利用安徽省高速公路能见度观测站网的分钟能见度及温湿风资料, 在全面分析能见度与各个气象要素相关性的基础上, 重点探讨了高速公路能见度的短时预测模型。应用 BP 神经网络, 以湿度、温度、平均风速、瞬时风速、极大风速作为 BP 神经网络输入层, 输出层为能见度, 结果表明整体试验数据偏差在可接受范围内。采用顺序试验样本时, 相对误差在 20% 以内的占总试验次数的 68.6%; 在随机样本各次试验中, BP 网络模拟输出与检验样本的相关性较好, 相关系数在 0.6～0.8 之间; 低能见度随机样本试验结果表明, 模型输出值与样本值均方根误差集中在 700sim850 m 之间, 变化幅度不大, 说明神经网络算法具有较高的稳定性。

为实现机械手指的复合式触觉传感, 以光纤布拉格光栅(FBG)为传感元件, 将压力传感器和温度传感器封装在同一聚合物传感单元中。分析了压力传感器受目标物体温度扰动的特性, 同时利用逆传播神经网络对FBG触觉传感信号进行处理, 实现了对传感单元表面正向压力的准确识别。仿真与实验结果表明, 该方法进一步消除了目标物体温度对应变传感器的影响, 减小了应变传感器的不确定性误差, 提高了压力测量结果的稳定性和测量精度, 补偿后压力传感器的温度漂移率仅为1.2×10-4 nm/℃。将补偿研究应用于机械手指FBG触觉传感阵列, 可以有效抑制温度对应变传感的干扰, 使得柔性机械手指触滑测量系统具有更加广阔的应用前景。

在采用太赫兹时域光谱(THz-TDS)技术对9种常见毒品进行实验研究并得到它们在0.2～2.6 THz频率范围的特征吸收谱的基础上,用误差逆传播(BP)神经网络法对9种常见毒品的太赫兹吸收光谱进行了训练及识别。首先,用9种毒品的太赫兹吸收谱训练已经建立的误差逆传播神经网络; 然后,选用与训练光谱不同时间测得的9种毒品的太赫兹吸收光谱作为检测光谱,经过二阶导数预处理之后分别输入到训练好的误差逆传播神经网络中进行识别,识别率达到89%。该误差逆传播神经网络模型采用MATLAB语言编制程序。识别结果充分表明,用误差逆传播神经网络可以实现对不同种类毒品的识别和鉴定,为太赫兹光谱技术用于毒品的检测和识别提供了一种有效的方法。