019）在《融合GNSS气象参数的BP神经网络雾霾预测研究》一文中研究指出结合IGS中心获取的BJFS站气象参数(气温(T)、气压(P)、大气可降水量(PWV))及同期PM_(2.5)数据,建立一种融合时序网络和回归网络的雾霾预测模型,对PM_(2.5)浓度进行预测。研究表明,引入GNSS气象参数的融合网络模型较单一网络模型适应性强、准确度高,在一定精度范围内可准确预测PM_(2.5)的变化,时效性达3 h。本文结论验证了卫星导航技术应用于雾霾天气监测及预报的可行性。(本文来源于《大地测量与地球动力学》期刊2019年11期）
王晓晖,刘月刚,孟婥,孙以泽[6]（2019）在《基于遗传算法和神经网络的3D增材印花工艺参数优化》一文中研究指出针对3D增材印花工艺中刮刀压力、刮印速度、刮刀角度和油墨黏度等参数的组合对印花质量存在较大影响,但实际生产中各工艺参数组合无法实现最优这一问题,利用附加动量法改进下的BP神经网络构建3D增材印花工艺模型,通过实验参数对模型进行训练,确定工艺参数和印花质量间的非线性关系。利用遗传算法对该非线性函数进行极值寻优,从而得到3D增材印花工艺的最优参数组合:印花压力为4 800N,刮印角度为18°,刮印速度为400 mm/s,油墨黏度为170.5 Pa·s,该模型预测误差基本稳定在0.01范围之内。利用优化前后的参数进行对比实验,结果证明该算法可以实现3D增材印花工艺的质量预测和参数寻优,从而提升印花质量,缩短产品开发时间。(本文来源于《纺织学报》期刊2019年11期）
徐城旭,吴晓平,王国英,朱雪芬[7]（2019）在《基于TDOA方法的无线传感器网络运动参数估计方法》一文中研究指出采用移动目标与信标节点间的到达时间差(TDOA)测量,提出了移动目标运动参数包括初始位置及速度的共同估计方法。通过建立移动目标运动参数估计的优化模型,首先推导了移动目标初始位置及运动速度估计的非约束线性最小二乘(ULLS)法。然后将优化模型松弛为凸优化的半正定规划(SDP)问题,又设计了运动参数估计的SDP算法。仿真分析表明,TDOA方法能有效避免到达时间(TOA)测量的时钟同向误差,提高位置的估计精度。由于使用了约束条件,基于TDOA测量的SDP算法估计误差比ULLS算法的估计误差更小,但是计算复杂度较大。TDOA-ULLS和TDOA-SDP算法能有效减少时钟同向误差引起的估计误差,采样周期和采样点数量的增加也能有效提高估计精度。(本文来源于《传感技术学报》期刊2019年10期）
崔年生,常跃,董英健,危剑林,夏鹤平[8]（2019）在《基于进化径向基神经网络方法的爆破参数优化》一文中研究指出多宝山铜矿处于高寒地区,常年的冻融循环作用以及台阶爆破的扰动影响了矿岩台阶的物理力学性质,按照原有的爆破参数进行设计并施工,爆破效果往往不理想,主要是大块率偏高、底根较多。为此,采用进化径向基神经网络方法对孔网参数、炸药单耗、排间延期时间等爆破参数进行优化,根据神经网络的训练与预测结果,最终得出了一套适用于多铜矿岩台阶爆破的最优爆破参数,通过进行一系列的现场爆破试验,并与之前的爆破效果进行对比,大块率显着降低,炸药单耗有所下降,提高了铲装的工作效率,节省了爆破成本,取得了良好的爆破效果,并增加了采矿经济效益。此方法科学可行,适用于多宝山铜矿的台阶爆破参数优化。(本文来源于《现代矿业》期刊2019年10期）
郭岩[9]（2019）在《基于神经网络的船舶空调设计参数优化》一文中研究指出针对当前船舶空调设计参数优化精度低的问题,以提高船舶室内舒适度为目标,提出了基于神经网络的船舶空调设计参数优化方法。首先对影响船舶室内舒适度的空调参数进行分析,将其作为神经网络的输入,采用船舶室内舒适度为神经网络的期望输出,然后通过神经网络的自适应和学习能力,对空调参数和船舶室内舒适度之间的关系进行非线性映射,建立船舶空调设计参数优化模型,最后采用Matlab编写船舶空调设计参数优化程序进行仿真实验,结果表明,神经网络可以获得船舶空调设计参数最佳组合,提高了船舶空调设计参数的优化精度,改善了船舶室内舒适度,最大程度发挥了船舶空调作用。(本文来源于《舰船科学技术》期刊2019年20期）
陈德平,陈营,罗建设,谢建,陈立明[10]（2019）在《基于BP神经网络风力发电机轴承座的铸造工艺参数预测模型》一文中研究指出基于KBE概念和BP神经网络,结合正交试验设计方法和铸造模拟建立了大型风力发电机轴承座铸件品质的预测模型。浇注温度、浇注时间和模具初始温度作为BP网络训练样本的输入值,基于Procast铸造模拟软件仿真得到的轴承座缩松缺陷面积、轴承座凝固时间、轴承座凝固后铸件最大温差作为模型目标值。结果表明,利用该模型可预测铸件任意工艺参数组合下的结果值,经过模拟试验和预测值的对比,两种方式获得的结果十分吻合,从而缩短大型铸件研发周期,降低了试制成本,并能给出最佳工艺参数组合,对实际生产可以进行快速高效的指导。(本文来源于《铸造技术》期刊2019年10期）
网络参数论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
地震属性分析技术在储层横向预测中发挥着越来越重要的作用。利用地震属性分析技术进行储层信息预测的理论基础是:储层中岩石性质、流体性质及其空间变化可引起地震反射振幅、频率和相位等地震属性的变化。本文以准噶尔盆地内部叁维工区资料为例,进行地震属性分析技术研究:(1)借助各种地震属性提取方法,从地震数据中提取多种地震属性;(2)利用核主成分分析方法(KPCA)进行地震属性的优选;(3)根据工区内测井资料进行储层参数的转换,并利用遗传算法优化的BP神经网络(GA-BP)进行孔隙度预测。结果表明:结合KPCA和GA-BP神经网络的方法是一项可以进行孔隙度预测的有效技术。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
网络参数论文参考文献
[1].孙建华.基于小波神经网络的水文地质参数计算与应用分析[J].西部探矿工程.2019
[2].代仕明,李生杰.结合核主成分分析和GA-BP神经网络的储层参数预测研究[C].2019年油气地球物理学术年会论文集.2019
[3].林峰,陈天凡.基于BP神经网络的薄壁外壳注塑工艺参数优化[J].模具技术.2019
[4].闵江涛,杨杰,马晨原.基于改进GA-BP网络算法的边坡力学参数反演分析[J].水电能源科学.2019
[5].周永江,姚宜斌,颜笑,赵存洁.融合GNSS气象参数的BP神经网络雾霾预测研究[J].大地测量与地球动力学.2019
[6].王晓晖,刘月刚,孟婥,孙以泽.基于遗传算法和神经网络的3D增材印花工艺参数优化[J].纺织学报.2019
[7].徐城旭,吴晓平,王国英,朱雪芬.基于TDOA方法的无线传感器网络运动参数估计方法[J].传感技术学报.2019
[8].崔年生,常跃,董英健,危剑林,夏鹤平.基于进化径向基神经网络方法的爆破参数优化[J].现代矿业.2019
[9].郭岩.基于神经网络的船舶空调设计参数优化[J].舰船科学技术.2019
[10].陈德平,陈营,罗建设,谢建,陈立明.基于BP神经网络风力发电机轴承座的铸造工艺参数预测模型[J].铸造技术.2019
论文知识图
