导读:本文包含了模拟神经网络模型论文开题报告文献综述及选题提纲参考文献，主要关键词:神经网络,充气模型,Python,Tensorflow
模拟神经网络模型论文文献综述
郑海亮,郝伟,陈立,闫涛[1]（2019）在《基于神经网络的汽油机充气模型模拟计算》一文中研究指出发动机电控系统中的充气模型输出相对充气量,对发动机控制起着至关重要的作用,所以充气模型的标定也是整个发动机台架标定过程的重点内容。本文利用Python编程语言基于谷歌的Tensorflow深度学习框架搭建了神经网络模型,实现了充气模型的主要功能。模拟计算结果表明,神经网络模型计算结果满足充气模型台架标定标准要求甚至表现更加优秀,而且神经网络模型在模型灵活性、拟合程度、标定难易程度还有应用扩展等方面具备很大的优势。(本文来源于《2019中国汽车工程学会年会论文集（3）》期刊2019-10-22）
林佳敏,陈金良,林晶晶,李宣辑,马聪[2]（2019）在《BP神经网络和ARIMA模型对污水处理厂出水总氮浓度的模拟预测》一文中研究指出污水处理厂出水总氮(TN)浓度是评价水处理效果的关键指标之一。建立BP神经网络模型对污水处理厂脱氮工艺进行模拟,引入自回归整合移动平均模型(ARIMA模型)对污水处理厂未来短期出水TN浓度进行预测。结果表明:BP神经网络模型在训练集和测试集模拟结果的平均相对误差分别为15. 9%和16. 5%,模型预测结果的平稳性较差; ARIMA模型对未来7 d出水TN浓度的时序预测平均误差为4. 41%,预测精度较高; 2个模型相结合有助于实现污水处理厂快捷和高效的在线检测。(本文来源于《环境工程技术学报》期刊2019年05期）
蒋美云[3]（2018）在《基于模拟退火算法优化的BP神经网络预测模型》一文中研究指出神经网络算法是深度学习研究的重点,遗传算法是一种自适应优化搜索算法,模拟退火算法是寻找最优解的算法,本文主要分析了神经网络,遗传算法和模拟退火算法的特点和缺陷,研究BP神经网络和遗传模拟退火算法相结合的技术,从发挥算法的优点基础上,提出了一个基于模拟退火遗传算法的BP神经网络模型,并应用于某观影俱乐部,作为新电影上映预测和用户推荐,实验结果表明:该算法在收敛性和准确率上都有较好的效果。(本文来源于《软件工程》期刊2018年07期）
陈昕,鱼京善[4]（2018）在《基于人工神经网络的雅砻江流域水文过程多模型集合模拟》一文中研究指出为降低水文模型的不确定性对流域水文过程模拟的影响,优化模型的实际应用效果,选取四种常见的水文模型:SWAT模型、BTOPMC模型、VIC模型和DTVG模型在中国西南的雅砻江流域分别建模,采用一套统一的模型输入数据与模拟时间范围,再次运用四个水文模型进行径流计算,并运用北京师范大学水科学研究院自主开发的基于人工神经网络方法的多模型输出集合系统对四个模型的模拟结果进行集合计算,得到集合计算的流量过程线及误差水平,与各水文模型计算结果相比较。研究结果表明,多模型集合计算的确定性系数和纳什效率系数均达到了0.90,相比单一水文模型的计算精度有大幅提高,且计算结果较稳定,与实际径流过程具有很好的一致性,说明多模型集合模拟在该流域具有很好的适用性。(本文来源于《南水北调与水利科技》期刊2018年02期）
李培都,司建华,冯起,鱼腾飞,赵春彦[5]（2016）在《基于Bp神经网络和Ball-Berry模型的胡杨气孔导度模拟》一文中研究指出以2014年5月至9月胡杨气孔导度和环境因子的实测数据,分析了胡杨气孔导度的季节变化特征,并基于Bp神经网络和Ball-Berry模型对胡杨气孔导度进行了模拟研究。结果表明:胡杨气孔导度峰值的出现时间春季要早于夏、秋季节。在不同季节,光合有效辐射均是影响胡杨气孔导度最敏感的环境因子。利用Bp神经网络模型对春季、夏季和秋季胡杨气孔导度的模拟值与实际观测值基于1:1直线的决定系数最高可达0.9078;利用Ball-Berry模型对春季、夏季和秋季胡杨气孔导度预测值的决定系数最高为0.5807。在不同光合有效辐射水平下也对春季、夏季和秋季的胡杨气孔导度进行了模拟,Bp神经网络对气孔导度模拟值与观测值基于1:1直线决定系数最高为0.6739,Ball-Berry模型的决定系数最高为0.5477,在光合有效辐射较弱时,Ball-Berry模型的模拟效果较Bp神经网络效果好,但随着光合有效辐射的增强,Bp神经网络的模拟精度要高于Ball-Berry模型。(本文来源于《干旱区资源与环境》期刊2016年11期）
陈昕,姚晓磊,鱼京善[6]（2016）在《基于BP人工神经网络模型的沙柳河流域径流模拟后处理研究》一文中研究指出基于自主开发的BP人工神经网络模拟应用工具V1.0,将与SWAT模型相同的气象数据与新增的月校正因子和SWAT模型的月径流模拟值作为输入层变量,以实测径流为训练数据,对沙柳河流域径流模拟进行后处理,比较其与单独运用SWAT模型和BP人工神经网络模型进行径流模拟的结果,以此评价BP人工神经网络用于径流模拟后处理的精度与适用性。研究结果表明基于自主开发的BP人工神经网络后处理能显着提高该流域径流模拟精度,且操作简便,实现了模型的率定和验证同步进行,适用于沙柳河流域的径流模拟研究。(本文来源于《水资源研究》期刊2016年04期）
王潇逸,张凌波,顾幸生[7]（2016）在《基于模拟退火菌群-RBF神经网络的甲醇净化CO_2含量软测量模型》一文中研究指出为了解决菌群优化(BFO)算法易陷入局部最优,趋化操作中翻转方向不确定的问题,利用模拟退火(SA)算法在获得局部最优解的情况下能够以极大可能趋向于全局最优解的特点,提出模拟退火-菌群优化(SA-BFO)算法。同时,将改进后的算法用于优化RBF神经网络,建立基于甲醇净化CO2含量的软测量模型。仿真结果表明该模型具有更高的精度和准确性,对甲醇生产量的提高具有一定的贡献价值。(本文来源于《现代电子技术》期刊2016年13期）
刘丹辉[8]（2016）在《均生函数与BP神经网络耦合模拟预测模型研究及应用软件开发》一文中研究指出水文气候因子的变化深刻影响着生态环境、资源的更新变化与开发利用,特别是干旱地区,由于生态环境相对脆弱,对水文气候因子变化敏感。近几十年来,全球水文气候因子的变化对水文水资源和生态环境影响,已成为全球重要的研究内容。通过对水文气候因子的模拟预测研究,可进一步丰富完善模拟预测理论,对未来气候变化研究、生态环境改善、水资源合理开发利用等具有一定参考意义。本文在分析总结各类相关已有模拟预测理论的基础上,选择均生函数、BP神经网络为基础方法。通过分析发现,均生函数、BP神经网络及其已有耦合方式在模拟预测中发挥了各自的优势,但仍有进一步可改进空间。从粗选因子集、粗选集组合精选、精度控制条件等进行改进,进一步发挥均生函数和BP神经网络各自优势,建立了一种新的均生函数与BP神经网络耦合模拟预测模型(MGF-BP-Ⅰ模型)。利用MGF-OSR, MGF-OSR-BP、MGF-BP-Ⅰ叁种方法五种模式对科尔沁沙地区域平均年降水进行了模拟预测。结果表明：(1)在建模阶段,MGF-OSR-BP, MGF-BP-Ⅰ整体同时最优、MGF-BP-Ⅰ建模阶段最优模式98%的年数相对误差分布于0～0.5%、0～1.25%、0～0.1%，拟合效果均较好,而MGF-BP-Ⅰ建模阶段最优模式精度优于MGF-OSR-BP近3倍。(2)在检验阶段,MGF-OSR、MGF-OSR-BP、MGF-BP-Ⅰ建模阶段最优叁种模式的相对误差分布在0-70%之间,跨度大,误差高。MGF-BP-Ⅰ整体同时最优、MGF-BP-Ⅰ检验阶段模式4年的相对误差集中于0～1%、0～2.3%之间,MGF-BP-Ⅰ整体同时最优模式有一年的相对误差为6.45%,精度较高。MGF-BP-Ⅰ检验阶段模式有一年的相对误差为2.66%,精度较高,误差范围集中。MGF-BP-Ⅰ检验阶段最优相比其他模式精度提高了8-27倍。(3)预测发现,未来2015、2017年降水相对丰富,其他年份趋于正常。由于2013、2014年实测数据已出,对比发现,相对误差分别为10.98%和8.65%,预测精度较高。(4)总体上,MGF-BP-Ⅰ模型考虑更加全面,精度远高于其他两种方法,MGF-BP-Ⅰ整体同时最优模式更符合实际应用,效果理想,可用于水文气候因子模拟预测。根据MGF-BP-Ⅰ模型原理,利用Visual C++ 6.0开发工具采用模块化设计,开发了MGF-BP-Ⅰ应用软件。软件主要功能包括叁种方法五种模式的实现,模拟预测数据等的查看功能,连接功能,输入输出功能,帮助功能等。将应用软件用于科尔沁沙地区域平均年气温模拟和预测中,结果表明,(1)在建模阶段,MGF-OSR、MGF-BP-Ⅰ检验阶段最优模式93%的年数相对误差集中于1～15%和0～0.3%。MGF-BP-Ⅰ整体同时最优、MGF-BP-Ⅰ建模阶段最优和MGF-OSR-BP模式95%的年数相对误差分布于0～0.03%、0～0.01%和0～0.1%之间,精度较高。(2)在检验阶段,MGF-OSR、MGF-OSR-BP、MGF-BP-Ⅰ建模阶段最优叁种模式的相对误差从0-40%之间都有分布。MGF-BP-Ⅰ整体同时最优模式4年的相对误差集中于0-5%之间,精度较高。MGF-BP-Ⅰ检验阶段最优模式相比其他模式精度提高1-3倍。(3)预测发现,未来气温2015年的增速最大,2016年达到最高,2017年气温有所回落。与2013、2014年的实测数据对比,相对误差为7.75%、11.98%,精度可以。(4)总体上,MGF-BP-Ⅰ模拟预测模型可用于气温的模拟预测,软件可用,精度较高。另外,通过使用黄河流域内蒙古段降水进行模拟发现,模型亦有一定区域适应性。同时,本应用软件模块划分明确,结构清晰、界面设计简单、功能齐全,通用及适用性强,可以在水文气候因子中进行更广泛的推广应用。本论文依托内蒙古自治区自然科学基金项目(2014MS0407、2010BS0608)、国家自然科学基金项目(50869005)、教育部《寒旱区水文过程与环境生态效应》创新团队、科技部《寒旱区水文过程与环境生态效应》创新团队完成。(本文来源于《内蒙古农业大学》期刊2016-06-01）
李迁[9]（2016）在《基于神经网络与决策树组合模型的LUCC预测与模拟》一文中研究指出土地资源作为一种宝贵的战略资源,是城市经济发展的重要承载基础,但是土地利用结构上的不合理性成为了城镇经济发展的桎梏。如何科学、合理、有效的利用现有的土地资源逐步成为国家发展的重要议题。对土地利用变化的研究可以在城镇发展的过程中展现其土地资源空间分布状态和未来的发展趋势,从而为土地资源的管理和城镇化的可持续发展政策提供科学依据。本文的结构分为绪论、主体、结论叁部分。绪论着重介绍了选题背景、研究意义以及国内外关于土地利用现状及变化模拟研究进展,并确定本文的研究框架,根据研究的内容选定相应的研究方法和技术路线。主体部分在介绍了土地利用变化研究的原理的同时,对十堰市城区土地利用变化趋势进行定性研究,得知2009-2015期间十堰市城区土地利用变化趋势是以建设用地和交通用地的扩张为主,其他用地包括耕地、林地、水域等用地的减少,新增的建设用地和交通用地在中心城区范围线之内,沿着城镇周边向市区东北方向的茅箭区和白浪经济开发区大面积延伸;减少的建设用地受集约节约用地政策影响,主要零散分布在城镇外围,规模较小。对土地利用变化具有重要影响的人口、距市中心距离、距建设用地、距交通距离、坡度、高程和距水源距离等影响因子进行定量分析,并根据由远及近得到其区位影响分析图。接着对十堰市城区范围内的2009年、2012年和2015年土地利用现状及2009-2015年间土地利用变化情况做了系统的定量分析,获取了每个时间段土地利用变化转移矩阵,从宏观角度整体掌握十堰市整体的土地资源用地结构及其土地利用变化趋势动向。本文在梳理、借鉴相关学者关于土地利用变化研究成果的基础上分别采用了神经网络模型和决策树模型对土地利用变化进行模拟。首先介绍了神经网络模型的基本工作原理,构建并利用神经网络模拟受到多种因子的综合影响的土地利用变化,通过对十堰市城区的土地利用类型与影响因子之间的关系进行学习与训练,不断的调整参数对其进行精度验证直至满足精度要求,最终将训练好的神经网络模型模拟土地利用变化;然后介绍了决策树原理,将土地利用变化的模拟转化为特殊的决策树分类问题,根据人口、邻域分析、坡度、高程等影响因子与土地利用变化之间的关系建立决策判断条件和土地利用适宜性评价集,测试模拟精度并对参数进行不断的修改,调整决策树模型,最后利用满足精度要求的决策树模型模拟土地利用变化;神经网络和决策树各有优缺点,相较于神经网络,决策树模型受人为干扰和政策性影响比较大,更适宜建设用地和交通用地的模拟,将两者相结合模拟十堰市城区土地利用变化。结论中,总结分析了本研究的成果,并指出本研究的不足之处以便日后深入探索。(本文来源于《湖北大学》期刊2016-05-20）
王呈会[10]（2016）在《神经网络模型在水文模拟中的应用研究》一文中研究指出针对传统BP神经网络模型存在收敛精度不高,引入小波函数对传统BP神经网络模型节点计算方法进行改进,并将改进的BP神经网络模型用于大洋河水文模拟研究中。研究结果表明:改进的BP神经网络模型可改变传统神经网络模型的收敛精度,在大洋河流域洪水尺度水文模拟中,相比于传统BP神经网络模型,模拟精度得到明显提高。(本文来源于《东北水利水电》期刊2016年05期）
模拟神经网络模型论文开题报告
（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：
污水处理厂出水总氮(TN)浓度是评价水处理效果的关键指标之一。建立BP神经网络模型对污水处理厂脱氮工艺进行模拟,引入自回归整合移动平均模型(ARIMA模型)对污水处理厂未来短期出水TN浓度进行预测。结果表明:BP神经网络模型在训练集和测试集模拟结果的平均相对误差分别为15. 9%和16. 5%,模型预测结果的平稳性较差; ARIMA模型对未来7 d出水TN浓度的时序预测平均误差为4. 41%,预测精度较高; 2个模型相结合有助于实现污水处理厂快捷和高效的在线检测。
（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。
模拟神经网络模型论文参考文献
[1].郑海亮,郝伟,陈立,闫涛.基于神经网络的汽油机充气模型模拟计算[C].2019中国汽车工程学会年会论文集（3）.2019
[2].林佳敏,陈金良,林晶晶,李宣辑,马聪.BP神经网络和ARIMA模型对污水处理厂出水总氮浓度的模拟预测[J].环境工程技术学报.2019
[3].蒋美云.基于模拟退火算法优化的BP神经网络预测模型[J].软件工程.2018
[4].陈昕,鱼京善.基于人工神经网络的雅砻江流域水文过程多模型集合模拟[J].南水北调与水利科技.2018
[5].李培都,司建华,冯起,鱼腾飞,赵春彦.基于Bp神经网络和Ball-Berry模型的胡杨气孔导度模拟[J].干旱区资源与环境.2016
[6].陈昕,姚晓磊,鱼京善.基于BP人工神经网络模型的沙柳河流域径流模拟后处理研究[J].水资源研究.2016
[7].王潇逸,张凌波,顾幸生.基于模拟退火菌群-RBF神经网络的甲醇净化CO_2含量软测量模型[J].现代电子技术.2016
[8].刘丹辉.均生函数与BP神经网络耦合模拟预测模型研究及应用软件开发[D].内蒙古农业大学.2016
[9].李迁.基于神经网络与决策树组合模型的LUCC预测与模拟[D].湖北大学.2016
[10].王呈会.神经网络模型在水文模拟中的应用研究[J].东北水利水电.2016
标签：神经网络; 充气模型; Python; tensorflow;