人工神经网络的宽幅铝合金中厚板厚度预测模型

一、铝合金厚板的分类 1、按照厚度分类 按照美国aa标准，厚度小于0.15mm为铝箔，厚度0.15mm～6.35mm 为薄板，厚度大于6.35的为厚板。综合各方面的情况，可将铝合金 板按厚度分为特薄板(0.2～0.5)、薄板(0.5～35～80mm)、特厚板(>80～200mm)、极厚板(>200～ 1000mm)。 2、根据合金元素的含量和加工工艺的特点分类 根据合金元素的含量和加工工艺的特点分类，铝合金可分为变形 铝合金和铸造铝合金两类，但轧制厚板占85%以上。 3、根据材料的状态分类 根据材料的状态可分为不可热处理和可热处理的，前者约占40% 弱，而后者约占60%强。 二、厚板的生产方法 厚板的生产方法分为两种，即铸锭热轧法和铸造法。凡是厚度大 于200mm的极厚板都是铸造的，因为

**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。　　

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

铝合金中厚板电气安装施工探讨

铝合金厚板生产线的生产工艺复杂、对生产设备的要求较高,这就要求铝合金中厚板电气安装具有较高的质量,否则将会影响到生产线的正常生产和日常维护。本文在阐述铝合金中厚板电气安装特点的基础上,深入探讨了铝合金中厚板电气安装的施工技术,就电气安装的重点问题进行了分析,具有一定的参考价值。

基于人工神经网络的房地产项目评判模型——房地产租(售)价预测就是对房地产租(售)价未来水平的估计.对房地产投资决策而言,预测出房地产租(售)价各种可能的结果,特别是给出定量的评价、分析,是房地产投资决策必不可少的工作之一.运用模糊系统和...

投资项目的效益评估是整个投资活动的关键。阐述了投资项目效益评估的基本理论;借助现代的数学计量方法,运用效益评估的指标体系,研究了用人工神经网络进行效益评估的的可行性,建立了基于人工神经网络的效益评估模型,并利用该模型进行了实证分析。

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。

针对电力系统短期负荷预测的特点,以及人工神经网络的自学习和复杂的非线性拟合能力,将人工神经网络的bp、elman、rbf三种模型用于短期负荷预测,建立了短期电力负荷预测模型,综合考虑气象、天气等影响负荷因素进行短期负荷预测。某电网实际预测结果表明,rbf比bp、elman有更好的预测精度,更快的速度。

通过采用人工神经网络方法对tc4钛合金电子束焊缝熔凝区形状尺寸进行预测研究.在大量工艺试验的基础上,采集网络训练样本,并对训练样本和测试样本进行标准化,通过确定合适的人工神经网络模型、网络结构、网络算法以及网络训练次数,建立了从聚焦电流、电子束流和焊接速度到焊缝熔深、熔宽、正面焊缝宽度、深宽比、焊缝余高、钉头半角的bp网络映射模型.结果表明,网络的最大输出相对误差不超过5%,说明该网络具有较强的映射能力,能满足预测要求.

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。

提出基于人工神经网络的基础最终沉降的预测新方法,通过工程实例应用,在较短的实测资料情况下,可获得较小误差的最终沉降量,所建立的模型预测精度高。

以拓扑指数为结构描述符,用基于levenberg-marquardt优化的bp神经网络建立了醇类化合物的结构与色谱保留值的相关性模型,用于未知醇类化合物在se-30和ov-3两根色谱柱上保留指数的同时预测,其学习速率优于文献中普通bp神经网络法,预测准确度与普通bp神经网络法接近,但优于多元线性回归法,因而是一种较好的预测有机化合物气相色谱保留指数的方法.

基于人工神经网络的公路工程投资预测模型的研究——针对目前我国的高等级公路建设过程中普遍存在着投资失控、决算超预算、预算超概算、概算超估算现象越来越严重的问题。提出了从介绍公路工程投资原理和现行的公路投资体系存在的问题出发，将国内现在使用的公路...

针对目前我国的高等级公路建设过程中普遍存在着投资失控、决算超预算、预算超概算、概算超估算现象越来越严重的问题。提出了从介绍公路工程投资原理和现行的公路投资体系存在的问题出发,将国内现在使用的公路工程投资预测模型加以对比和分析,探索了利用人工神经网络在公路投资预测领域建立新的模型,以此提高预测精确度,改变投资失控的现状。