学科分类
/ 1
11 个结果
  • 简介:9月7日,EnQuest表示,该公司已执行与BP签订的收购协议选择权。前者将以3亿美元从BP手中收购英国北海Magnus油田余下的75%股份。此项收购协议选择权的执行,将使EnQuest增加6000万桶的2P[证实储量(provedreserves)和概算储量(probablereserves)]储量。

  • 标签: 收购 协议 BP 证实储量 选择权 股份
  • 简介:总结BP网络在岩土工程中的应用情况,针对岩土工程的特殊性讨论用BP网络解决岩土工程问题时应注意的一些问题.

  • 标签: BP网络 岩土工程 预测 分类
  • 简介:Uptonow,sometechnologyofneuralnetworksaredevelopedtosolvethenon-linearityofresearchedobjectsandtoimplementtheadaptivecontrolinmanyengineeringfields,andsomegoodresultswereachieved.Thoughitputssomequestionsovertodesignapplicationstructurewithneuralnetworks,itisreallyunknowableaboutthestudymechanismofthose.But,theimportanceofstudyratioiswidelyrealizedbymanyscientistsnow,andsomemethodsonthemodificationofthatareprovided.

  • 标签: BP algorithm of NEURAL networks dynamic
  • 简介:第46届杜塞尔多夫国际船舶展上,意大利游艇品牌Sanlorenzo圣劳伦佐艇公布了两款最新船型——SL76和SL86.其设计皆出自著名的意大利设计室(OfficinaItalianaDesign).最新型号一推出便成为大热门,已经有8艘游艇售出。SL86预定于2015年9月的戛纳船展上进行首秀。

  • 标签: 国际船舶 杜塞尔多夫 设计室 意大利 游艇 船型
  • 简介:以研究船舶下沉量问题为出发点,总结出近年比较流行的计算船舶下沉量的经验公式方法,并给出各种计算方法的局限和适用情况;根据神经网络的特点,选取适当的输入参数和输出参数,建立船舶下沉量预测模型,并进行对比分析提出进一步的研究方向.

  • 标签: 航道 下沉量 神经网络
  • 简介:9月5日,BP表示,该公司已为其4座墨西哥湾深水生产平台应用了BakerHughes的PlantOperationsAdvisor(POA)。该POA是一个基于云端的高级分析解决方案,可有效减少生产平台的非计划性停机时间。

  • 标签: 生产平台 POA 应用 深水 BP PLANT
  • 简介:近期,N76作为旗舰的历史已经结束,新近下水的三甲板型号N86CaryAli号标志着美国著名拖捞船式游艇制造商Nordhavn正式进军超级游艇市场。

  • 标签: 超级游艇 拖捞船式 制造商 旗舰 甲板 下水
  • 简介:提出一种改进BP神经网络的交通流数据融合算法,通过对融合模型以及融合算法的改进,实现融合精度及容错能力的提高,最终利用某城市主干路的交通流实测数据进行实验验证.验证结果表明,本文提出模型可以通过LSE值验证且融合精度可以达到94%以上,因此利用改进BP神经网络可以有效进行交通流参数的融合,并可以较为准确反映路段平均速度的变化,为交通流的预测与诱导提供理论支持.

  • 标签: 道路交通 交通流 改进BP神经网络 数据融合
  • 简介:在含富水带山岭地区的隧道工程建设中,往往引起隧道内涌水,不但影响施工安全,还会影响到隧道建成后运营质量,必须采取超前预报和措施,保证工程质量。此文以某在建隧道6个里程段的地质构造和涌水情况为样本,通过建立BP神经网络模型,对隧道内的涌水量进行预测,并与实测涌水量进行比较。所得结果表明,最大相对误差在10%以内,平均为3.8%,符合工程要求。可为隧道施工提供采取有效措施的依据。

  • 标签: 隧道工程 BP神经网络 涌水量 预测
  • 简介:挤密式砂桩船和传统打桩船是迥然不同的,就86m挤密式砂桩船的研发设计进行了论述,主要涉及小尺度下的总布置与稳性、结构设计、植砂桩系统、轮机、电气设计特点及监控诸方面,以供深入研究这一船型作参考。

  • 标签: 挤密式砂桩船 总布置与稳性 结构优化 植砂桩系统 监控
  • 简介:为准确计算动车组牵引能耗,提出BP神经网络模型和改进牵规法预测动车组牵引能耗。选取机车类型、坡度、目标速度、停站方案等8个因素作为动车组牵引能耗之BP神经网络的输入变量,建立3层BP神经网络模型。采用增加动车组运动方程和优化基本阻力公式方式对牵规法进行优化。利用正交实验法对动车组牵引能耗影响因素进行分析,并对111组数据进行模拟验证。研究结果表明:BP神经网络模型的误差在4.26%以内,改进牵规法的误差基本在10%以内,证明BP神经网络模型比改进牵规法模型能更好地预测动车组的牵引能耗,而且当目标速度增大时,BP神经网络模型的计算精度明显比改进牵规法的计算精度高;目标速度和坡度对牵引能耗有显著影响。

  • 标签: 动车组 牵引能耗 BP神经网络 改进牵规法 因素分析