神经网络模型在高速公路软基沉降预测中的应用

借助人工神经网络模型 ,建立了可依据现场量测信息对软基路堤沉降量随时间而发展的过程进行动态预报的分析方法。其要点是 :建立公路软基沉降预测的神经网络结构 ,并将前期沉降观测值作为样本 ,通过神经网络结构的训练寻求沉降及其主要影响因素的内在关系 ,据以预测后期沉降量     

神经网络软测量技术在汽车发动机排放中的应用

由于汽车排放污染物CO难于进行实时测量，章提出了排放污染物软测量的概念，建立了汽车排放污染物CO的神经网络软测量模型，该模型可在没有专用的汽车排放仪器时进行CO的排放值的测量，也可用于CO的实时控制。     

基于神经网络模型的软基工后变形分析

基于神经网络理论和反向传播算法，建立了软基工后变形预测夯析人工神经网络模型。并借助Matlab语言进行程序设计，实现神经网络计算。结合汕汾高速公路软基工后沉降实测数据，对模型进行学习训练，并利用神经网络模型进行工后变形预测。验证表明，预测值与实测值有较好的一致性，同时也说明作为非线性科学一个分支的神经网络，由于其能以较高的精度去逼近任意非线性函数。在软基变形分析上显示出较强的实用价值和优越性。     

人工神经网络在软土地基沉降预测中的应用

人工神经网络这种数学工具可以以任意精度逼近任意非线性曲线,且具有容错性和联想记忆功能,利用基于人工神经网络和反向传播理论的分析方法对软土地基沉降进行的预测体现了很强的优越性。介绍构建网络模型后,用某高速公路软基沉降的实测数据进行网络的训练和学习,再用建立的预测模型预测出了最终的沉降量。所得的结果与实测值达到了较好的一致性,与用其它理论计算方法所得结果相比较具有较高精度。     

基于人工神经网络预测城市道路软基沉降

针对软基预估沉降值与实际沉降量差异,引入人工神经网络BP模型,根据道路前期沉降观测资料,进行沉降预测.工程实践证明,所建人工神经网络模型具有预测精度高、简便易行等优点,应用前景广阔,可为类似工程提供参考.     

混凝土强度人工神经网络预测模型

阐述了人工神经网络模型的基本原理，建立了混凝土强度人工神经网络预测模型，通过试验证实了该模型的可靠性。     

ELMAN神经网络在公路软基沉降预测中的应用

文章根据公路软基沉降的基本特征,提出了一种基于人工神经网络(ANN)技术的软土地基沉降预测新方法。通过对由实测资料形成的数据样本的训练学习,建立了可用于预测软土地基沉降量的Elman模型。实例检验证明,该网络的学习是成功的,具有一定的可靠性和实用性。     

滑坡变形的人工神经网络预测模型及应用

根据人工神经网络对信息处理的能力,选用较成熟的反向传播网络模型,在详细的工程地质勘察和理论分析的基础上,利用某滑坡中部变形监测数据,通过多次试验的方法,建立了具有1个输入层、15个隐含层、1个输出层的反向传播网络模型。通过神经网络的学习与训练,建立了滑坡位移和时间之间的人工神经网络非线性关系模型,并应用非线性模型预测了滑坡在未来几个月的变形情况。     

路面混凝土配合比优化设计

建立了路面混凝土配合比优化设计模型，利用人工神经网络建立混凝土配合比与混凝土性能关系模型，解决了优化设计的关键问题，通过试验证实了本方法的实用性。     

汽车侧向加速度软测量方法研究

针对实车侧向加速度难以测量的问题,以车辆2自由度动力学模型为基础,构建了基于自适应卡尔曼滤波器的侧向加速度软测量方法.通过仿真试验表明,软测量得到的侧向加速度与车辆的实际侧向加速度基本一致,该软测量方法能够在车辆行驶的全工况(涵盖线性区和非线性区)下对侧向加速度进行准确估计.     

利用BP人工神经网络反算沥青路面基层弹性模量研究

基于层状弹性体系理论,利用BP人工神经网络预测沥青路面基层弹性模量。通过构建路表弯沉盆与沥青路面基层参数之间的数据库,建立了BP人工神经网络反算基层弹性模量预测模型。由理论弯沉盆作为已知输入参数进行反算时,基层弹性模量的反算值与理论值相对误差在8%左右;由实测弯沉盆作为已知输入参数进行反算时,计算弯沉盆与标准化实测弯沉盆的拟合均方差RMSE为4.49%。检验结果表明:基于层状弹性体系理论,建立的BP人工神经网络反算沥青路面基层弹性模量模型,可满足实践工程要求。     

确定软土路基沉降系数的ANN模型

沉降系数的确定是软土路基沉降计算中的一项重要内容,在对沉降影响因素定性分析的基础上,用前馈型人工神经网络(ANN)模型来计算沉降系数。首先,根据沉降影响因素建立三层型前馈型神经网络模型。然后,利用其非线性映射能力,通过样本学习,建立软土层厚度、硬壳层厚度、填土高度、施工工期等因素与沉降系数之间的定量关系,计算沉降系数,有效地减少了确定沉降系数时的主观性和盲目性。最后,用该方法对某高速公路的沉降系数进行了验算,得出了与实测资料比较一致的结果,表明利用ANN模型的非线性映射能力建立沉降系数ms与影响因素之间的对应关系,确定沉降系数ms是有效而且可行的。用ANN模型确定的沉降系数ms修正分层总和法计算结果,与传统经验方法确定的沉降系数修正沉降量相比,能够更全面地反映各种因素的影响,提高沉降量计算的精度。     

基于人工神经网络的顺层偏压隧道变形预测

根据顺层偏压隧道工程实际监控量测数据，结合工程地质条件，基于人工神经网络，建立了顺层偏压大变形隧道人工神经网络预测模型，得到了顺层偏压隧道变形预测值。通过现场实测与模型计算预测变形值对比分析得出:人工神经网络预测模型在顺层偏压隧道大变形预测方面有很高的适用性能。     

内燃机气缸套磨损检测与使用寿命预测

采用电容法测量了气缸套在全寿命周期内的磨损量,分析了其磨损特征,得到了气缸套磨损随使用时间的发展趋势,指出在主推力面上、下止点附近的磨损量代表了气缸套的磨损程度,该区域的磨损量超过限定值会造成气缸套漏气失效,因此,可以将该区域的磨损量作为气缸套使用寿命评估的依据。根据气缸套磨损分析结果建立了人工神经网络模型,评估其使用时间,并预测其使用寿命。检测结果表明,采用BP网络模型进行气缸套的磨损状态评估与寿命预测是有效的,检测结果与实际值相近。     

基于动态概率神经网络的公路交通事件检测算法

从公路隧道事件及其自身特点出发,依据人工神经网络这一强大的无模型模式分类器,采用人工神经网络算法建立动态概率神经网络（DPNN）事件检测模型：模型采用的输入指标不是单独的交通流参数,而是几个参数的组合,充分利用交通数据中包含的交通事件信息,大大提高算法的性能。     

基于ARIMA与人工神经网络组合模型的交通流预测

将自回归求和滑动平均(ARIMA)与人工神经网络组合模型用于短时交通流预测。利用ARIMA模型良好的线性拟合能力和人工神经网络强大的非线性关系映射能力,把交通流时间序列看成由线性自相关结构和非线性结构两部分组成,采用ARIMA模型对交通流序列的线性部分进行预测,用人工神经网络模型对其非线性残差部分进行预测。结果表明:组合模型的预测准确性高于各自单独使用时的准确性;组合方法发挥了2种模型各自的优势,是短期交通流预测的有效方法。     

交通事故智能预测系统

利用人工神经网络的方法,建立了交通流模型,并结合V isua l C 与M ATLAB的软件设计技术,提出了交通事故预测系统的软件设计方案。     

基于人工神经网络模型的车门关闭声声品评价方法研究

基于BP人工神经网络研究了利用汽车关门声客观评价量进行声品质评价的方法.利用所采集声音样本的主、客观评价结果对BP人工神经网络进行训练,对训练好的网络进行主观评价预测;另外,对人工神经网络模型的输入量即关门声客观评价参数进行了研究.结果表明:基于人工神经网络模型的声品质评价方法是有效的;音调度是汽车关门声的一个重要特征量,将音调度一并作为输入参量,不仅可以提高网络的收敛速度,而且可以降低网络预测误差.     

Modeling of Virtual Prototype for Half-track Air-cushion Vehicle Based on Prototype Test

基于半履带气垫车工作原理和原理样机建立了其虚拟样机模型.对虚拟样机模型的悬架和气垫系统进行调试,并在软地面环境下进行了仿真.结果表明,结合半履带和气垫技术可提高车辆在软地面上的通过性.     

支持向量机在公路软基沉降预测中的应用

针对公路软土地基沉降发生的过程多变量、强耦合、强干扰、大滞后的复杂特性,提出利用支持向量机(Support Vector Machine,SVM)对公路软基进行沉降预测建模,使用加载过程中的沉降观测数据作为训练样本集,建立可依据现场测量数据对软基沉降量随时间发展的过程进行动态预报的分析方式.仿真试验和实践结果表明,该模型能够更准确地反映实际沉降过程,且满足精确性和适用性的要求.