Matlab&Delphi Mixed Programming of BP Network Monitoring Model

蒋裕丰; 何鲜峰; 金永强

English Version Reader LoginJournal Login

您当前的位置：

首页 >

文章列表页 >

Matlab&Delphi Mixed Programming of BP Network Monitoring Model

更新时间：2026-01-22

- Matlab&Delphi Mixed Programming of BP Network Monitoring Model
- Issue 1, Pages: 88-91(2008)
- 作者机构：
  
  1. 河海大学水利水电工程学院,江苏,南京,210098
  2. 水资源高效利用与工程安全国家工程研究中心
- 作者简介：
- 基金信息：
- DOI：
  CLC： TP18;TP311.11
- Published：2008
- 稿件说明：
移动端阅览
[1]蒋裕丰,何鲜峰,金永强.BP网络监测模型的Matlab&Delphi混合编程[J].水力发电,2008(01):88-91.

蒋裕丰, 何鲜峰, 金永强. Matlab&Delphi Mixed Programming of BP Network Monitoring Model[J]. 2008, (1): 88-91.
[1]蒋裕丰,何鲜峰,金永强.BP网络监测模型的Matlab&Delphi混合编程[J].水力发电,2008(01):88-91. DOI：

蒋裕丰, 何鲜峰, 金永强. Matlab&Delphi Mixed Programming of BP Network Monitoring Model[J]. 2008, (1): 88-91. DOI：

摘要

结合Matlab和Delphi各自的优点

利用M文件的传输技术将Delphi和Matlab连接起来

开发出界面友好

功能强大的BP神经网络应用系统

并利用该系统建立了大坝变形监测模型。模型的实际应用表明

该系统具有建模方便、快捷、拟合预测精度较高的优点。

Abstract

Combining the respective advantages of Delphi and Matlab

this paper connects Delphi to Matlab by using the M file transmission technology

and designs a powerful BP neural network application system which has friendly interface in order to establish the monitoring model of dam′s deformation.Through the application of a actual model

we can see that this system designs the model expediently and rapidly and the precision of the simulation and forecast can meet practical requirements.

关键词

Keywords

references

Delphi与Matlab混合编程的5种方法 [J]. 王艳丽. 菏泽学院学报 . 2006(02)

基于神经网络的水轮机调节控制器 [J]. 齐学义,伊长生. 水力发电 . 2004(04)

基于人工神经网络的卡尔曼滤波实时校正技术 [J]. 覃光华,丁晶,缪韧,李眉眉. 水力发电 . 2002(11)

BP网络学习参数的自调整技术及其应用 [J]. 徐华,刘红琳. 电脑开发与应用 . 2000(02)

Matlab的几则程序设计经验 [J]. 陈以新. 计算机应用 . 1999(09)

高等应用数学问题的MATLAB求解[M]. 清华大学出版社 , 薛定宇,陈阳泉著, 2004

神经网络设计[M]. 机械工业出版社 , (美)MartinT.Hagan等著, 2002

面向MATLAB工具箱的神经网络理论与应用[M]. 中国科学技术大学出版社 , 丛爽编著, 1998

神经模糊系统及其应用[M]. 北京航空航天大学出版社 , 王士同编著, 1998

神经网络导论[M]. 国防科技大学出版社 , 胡守仁等编著, 1993

水工建筑物安全监控理论及其应用[M]. 河海大学出版社 , 吴中如等著, 1990

Views

169

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

Sediment Prediction Model Based on BP Neural Network Theory and Error Correction

Research on Condition Trend Prediction of Hydro-turbine Generating Unit based on Support Vector Machines

Daily Runoff Forecast Based on Improved Support Vector Machine Regression Model

Fault diagnosis for draft tube based on wavelet packet-neural network

Ten-day Correlation Forecast Model of Rainfall and Runoff Based on BP Neural Network

Related Author

XU Keyan2

HUO Shiqing2

CAO Yanxu1

LIANG Zhongmin1

HUANG Qingxuan1

Zou Min

Zhou Jianzhong

Liu Zhong

Related Institution

河海大学水文水资源学院黄河水利委员会水文局

Hydrology Bureau of Yellow River Conservancy Commission

College of Hydrology and Water Resources,Hohai University

华中科技大学水电与数字化工程学院

College of Hydroelectric and Information Engineering,Huazhong University of Science and Technology

AI问答

⁰