砼强度的BP网络模型

通过分析影响砼强度的因素，建立了一个3层的BP网络模型，在对样本进行分类和标准化处理后，进行了BP网络的训练和仿真，其结果表明：应用所得到的BP网络对于砼强度的预测值计算相对于实测值具有满足工程要求的精度。     

界面剂对新老砼粘结强度的影响

当承受剪力和拉力时,粘结面是新老砼粘结结构受力的薄弱环节,使用合适的界面剂可以提高其粘结强度.本文采用新老砼粘结抗剪和粘结抗折试件,对几种界面剂的粘结强度进行了试验研究,得出使用不同界面剂时新老砼抗剪粘结强度和抗折粘结强度,分析了不同界面剂对新老砼粘结强度的影响,为实际工程中的应用提供参考.     

界面剂对新老砼粘结强度的影响

当承受剪力和拉力时,粘结面是新老砼粘结结构受力的薄弱环节,使用合适的界面剂可以提高其粘结强度.本文采用新老砼粘结抗剪和粘结抗折试件,对几种界面剂的粘结强度进行了试验研究,得出使用不同界面剂时新老砼抗剪粘结强度和抗折粘结强度,分析了不同界面剂对新老砼粘结强度的影响,为实际工程中的应用提供参考.     

双向受压应力作用下碾压砼强度的试验研究

本文对处于双向受压应力作用下的碾压砼进行了试验研究，描述了双轴受压碾压砼的破坏规律，得到了双轴双压碾压砼强度的变化规律、变形特征，提出了用以计算双向受压碾压砼强度和极限受压变形的计算公式，最后与普通砼进行了比较，得出了一些很有意义的结论。     

一种砼二轴应力状态下的简化强度准则

在砼结构分析中,常用到砼二轴应力状态下的强度准则.针对已有的一些砼强度准则取值不尽一致,且表达式相对繁琐,在分析文献[1]试验结果的基础上,笔者结合《混凝土结构设计规范》(GB50010 2002),按照曲线拟合的方法,拟合成一条单侧贝努利双纽线,经与其他砼二轴应力状态下的强度准则进行了比较,本文提出的砼二轴应力状态下的简化强度准则既能满足实际要求,又具有确定参数少、表达式简单、在不同的受力区具有统一的表达式的特点.     

采用超声-回弹综合法检测短龄期结构混凝土强度需注意的问题

结合具体工程案例,对超声-回弹法检测现场结构砼强度结果判定需要注意的问题进行探讨,认为超声-回弹综合法测定的结构混凝土强度,根据标准规定应是推定强度,不能作为判定强度是否合格的唯一依据.建议用非破损方法检测结构砼强度时,至少采用2种以上方法检测,并重视早期砼表面碳化深度过大对检测结果的影响,防止误判.     

掺混合材路面水泥砼配合比设计方法研究

以砼抗折强度为设计目标,通过建立砼抗折强度多元线性关系直接评价不同品种及不同掺量活性混合材对路面砼抗折强度的影响,结论对掺活性混合材路面砼配合比设计具有较好的指导作用.     

掺混合材路面水泥砼配合比设计方法研究

以砼抗折强度为设计目标,通过建立砼抗折强度多元线性关系直接评价不同品种及不同掺量活性混合材对路面砼抗折强度的影响,结论对掺活性混合材路面砼配合比设计具有较好的指导作用.     

基于钢管砼拱桥病害试验探讨其主拱强度计算公式的修正

鉴于西南某钢管砼拱桥存在较严重的安全隐患而拆除,对该桥的拱圈核心砼进行取样、试验研究,分析其强度分布规律.根据试验资料,讨论钢管砼拱桥应用现有的钢管砼构件理论进行计算时,其计算公式的修正.     

特细砂硅粉砼的试配及分析

根据试验室试配特细砂硅粉砼实践, 对特细砂硅粉砼的试配和力学性能作了介绍． 试验表明, 利用重庆地区细度模数为１－０ 的特细砂, 仍然可以配制出立方体强度在８０ ＭＰａ 以上的高强度砼, 这种砼的抗渗性、耐磨性、抗折强度等力学性能都优于无硅粉砼, 对施工也无特殊要求,可试用于工程实践．     

基于径向基函数神经网络的交通事故预测

基于径向基神经网络强大且准确的非线性关系映射能力,将其应用于交通事故预测中,获得了较高的预测精度。同时,与BP神经网络预测结果的对比表明,径向基神经网络预测方法明显优于BP神经网络预测方法。     

BP神经网络在城市消费预测中的应用

针对城市消费预测问题,应用一种改进的BP算法,建立了相应的BP网络模型,并设计了基于BP神经网络的城市消费预测系统.应用实例证明:该算法可以提高当前的预测精度,是一种较为有效的预测方法.     

BP神经网络在城市消费预测中的应用

针对城市消费预测问题,应用一种改进的BP算法,建立了相应的BP网络模型,并设计了基于BP神经网络的城市消费预测系统.应用实例证明:该算法可以提高当前的预测精度,是一种较为有效的预测方法.     

基于层次结构模型的RBF神经网络货运量预测方法

为了有效地进行交通货运量预测,通过对货运量影响因素的分析,建立了关于货运量影响因素的层次结构模型,并根据该模型构建基于RBF神经网络的货运量预测方法。用我国1985~2004年的货运量对该神经网络进行训练和预测,同时与BP神经网络预测方法进行比较。结果表明,该方法具有更快的运算速度和更高的精度,具有很好的预测能力和应用价值。     

基于主成分分析的道路交通事故预测

将主成分分析和BP神经网络相结合的方法用于道路交通事故预测中,对影响道路交通事故的因素进行主成分分析,并将分析结果作为BP神经网络的输入数据,这样不仅可以减少输入变量个数,而且能保留原始变量的主要信息,消除变量之间的相关性。另外,计算结果表明基于主成分分析（PCA）的BP神经网络法优于BP神经网络法。     

桥梁断面静力三分力系数的人工神经网络识别

通过风洞模型试验得到了足够的样本，在此基础上利用MATLAB神经网络工具箱构造了2个BP人工神经网络；采用BR(Bayesian regularization)算法，比较了不同坐标系下的静力三分力系数的训练结果，得出4层网络比较有效且具有较高精度的结论．最后，提出了应用人工神经网络需要注意的问题。     

道路交通安全综合评价的人工神经网络方法

为了提高评价的准确性,采用人工神经网络技术,建立了基于BP神经网络的道路交通安全综合评价模型.通过有效样本的学习,应用该模型,实现了对道路交通安全专家知识和经验的提取和存储.仿真实例验证了基于人工神经网络的道路交通安全综合评价模型的合理性和有效性.     

Term Structure of Interest Rates Based on Artificial Neural Network

In light of the nonlinear approaching capability of artificial neural networks （ ANN）, the term structure of interest rates is predicted using The generalized regression neural network （GRNN） and back propagation （BP） neural networks models. The prediction performance is measured with US interest rate data. Then, RBF and BP models are compared with Vasicek＇s model and Cox-Ingersoll-Ross （CIR） model. The comparison reveals that neural network models outperform Vasicek＇s model and CIR model, which are more precise and closer to the real market situation.     

理想薄平板气动导数的人工神经网络识别

介绍一种用BP人工神经网络方法识别理想薄平板的气动导数的方法．通过构造BP网络，比较各种因素对识别结果的影响．数据处理方式对神经网络的训练结果影响很大．隐层单元数量、训练次数、随机赋值次数、样本数量等对训练结果也有影响，但影响较小．采用这种方法识别理想薄平板的气动导数是可行的，并且具有较高的精度．     

RBF网络在逼近能力方面的探讨

介绍了人工神经网络的一个重要的模型径向基函数网络．并且在函数逼近方面对比BP网络对其进行了研究，给出了实际的例子．最后应用Matlab进行了仿真。