提出一種基于數(shù)據(jù)融合的混凝土侵徹深度預測模型,將擬合小樣本試驗數(shù)據(jù)的BP神經(jīng)網(wǎng)絡和經(jīng)驗公式進行數(shù)據(jù)融合,用融合模型進行侵徹深度預測。結(jié)果表明:數(shù)據(jù)融合模型可大大降低傳統(tǒng)神經(jīng)網(wǎng)絡模型對試驗樣本數(shù)量和分布的要求,互補BP神經(jīng)網(wǎng)絡和經(jīng)驗公式在不同范圍內(nèi)的預測精度,明顯提高模型預測精度。 

【文章頁數(shù)】：6 頁

【文章目錄】：
1 基于數(shù)據(jù)融合的預測模型
    1.1 融合模型的基本結(jié)構(gòu)
    1.2 基于純試驗樣本的BP神經(jīng)網(wǎng)絡模型
    1.3 經(jīng)驗公式集
    1.4 基于BP模型1和經(jīng)驗公式集的融合模型
2 數(shù)值試驗與結(jié)果分析
    2.1 樣本數(shù)據(jù)
    2.2 數(shù)值試驗思路及評價指標
    2.3 樣本數(shù)據(jù)預處理
    2.4 數(shù)值試驗及結(jié)果分析
    2.5 融合模型應用
3 結(jié)論


【參考文獻】：
期刊論文
[1]基于BP神經(jīng)網(wǎng)絡的星外設備溫度預測[J]. 寧東坡,徐志明.  工程熱物理學報. 2019(07)
[2]利用BP神經(jīng)網(wǎng)絡剔除多波束測深數(shù)據(jù)粗差[J]. 趙祥鴻,暴景陽,歐陽永忠,黃賢源,黃辰虎,陸秀平.  武漢大學學報(信息科學版). 2019(04)
[3]基于反向傳播神經(jīng)網(wǎng)絡的陶瓷損傷參數(shù)反演分析[J]. 高玉波,張偉,李達誠,宜晨虹,湯鐵鋼.  兵工學報. 2018(01)
[4]鋼筋混凝土靶的侵徹與貫穿研究進展[J]. 武海軍,張爽,黃風雷.  兵工學報. 2018(01)
[5]基于PSO-SVM的侵徹效果預測方法[J]. 張樹霞,趙捍東,韓志高.  中北大學學報(自然科學版). 2015(02)
[6]二次回歸學習及其在軟件開發(fā)工作量預測上的應用[J]. 楊子旭,黎銘.  模式識別與人工智能. 2015(01)
[7]基于BP神經(jīng)網(wǎng)絡的動能桿毀傷指標預測模型[J]. 王迎春,王潔,杜安利,王錕.  系統(tǒng)工程與電子技術(shù). 2013(09)
[8]人工神經(jīng)網(wǎng)絡在彈體侵徹混凝土深度中的應用[J]. 李建光,李永池,王玉嵐.  中國工程科學. 2007(08)
[9]神經(jīng)網(wǎng)絡對混凝土動態(tài)特性的預測及試驗[J]. 姜鵬飛,唐德高,曲霞,邵魯中,錢岳紅.  解放軍理工大學學報(自然科學版). 2006(05)
[10]混凝土靶板沖擊響應的經(jīng)驗公式[J]. 文鶴鳴.  爆炸與沖擊. 2003(03)

博士論文
[1]神經(jīng)網(wǎng)絡及其組合模型在時間序列預測中的研究與應用[D]. 潘麗娜.蘭州大學 2018
[2]混凝土侵徹與貫穿若干問題研究[D]. 楊陽.中國科學技術(shù)大學 2012
[3]剛性彈體對混凝土靶的侵徹與貫穿機理研究[D]. 黃民榮.南京理工大學 2011
[4]多傳感器信息融合研究[D]. 管天云.浙江大學 1998

碩士論文
[1]基于云平臺的預測分析算法的研究與實現(xiàn)[D]. 黃麗.北京郵電大學 2016



本文編號：3669239