人工神经网络预测难溶性硫化物溶度积Ksp

对神经网络方法中的BP算法的在分析难溶性硫化物Ksp的原理与方法作了详细的论述,并运用BP算法进行预测,取得了较好的效果。     

利用人工神经网络对难溶氢氧化物溶度积Ksp的研究

采用三层BP算法的人工神经网络,对难溶氢氧化物的溶度积与影响因素的结构建立模型,以元素的结构特征(离子的氧化数,价层轨道的排布)作为标准输入,避免了实验数据差错对计算结果的影响,并对58种难溶氢氧化物的溶度积进行了预测(r=0.97),取得了较好的效果.     

酸溶解难溶金属硫化物的平衡分析

从化学平衡角度对酸溶解难溶金属硫化物的原理,程度和范围进行了分析。     

氢键在晶体工程及难溶性药物开发中的应用

氢键在超分子化学、固体材料设计及生物化学(主要是蛋白质的折叠)中扮演了十分重要的角色,强氢键和C-H…O弱氢键对于配合物晶体和药物晶体的形成起到了非常重要的作用。资料表明,零维、一维及许多二维结构构成三维结构是依靠氢键来实现的。同时,在药物开发中,对于含有氢键供体官能团的难溶性药物,可以将药物制备成固体分散体,利用药物与载体材料之间形成氢键相互作用,达到提高药物溶出度及生物利用度的目的。     

有关沉淀转化与Ksp大小的讨论

通过对高考题中基于证据推理Ks p或溶解度相对大小的试题进行统计和分析发现:一定条件下,沉淀发生转化,即推理新沉淀的Ks p或溶解度更小存在争议,且通过理论分析和实例佐证证明这一推理不正确.对该类型试题的命题从类型和难度、立意和选材、表述和要求三个角度提出了建议:需能进行快速的推理;尽量选取新的情境;应提供必需的数据.     

影响测定碘化铅Ksp的几个因素

本文通过利用离子交换法测定难溶物质碘化铅的溶度积,总结出了几个影响Ksp数值变化的因素,实验时多加注意并控制好这几个因素,使Ksp数值更精确,有助于提高测定碘化铅Ksp实验的成功率与准确率．     

人工神经网络在隧道变形预测中的应用

将人工神经网络应用于隧道施工中的变形预测,预测结果表明,该模型具有较高的预测精度,为隧道变形预测提供了一种新的方法.     

预测模具型腔温度的人工神经网络

本文表明应用人工神经网络，由一个简单的销状温度传感器取得可靠数据，便可准确地预测出模具型腔的温度。     

从Ksp角度对“Mg2+、 A13+混和溶液中滴加NaOH溶液”的再思考

向等浓度的MgCl2、AlCl3混合溶液中逐滴加入NaOH溶液是高中化学经常涉及的离子反应,教学的不同阶段对该反应认识有所差别,本文从Ksp角度对两中常见认识予以辨析.     

从Ksp角度对“Mg2＋、Al3＋和溶液中滴加NaOH溶液”的再思考

向等浓度的MgCl2、AlCl3混合溶液中逐滴加入NaOH溶液是高中化学经常涉及的离子反应,教学的不同阶段对该反应认识有所差别,本文从Ksp角度对两中常见认识予以辨析。     

基于BP人工神经网络电力负荷预测

由于影响电力负荷的因素之间存在着非线性,所以采用神经网络方案来进行短期电力负荷预测.对应用于实际的神经网络算法进行了具体处理,如数据的归一化,输入向量和输出向量的选择.仿真结果表明其有较好的预测精度.该模型具有网络结构较小、训练时间短、易于实现的优点.     

基于模拟退火的神经网络预测模型

在分析了传统神经网络预测模型的基础上，提出用模拟退火算法代替局部梯度下降法修正网络权值，从而避免了人工神经网络容易陷入局部极小的缺陷。经实例证实，该方法能有效地提高预测的精度。     

基于BP神经网络的电弧炉炼钢过程的终点预报

针对电弧炉炼钢过程的高度非线性、时变性、不确定性,基于BP算法,建立了增量神经网络电弧炉冶炼终点的预报模型。以废钢、铁水、铁矿石、通电时间、吨钢氧耗和电耗相对于参考炉均值的增量为输入节点,对冶炼钢水终点温度和碳、磷的含量进行预报。研究表明,当钢水终点温度和碳、磷含量的控制精度分别在±10℃、±0．03％和±0．04％时,预报值命中率分别为93％、95．2％和86．3％。     

可拓学与人工神经网络

可拓神经网络是可拓学与人工神经网络的有机结合。可拓神经网络是以物元为基本元相互连接而成的网络,在可拓控制、可拓识别和可拓预测等方面都有着广泛的应用。     

灰色人工神经网络组合预测模型及其应用研究

将GM（1,1）模型与BP算法相结合建立灰色人工神经网络组合模型应用于GDP总量的预测。以安徽省1992-2007年的数据为例,对2005至2007年的GDP总量进行检验性预测,结果表明灰色人工神经网络组合模型大大提高了预测精度.     

基于灰色BP网络的GDP总量组合预测模型应用研究

将GM(1,1)模型与BP算法相结合建立灰色人工神经网络组合模型应用于GDP总量的预测.以安徽省1992-2007年的数据为例,对2005-2007年的GDP总量进行检验性预测,结果表明灰色人工神经网络组合模型大大提高了预测精度.     

混合神经网络的高校网络舆情预测模型研究

为了对高校大学生群体性事件网络舆情进行准确预测并作正确引导,提出一种基于改进粒子群算法的混合神经网络(HANN)的高校网络舆情的发展趋势预测模型.HANN首先采用自适应调整策略和混沌理论对粒子群算法进行改进得到改进粒子群算法(CSA-PSO),再通过CSA-PSO算法训练径向基人工神经网络(RBF ANN)得到;RBF ANN的结点个数通过试探法确定.通过实例测试和与其它模型比较实验,结果表明所提出的HANN方法具有较高的预测精确,综合性能较好.