路基砂土液化的BP网络预测研究

运用人工智能领域中的神经网络知识，提出一种基于BP神经网络模型的路基砂土液化预测方法。提出用MATLAB7自带的神经网络工具箱编程来实现BP神经网络系统。     

基于BP神经网络的黄土湿陷性预测研究

运用人工智能领域中的神经网络技术,提出了基于BP神经网络模型的黄土湿陷性等级的预测方法。用MATLAB7自带的神经网络工具箱编程来实现BP神经网络系统。并给出工程实例和程序,预测效果和准确度较好,说明利用BP神经网络预测黄土湿陷系数是可行的。     

基于改进BP神经网络的高速公路边坡稳定性分析

通过引入动量项和自适应学习率对传统BP神经网络预测模型进行改进,建立改进BP神经网络边坡稳定性预测公式,并将其应用于湖南安化某高速公路边坡工程,将其预测结果与传统BP神经网络预测结果和实际安全系数进行比较,分析边坡的稳定性并提出针对性的建议。     

粉煤灰混凝土强度的试验分析与BP神经网络预测

为了克服混凝土施工中强度评定滞后现象,提出采用BP神经网络技术进行粉煤灰混凝土早期强度预测。通过粉煤灰混凝土正交试验,并对实验结果进行极差分析,找出影响粉煤灰混凝土强度的主次要因素,进而作为BP神经网络输入参数,预测粉煤灰混凝土的抗压与抗折强度。经过预测值与实测值对比分析,结果表明BP神经网络技术有很好的预测精度。应用BP神经网络技术对混凝土施工中的质量状况及时预报,有重要的技术应用价值。     

快速二阶BP神经网络在公路交通量预测中的应用

在二阶BP神经网络基础上加以改进,提出一种快速二阶BP神经网络,并将把该方法成功地用于公路交通量的预测中,通过与其它方法的比较分析,得出快速二阶BP神经网络预测方法加快了收敛速度,提高了结果的准确度,为科学地预测公路交通量提供了有力依据.     

BP神经网络在道面土基模量取值中的应用

论文提出了建立土基模量神经网络库的设想;给出了用BP神经网络确定水泥混凝土道面土基模量的方法和步骤;建立了反映西北黄土地区粉质亚粘土土基模量与其主要影响因素之间的非线性映射关系的BP神经网络,并用该网络进行仿真计算。结果表明,用BP神经网络确定机场水泥混凝土道面土基模量是一种简便有效的方法。     

基于BP网络的道路水泥再生混凝土性能的评价

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。     

快速二阶BP神经网络在公路交通量预测中的应用

在二阶BP神经网络基础上加以改进，提出一种快速二阶BP神经网络，并将把该方法成功地用于公路交通量的预测中，通过与其它方法的比较分析，得出快速二阶BP神经网络预测方法加快了收敛速度，提高了结果的准确度，为科学地预测公路交通量提供了有力依据。     

基于遗传神经网络的交通流量预测研究

针对BP神经网络用于交通流量预测时存在的不足,采用遗传算法优化BP神经网络初始权值的方法来提高BP网络的性能.应用改进前后的BP神经网络模型对长沙市具体路段的交通流量进行预测,通过预测结果对比,发现经遗传算法改进后的BP神经网络在降低预测平均误差的同时,迭代次数也比标准BP神经网络大大减少.     

基于径向基函数神经网络的城市道路路段行程时间实时预测模型

提出利用径向基函数（RBF）神经网络方法对城市道路路段行程时间进行建模NN,并结合线圈和视频实测数据进行仿真分析,以实际行程时间和模型输出的行程时间预测值比较验证了模型的合理性。并将RBF神经网络方法与BP神经网络方法进行比较,结果表明RBF神经网络相对于BP神经网络训练时间短,且预测精度更高。     

空耦雷达技术在检测沥青路面厚度的探讨

本文介绍了神经网络的基本理论,提出了一种采用BP神经网络模型对空耦雷达道路检测路面厚度进行测算的新方法。并对BP神经网络模型在沥青混凝土路面厚度检测的应用进行了分析、比较,为GPR技术在道路工程检测实践中提供一种辅助判断手段。     

基于遗传神经网络的货运量预测的研究与实现

针对BP网络和遗传算法的缺陷，提出了一种新的遗传神经网络优化模型，可以用来同时优化BP神经网络的网络结构和权值阈值，叙述了该算法的设计过程。利用该算法对货运量进行预测，并与标准的BP算法预测结果进行比较，计算结果表明，该算法的预测精度大大高于标准的BP算法的预测精度。     

人工神经网络在桥梁结构等级评估中的应用

介绍了径向基函数神经网络和BP神经网络模型的特点 ,提出了基于神经网络的桥梁结构等级评估方法 ,讨论了这两种神经网络模型的误差及其收敛速度     

一种改进的神经网络及其在交通流量预测中的应用

针对BP神经网络运行的特点，提出用隔离小生境遗传算法优化传统的BP网络。实例证明，该神经网络的进化建模方法设计简单．模型性能评价全面合理，全局搜索效率较高，能有效地用于短时交通流量的预测。     

浅析BP神经网络算法的改进和优化

本文简要介绍了BP神经网络的缺点,着重强调了BP神经网络的算法改进,并且,利用Matlab仿真了各种改进算法的学习速度,从结果看改进后的BP神经网络能较好地解决针BP算法学习速度慢的缺点。     

基于小波神经网络的隧道变形预测模型研究

针对单一模型在隧道变形预测上精度不高的问题,提出了一种基于小波分析理论的神经网络模型,该模型克服了BP神经网络模型存在的收敛速度慢、结构设计盲目、易陷入局部极小点的缺陷,通过将该模型与时间序列模型、Levenberg-Marquardt法BP神经网络模型、遗传神经网络模型预测的结果比较,可以看出小波神经网络在隧道的变形预测中网络结构更简单、收敛速度更快、预测精度更高。     

BP和RBF神经网络在边坡稳定性评估中的比较研究

通过实例分析,对BP神经网络和RBF神经网络在边坡稳定性评估中的应用进行了比较研究,结果表明,BP神经网络和RBF神经网络均能很好地对边坡稳定性进行评估,但RBF神经网络比BP神经网络的训练速度更快,效率更高,并且对于同样的精度要求,RBF神经网络对边坡稳定性的评估结果更加准确和适用。     

概率神经网络在车辆齿轮箱典型故障诊断中的应用

为提高汽车齿轮箱典型故障的诊断效率和准确性,提出一种基于概率神经网络的齿轮箱故障诊断方法。通过对某型齿轮箱的实验采集齿轮箱在正常状态、齿根裂纹和断齿状态下的振动信号,经过数据处理得到样本数据后输入概率神经网络模型,通过交叉验证并与BP神经网络对比的结果表明:概率神经网络能准确地识别出齿轮箱典型故障,且与BP神经网络相比,诊断准确率更高、诊断速度更快。     

基于灰色BP神经网络组合模型的基坑变形预测研究

为了使得基坑变形预测在“少样本”“贫信息”的情况下依然能够得出精度较高的结果,在传统的灰色GM(1,1)模型和BP神经网络模型的基础上,进行了灰色BP神经网络组合模型的研究。通过总结2传统模型的原理和算法,归纳各自的优缺点,分析2模型在本质原理上的关系,提出了构建组合模型的方法。利用广州市轨道交通三号线燕塘站的监测数据,对灰色GM(1,1)模型、BP神经网络模型和灰色BP神经网络组合模型分别进行了检验,肯定了组合模型的优越性。     

基于广义回归神经网络的路基沉降预测

为了对路基沉降变化规律进行预测,避免发生工程事故,提出了将广义回归神经网络模型应用于软土地基沉降预测中的方案。通过广义回归神经网络的基本理论和概念,采用实际工程数据,用BP神经网络方法和广义回归神经网络方法进行了预测分析,比较了2种方法的3组预测结果。工程实例预测结果表明,广义回归神经网络方法的均方误差和决定系数表现都优于BP神经网络方法;证明该方法是可行且有效的。