共查询到20条相似文献,搜索用时 125 毫秒
1.
在当前社会经济水平下,有限的治理资金限制了治理道路危险源的数量,为了在保障道路安全的前提下,使有限的资金达到最大的治理效果,必须根据各类事故黑点的危险程度及治理的迫切性等对事故黑点治理紧迫性进行排序,从而根据紧迫性大小制定事故黑点的整治计划。该文提出基于BP神经网络的事故黑点治理紧迫性的排序方法,考虑多重因素建立了包括4个一级指标和6个二级指标的事故黑点治理紧迫性评价体系,并将评价指标作为BP神经网络的输入单元,通过模型设计、参数设计以及样本训练,建立基于BP神经网络的事故黑点治理紧迫性排序模型。最后,本文用实例验证了该模型对检验样本的输出值与期望值一致。 相似文献
2.
3.
4.
针对常规大修决策模型PQI模型的缺陷,利用改进型BP神经网络建立沥青路面大修决策模型。改进型BP神经网络是在神经网络中间层和输出层上加入特殊的偏差单元,以加快BP神经网络的收敛速度、并提高其计算精度。本文根据安徽省高速公路沥青路面的实际情况,建立了有5个输入单元和一个输出单元的神经网络,并利用历年路况检测结果和专家对路况的主观评价结果对网络进行了训练。结果表明神经网络计算结果的精度很高。 相似文献
5.
为了评价道路水泥再生混凝土的性能,在分析BP神经网络原理的基础上提出了用BP神经网络模拟道路水泥再生混凝土性能与各影响因素间关系的方法。根据道路水泥再生混凝土的实际工况,建立了3个输入节点、4个输出节点的BP神经网络模型,通过9组试验,验证了模型的可靠性。结果表明,实测结果与预测结果相接近,BP神经网络模型可以较准确的评价道路水泥再生混凝土的性能。 相似文献
6.
7.
8.
基于人工神经网络的公路黄土高边坡稳定性预测研究 总被引:3,自引:0,他引:3
文章介绍了BP网络模型的计算过程并对其性能进行了改进。在此基础上,分析了影响黄土高边坡稳定性的因素,包括土体的容重γ、粘聚力c、内摩擦角φ、孔隙水压力比γu,地震烈度,边坡坡比和边坡高度H。在对西部四省地区上百个黄土高边坡稳定性进行调查的基础上,结合典型的实测数据,应用改进的神经网络BP模型对其进行预测和评价研究。结果表明:改进的BP模型具有收敛快、数据输入方便等优点,预测结果相对传统方法来说更准确、可靠,具有一定的推广的价值。 相似文献
9.
10.
11.
在分析钢渣土强度影响因素基础上,选取钢渣龄期、钢渣细度、钢渣掺量3种主要因素作为人工神经网络的输入值,钢渣土7天无侧限抗压强度作为输出值,建立了钢渣土强度预测的BP网络模型。研究结果表明:训练BP神经网络时,17组自变量数据中无侧限抗压强度的网络拟合值与实测值基本重合,误差为-4.054%~3.214%。BP网络方法应用于钢渣土强度的预测方面具有较高的精度,预测与实测结果最大相差为0.02 MPa,最大误差为5.556%,可见,基于3参数的BP神经网络模型在钢渣稳定土新型路床材料7天无侧限抗压强度中的应用 相似文献
12.
基于人工神经网络的边坡稳定性评价 总被引:4,自引:1,他引:3
应用改进的BP神经网络模型对国道107线清连一级公路部分高危边坡进行了稳定性评价研究。研究表明,改进的BP模型具有收敛快、数据输入方便、预测结果准确可靠等优点* 相似文献
13.
以沪蓉西国道主干线铁锣坪特大桥为工程背景,引入了BP人工神经网络对未施工梁段的前端标高变化进行预测,将影响梁段标高变化的因素作为输入样本,实测标高变化作为输出样本对BP网络进行训练,利用BP网络具备输入参数与输出参数之间的非线性映射关系的特点对后续梁段在斜拉索第三次张拉完毕后的标高变化进行预测。 相似文献
14.
15.
16.
17.
目前的水上交通流评价方法在评价指标关系模糊、来源不清等情况下难以运用,且主观性较强,存在评价结果严重偏离实际的情况,忽视了客观性不足的问题.为降低专家主观性对水上交通流冲突严重度评价的影响,基于BP神经网络建立评价模型,并通过网络训练进行函数比较,确定最符合模型设定要求的Trainlm函数,以及精度与迭代次数.由于数据的差异性会对BP神经网络的训练效率和评价精度造成影响,基于聚类分析与BP神经网络建立新的评价模型,将训练数据按照欧几里得度量进行归类开展神经网络训练,分别对水上交通流冲突严重度进行评价.运用9个水道数据为例对模型进行验证,通过比较聚类分析数据与未处理的原始数据在BP神经网络中的评价结果,发现评价结果平均误差从42.05%降低到23.74%,进一步验证了BP神经网络在该领域的可行性.评价模型利用聚类分析与BP神经网络相结合的方法,不仅客观性较强,而且与单一使用BP神经网络的模型相比提升了评价精度. 相似文献
18.
基于GEP编程的信息搜索能力和BP网络建立了公路工程特征因素与工程造价的关系模型,并对模型进行了最优性预测评价,从而满足工程造价预测的实际应用需求。文章运用MATLAB仿真软件获取了影响公路工程造价的12个影响因子,并运用BP神经网络训练获得了影响公路工程造价的7个主要影响因素。针对选定影响因素基于BP网络和GEP算法给出了4个不同公路造价预测模型的评价指标和优模型解的分析。研究结果表明:基于主线里程、通道数量、路基土石方量、桥梁数量、隧道数量、地貌特征、利息率7个主要特征因素的两种算法模型所获得的预测结果精度要显著高于考虑全部特种因素的模型结果;基于主要特征因素的GEP网络算法模型获得的预测结果更为精确,模型最优;应用GEP网络在处理公路工程造价这类非线性空间全局搜索中具备了很高的搜索效率,能有效弥补BP网络泛化能力较低的问题。 相似文献
19.
20.
为研究适合我国城市交通的自行车骑行行为分类识别方法,实施骑行行为视频调查试验,并提取骑行者骑行特征信息.结合我国交通现状和自行车交通特点,提出一种新的骑行行为分类方法,新的行为分类可基本覆盖我国自行车交通的所有骑行行为场景.采用提出的行为分类方法对试验个体骑行行为进行人工分类标记,得到不同骑行场景下的骑行行为分类数据集.基于卷积神经网络(CNN)建立自行车骑行行为识别模型,考虑模型输入特征特性以及分类任务复杂度对模型结构进行迭代设计选优,调整模型网络组成和卷积参数,得到分类效果显著的模型结构.对比分析多元Logit分类模型、三层全连接层BP神经网络模型,与本文的卷积网络模型在骑行行为分类预测的表现,在20 000次迭代训练之后,3个模型均得到收敛结果.结果 表明,提出的骑行行为分类模型准确率分别高于多元Logit模型20%,高于BP网络模型15%,显著优于对比模型的识别效果.卷积网络模型可有效解析骑行行为与各骑行特征因素之间的关系. 相似文献