BP网络监测模型的Matlab&Delphi混合编程

蒋裕丰; 何鲜峰; 金永强

欢迎来到能源电力期刊网！

English Version 读者登录期刊登录

您当前的位置：

首页 >

文章列表页 >

BP网络监测模型的Matlab&Delphi混合编程

计算机应用 | 更新时间：2026-01-22

- BP网络监测模型的Matlab&Delphi混合编程
- Matlab&Delphi Mixed Programming of BP Network Monitoring Model
- 水力发电 2008年第1期页码：88-91
- 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：
  
  国家自然科学基金资助项目（50539010,50539030,50539110,50579010）;973计划课题（2002CB412707）;国家支撑计划课题（2006BAC14B03）;江苏省高校研究生科技创新计划（1004-B06015）
- DOI：
  中图分类号： TP18;TP311.11
- 纸质出版：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

浏览量

169

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于误差修正的BP神经网络含沙量预报模型

基于支持向量机的水电机组状态趋势预测研究

基于改进支持向量机回归的日径流预测模型

基于小波包-神经网络的尾水管故障诊断

基于BP神经网络的旬降雨径流相关预报模型