共查询到20条相似文献,搜索用时 250 毫秒
1.
2.
神经网络软测量技术在汽车发动机排放中的应用 总被引:2,自引:0,他引:2
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。 相似文献
3.
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。 相似文献
4.
人工神经网络在软土地基沉降预测中的应用 总被引:4,自引:2,他引:4
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。 相似文献
5.
基于人工神经网络预测城市道路软基沉降 总被引:1,自引:0,他引:1
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. 相似文献
6.
7.
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。 相似文献
8.
9.
路面混凝土配合比优化设计 总被引:1,自引:0,他引:1
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。 相似文献
10.
11.
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。 相似文献
12.
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。 相似文献
13.
14.
内燃机气缸套磨损检测与使用寿命预测 总被引:3,自引:1,他引:2
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。 相似文献
15.
基于动态概率神经网络的公路交通事件检测算法 总被引:1,自引:0,他引:1
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。 相似文献
16.
17.
18.
19.