基于数据融合的混凝土侵彻深度预测

发布时间：2022-08-02 20:58

　　提出一种基于数据融合的混凝土侵彻深度预测模型,将拟合小样本试验数据的BP神经网络和经验公式进行数据融合,用融合模型进行侵彻深度预测。结果表明:数据融合模型可大大降低传统神经网络模型对试验样本数量和分布的要求,互补BP神经网络和经验公式在不同范围内的预测精度,明显提高模型预测精度。 

【文章页数】：6 页

【文章目录】：
1 基于数据融合的预测模型
    1.1 融合模型的基本结构
    1.2 基于纯试验样本的BP神经网络模型
    1.3 经验公式集
    1.4 基于BP模型1和经验公式集的融合模型
2 数值试验与结果分析
    2.1 样本数据
    2.2 数值试验思路及评价指标
    2.3 样本数据预处理
    2.4 数值试验及结果分析
    2.5 融合模型应用
3 结论


【参考文献】：
期刊论文
[1]基于BP神经网络的星外设备温度预测[J]. 宁东坡,徐志明.  工程热物理学报. 2019(07)
[2]利用BP神经网络剔除多波束测深数据粗差[J]. 赵祥鸿,暴景阳,欧阳永忠,黄贤源,黄辰虎,陆秀平.  武汉大学学报(信息科学版). 2019(04)
[3]基于反向传播神经网络的陶瓷损伤参数反演分析[J]. 高玉波,张伟,李达诚,宜晨虹,汤铁钢.  兵工学报. 2018(01)
[4]钢筋混凝土靶的侵彻与贯穿研究进展[J]. 武海军,张爽,黄风雷.  兵工学报. 2018(01)
[5]基于PSO-SVM的侵彻效果预测方法[J]. 张树霞,赵捍东,韩志高.  中北大学学报(自然科学版). 2015(02)
[6]二次回归学习及其在软件开发工作量预测上的应用[J]. 杨子旭,黎铭.  模式识别与人工智能. 2015(01)
[7]基于BP神经网络的动能杆毁伤指标预测模型[J]. 王迎春,王洁,杜安利,王锟.  系统工程与电子技术. 2013(09)
[8]人工神经网络在弹体侵彻混凝土深度中的应用[J]. 李建光,李永池,王玉岚.  中国工程科学. 2007(08)
[9]神经网络对混凝土动态特性的预测及试验[J]. 姜鹏飞,唐德高,曲霞,邵鲁中,钱岳红.  解放军理工大学学报(自然科学版). 2006(05)
[10]混凝土靶板冲击响应的经验公式[J]. 文鹤鸣.  爆炸与冲击. 2003(03)

博士论文
[1]神经网络及其组合模型在时间序列预测中的研究与应用[D]. 潘丽娜.兰州大学 2018
[2]混凝土侵彻与贯穿若干问题研究[D]. 杨阳.中国科学技术大学 2012
[3]刚性弹体对混凝土靶的侵彻与贯穿机理研究[D]. 黄民荣.南京理工大学 2011
[4]多传感器信息融合研究[D]. 管天云.浙江大学 1998

硕士论文
[1]基于云平台的预测分析算法的研究与实现[D]. 黄丽.北京邮电大学 2016



本文编号：3669239