基于RBF神经网络的城市互通立交短时交通量预测

根据实测数据,分析了城市互通立交交通流运行特性,研究了城市互通立交主线总交通量、交织流量比和第2车道大型车比例3种因素对合流区端部交通量的影响,应用神经网络原理建立了输入层为3个神经元,输出层为1个神经元的RBF神经网络,研究了该RBF神经网络的训练算法,应用实测数据进行了网络训练,对训练后的网络进行了仿真.仿真输出结果与实测数据之间的误差很小,证明应用RBF神经网络对互通立交合流区的短时交通量进行预测是一种可行的方法.此研究为分析互通立交内各功能区之间的相互影响,为研究互通立交桥的预先控制和运行状态分析提供了理论参考.     

基于RBF神经网络设计的桥梁结构损伤识别方法研究

首先根据桥梁结构的动力特性分析,构造了用于结构损伤识别的损伤标示量,并从理论上分析了该参数用于结构损伤识别的可行性.然后,从径向基函数(RBF)神经网络结构、网络设计和网络训练算法等方面论述了RBF神经网络理论,着重说明RBF网络的调用及径向基函数中心和宽度的确定步骤.最后,以一座装配式预应力钢筋混凝土系杆拱桥为工程实例,通过改变构件的弹性模量降低单元刚度来模拟结构损伤程度,并以任意三组向量对网络进行测试,说明了基于频率参数和RBF网络方法的结构损伤识别的可行性和准确性.     

基于神经网络的斜拉索损伤识别研究

以一模型桥为背景,探讨了斜拉索损伤定位以及损伤程度确定的方法.基于ANSYS有限元模型,采用RBF网络,模拟了斜拉索的损伤情况.以不同损伤程度下自振频率和局部模态作为神经网络的训练与测试输入样本,由神经网络的输出来指示损伤位置和损伤程度,并与BP神经网络的识别效果进行比较.     

RBF神经网络预测水泥水化热研究

利用RBF神经网络对水泥水化热进行预测,根据水泥水化热的影响因素,建立了12个输入节点、1个输出节点的RBF神经网络模型.通过27组试验数据,验证了模型的可靠性,并与BP神经网络进行了比较.结果表明,RBF神经网络预测效果明显优于BP神经网络,前者不仅预测速度快,而且预测精度高,相对误差小于4%,在水泥水化热预测中具有...     

公交客流预测的神经网络模型

通过分析神经网络的作用机理和公交年客流量的影响冈素,以城市人口、居民收入、生产总值等9个因素作为输入神经元,输出神经元为每年的公交客流量,建立了公交客流预测的径向基神经网络模型(RBF)和BP神经网络模型,以合肥市公交量的调查数据为例,对网络进行学习与训练仿真实验,结果表明所建模型具有较高的预测精度,效果较好.     

基于径向基神经网络的大连站客运量预测

针对铁路客运量在时序上的复杂非线性特征,采用径向基函数(RBF)神经网络对铁路客运量时间序列进行预测.用自相关分析技术分析时间序列的延迟特性,据此确定RBF神经网络的输入、输出向量,建立了基于MATLAB7.0环境下的RBF神经网络客运量预测模型,并用大连站实际客运量数据进行了验证.结果表明,该模型拟合精度和预测精度较高、计算速度较快.     

基于径向基神经网络的大连站客运量预测

针对铁路客运量在时序上的复杂非线性特征,采用径向基函数(RBF)神经网络对铁路客运量时间序列进行预测.用自相关分析技术分析时间序列的延迟特性,据此确定RBF神经网络的输入、输出向量,建立了基于MATLAB7.0环境下的RBF神经网络客运量预测模型,并用大连站实际客运量数据进行了验证.结果表明,该模型拟合精度和预测精度较高、计算速度较快.     

基于改进OLS算法的RBF神经网络 高速公路事件探测

提出了一种基于模糊聚类技术和RBF神经网络的混合智能高速公路事件自动探测算法,同时改进了用于RBF神经网络训练的Oils(正交最小二乘)选择算法.仿真实验证明,改进的OLS选择算法大大提高了RBF神经网络的训练速度同时具有无须事先确定RBF中心的优点,将之运用于公路事件探测可以获得满意的性能.     

基于粗糙集和RBF神经网络的高速公路路面使用性能评价研究

利用可辨识矩阵对影响路面使用性能评价的宽泛指标集进行分类、约简,得出对路面使用性能评价最有影响的数据指标,建立RBF神经网络模型,并把处理后的数据指标作为RBF神经网络的输入进行训练、仿真.通过实例,给出了该方法的具体实现过程.与没有采用指标约简的RBF神经网络进行结果对比,该方法在路面使用性能评价上更具有实用性、有效性和可靠性.     

基于可靠度的桥梁构件三维地震易损性分析

为了评估桥梁结构近场抗震性能,建立了桥梁构件的三维地震易损性分析流程. 基于工程结构可靠度理论,用构件三维失效曲面表征墩柱、支座构件的损伤状态,将包含多个单一损伤指标的损伤状态方程作为三维地震易损性分析的损伤指标;其次在既有墩柱弯曲和剪切失效曲面研究的基础上,构建了墩柱弯曲和剪切破坏的损伤状态方程;并基于支座地震损伤的相对变形,建立了支座损伤状态的方程. 在此基础上,构建了墩柱和支座三维地震损伤状态的判别准则,并对不同损伤状态进行了量化. 结合各国桥梁抗震设计规范和工程结构可靠度理论,最后实现了三维地震易损性的计算分析. 通过一维地震易损性的简化验证,表明所提方法可用于桥梁结构的地震易损性分析中,并且所得结果与PSDA （probabilistic seismic demand analysis）法的最大概率偏差小于4%.      

不确定层次分析法在砼桥梁性能评价中的应用

以不确定层次分析法为基础,应用群判断、集值统计和重心决策理论,根据铁路砼桥梁的结构特点,构造了综合性能影响因素的层次结构,建立了既有铁路砼桥梁的综合评价模型,并将其应用于铁路既有砼桥梁综合性能的评价中,具有一定的实用性.     

基于遗传神经网络评价铁路多项目优先级

提出一种评价铁路建设多项目优先级的遗传神经网络方法,针对现有评价方法在对指标权重赋值时存在的主观随意性问题,在已有指标体系的基础上给出基于BP神经网络的铁路建设多项目优先级评价模型,并运用遗传算法对所建立的神经网络模型进行优化,有效克服现有综合评价方法中主观确定权重的缺陷。经过算例分析,验证该方法的可行性,并得出结论。     

不确定层次分析法在砼桥梁性能评价中的应用

以不确定层次分析法为基础,应用群判断、集值统计和重心决策理论,根据铁路砼桥梁的结构特点,构造了综合性能影响因素的层次结构,建立了既有铁路砼桥梁的综合评价模型,并将其应用于铁路既有砼桥梁综合性能的评价中,具有一定的实用性.     

铁路非常规突发事件应急救援决策方法研究

将贝叶斯网络推理方法应用到铁路突发事件应急决策中,为铁路突发事件应急救援提供一种实用、智能的科学辅助决策方法.在提取、约简案例决策属性的基础上,采用基于云模型的评估方法完成案例决策属性定性划分,降低决策属性划分的偏差性.构建铁路突发事件应急决策贝叶斯网络模型,并提出进行综合决策的具体方法及步骤.通过具体算例说明使用贝叶斯网络进行铁路非常规突发事件综合概率的决策过程.案例分析表明,该方法能够满足铁路应急决策需求,在信息不完备情况下同样具有实用性和有效性. 为领域知识不完全,主要依靠经验知识进行铁路突发事件应急决策支持系统的智能化提供了新方法、新思路.     

基于RBF神经网络因子分析的汽车保有量预测

汽车保有量预测对城市交通的发展方向有直接的参考意义,通过分析影响城市汽车保有量的因素,采用因子分析法提炼出较少的线性无关的主要因素,建立预测城市汽车保有量的RBF神经网络模型.最后通过实例分析,对RBF神经网络因子分析法计算结果和全要素神经网络模拟结果比较,得出RBF神经网络因子分析法在运算效率、运算精度上的优越性.     

大跨度上承式钢桁架拱桥的地震损伤演化模拟

为评估大跨度钢拱桥在多维地震作用下的损伤状态，以一座铁路上承式钢桁架拱桥为研究对象，首先借助OpenSEES平台建立桥梁弹塑性纤维单元模型；接着选取“双参数”损伤指标和应变指标进行损伤评价；最后通过增量动力分析，从构件和全桥两个层面进行损伤评估，并对比两种指标对桥梁主要构件（钢管、钢管混凝土、钢筋混凝土）的适用性. 研究结果表明:基于变形和能量的双参数损伤指标比应变指标的评价结果会严重1～2个等级；相比于地震波纵向作用，大跨度钢桁架拱桥在横向地震作用时损伤更小，在峰值加速度（PGA）为1.5g时全桥仍处于轻微损伤状态；3种类型构件中，钢管构件损伤数量较多但是损伤程度轻，钢管混凝土构件（拱脚）损伤较早但是损伤程度轻，钢筋混凝土构件（交界墩）损伤最为严重，在抗震设计时，应对相应位置予以重视.