基于人工蜂群优化小波神经网络的隧道沉降预测

小波神经网络存在收敛速度较慢、易陷入局部最优的缺陷,而人工蜂群算法收敛速度快且同时具有局部和全局搜索的能力。文章利用人工蜂群算法对小波神经网络进行优化,形成人工蜂群小波神经网络,并将其应用于地铁隧道沉降预测;并以深圳地铁10号线为例,将该模型的预测结果与BP神经网络、小波神经网络进行对比分析。结果表明,人工蜂群小波神经网络较其它两种模型的预测精度更高,预测结果更稳定。     

基于遗传算法的BP神经网络短时交通流预测

对BP神经网络模型、方法及遗传算法的基本原理进行了分析,将遗传算法与标准BP神经网络算法相结合构建了基于遗传算法的神经网络算法;建立了基于BP神经网络的短时交通流预测模型,对BP神经网络算法及基于遗传算法的BP神经网络算法进行设计,并将其应用于短时交通流预测模型的仿真计算,仿真结果表明基于遗传算法的BP神经网络算法具有更快的计算速度及更好的适应能力,该方法可以较好地应用于短时交通流预测。     

基于BP神经网络的油气管道风险分析评估方法

针对油气管道的风险评估主观性强的问题,提出了一种基于BP神经网络训练算法,应用BP神经网络算法对输油管道进行风险分析评估,得出其风险分析评估模型。仿真实验结果与半定量风险评价结果对比,误差率为0.009 6,证明该方法可用于油气管道的风险评估。     

基于声发射技术的管道泄漏检测与定位方法研究

为提高管道无损检测中对小孔径泄漏检测灵敏度、泄漏信号判别准确率以及泄漏点定位精确度,提出一种基于声发射技术并结合信号频域特征提取算法的管道泄漏识别和定位方法。设计管道泄漏检测实验平台进行管道泄漏检测实验,采用经验模态分解方法和小波分解重构相结合的信号处理算法进行降噪并提取信号频域特征,研究不同孔径和不同管道压力下管道泄漏检测和泄漏点定位问题。验证了基于声发射技术并结合信号频域特征提取算法的管道泄漏检测方法的有效性。     

输油管道泄漏监测技术及在胜利油田中的应用

对国内外输油管道泄漏检测方法进行了分析,对油田输油管道防盗监测方法进行了探讨。针对油田输油管道防盗监测问题,指出了油田输油管道防盗监测系统的关键技术是管道泄漏检测报警及泄漏点的精确定位,并介绍了胜利油田输油管道泄漏监测系统的应用情况。     

基于OPC的输油管道泄漏监测系统

针对无法增加泄漏监测专用仪表和数据采集设备的老旧输油管道,设计了基于OPC的输油管道泄漏监测系统,利用OPC通信协议连接现有PLC服务器的方式采集管道运行参数。文中介绍了泄漏监测的原理、OPC通信协议的工作方式和系统的实现方法。系统使用负压波和流量平衡的方法进行管道泄漏识别和漏点定位。输油管道放油测试结果表明,该系统能够及时、准确地发现和定位管道泄漏点。     

输油管线泄漏监测技术研究

文中对国内外输油管道泄漏检测技术现状进行了简要分析,并对油田输油管道泄漏监测的方法进行了探讨.针对油田输油管道泄漏监测问题,指出了油田输油管道泄漏监测系统的关键技术是管道泄漏检测预警及泄漏点的精确定位.采用流量与负压波相结合监测输油管道泄漏的方法,能较好地达到预期效果.在油田输油管道安装泄漏监测系统可以确保管道安全运行...     

隧道洞室地基稳定性双阶段多策略粒子群BP网络模型研究

影响隧道洞室地基稳定性的因素众多,这些因素与隧道洞室地基稳定性之间存在着复杂的非线性关系,并且常规的方法很难描述这种复杂的关系。文章提出了一种双阶段多策略粒子群算法(DMPSO)优化的BP神经网络隧道洞室地基稳定性评价模型。粒子群算法具有全局优化能力强、搜索效率高等特点,算法改进后使这些特点更加突出。BP算法有很强的非线性映射能力、泛化能力,但也有收敛速度慢,容易陷入局部最优等缺陷。采用双阶段多策略粒子群算法(DMPSO)搜索BP模型的权值和阈值,弥补了BP模型的缺陷,提高了其预测的准确度。文章以重庆小什字车站洞室地基为例,证明了双阶段多策略粒子群算法优化的BP神经网络模型(DMPSO-BP)的可行性,并且该模型比模糊神经网络和粒子群优化的BP神经网络(PSO-BP)模型有更好的预测精度。     

基于蝙蝠算法优化的BP神经网络煤层冲击危险性智能综合评价研究

通过深入分析开采深度、煤层顶底板性质、冲击倾向性、地质构造、开采技术等因素对煤层冲击危险性的影响，建立基于蝙蝠算法优化的BP神经网络煤层冲击危险性智能综合评价模型；将所确定的影响冲击危险性因素进行数量级划分，利用蝙蝠算法对BP神经网络的权值与阈值最优值选择进行优化，对煤层冲击危险性进行无冲击危险性、弱冲击危险性、中等冲击危险性、强冲击危险性的等级评价。应用蝙蝠算法优化BP神经网络煤层冲击危险性智能综合评价模型对内蒙古某矿的煤层及江苏某煤矿工作面进行实例验证，评价结果与综合指数法计算所得结果一致，表明该模型可以用于煤层冲击危险性评价。应用该模型对煤层进行冲击危险性评价时，改善了BP网络结构在权值和阈值确定上的随机缺陷，提高了算法稳定性，因而得到的评价结果更加合理。     

基于人工神经网络的桥梁结构损伤识别方法

根据观测的结构频率,建立了基于人工神经网络的桥梁结构损伤识别方法.把结构固有频率的变化率作为BP神经网络的输入参数,对混凝土桥梁结构模型进行了损伤数值模拟计算.为了提高神经网络的泛化推广能力和收敛速度,将BFGS、LM优化方法应用到神经网络的训练过程中.数值计算结果表明,所建立的结构损伤识别方法取得了良好的识别效果.     

基于网络模型的钢轨裂纹检测方法研究

文章针对钢轨裂纹声发射信号特性人工提取效率低的问题,应用CNN与BiLSTM手段进行钢轨裂纹声发射信号提取的研究,通过预处理采集的实际钢轨裂纹声发射信号,对其特征信息进行提取及分类,分别构建基于一维CNN、二维CNN钢轨裂纹检测模型,证明前者效果优于后者。根据钢轨裂纹信号拥有时序的特性,构建不同递归网络钢轨裂纹检测模型,并对比RNN与LSTM模型检测钢轨裂纹的性能,优化BiLSTM钢轨裂纹检测模型的方法证明能够应用于钢轨裂纹的检测。     

基于蚁群算法和群决策理论的动态路径优化研究

文章针对城市交通信号控制中的动态路径优化问题,综合考虑相邻交叉口间距和路段交通饱和度两个参数的影响,提出了一种基于蚁群算法和群决策理论的动态路径优化算法模型,并通过仿真实验,对比分析了该算法模型的有效性。     

自来水管网泄漏检测的两种方法

根据管网泄漏的实际情况设计并进行了管网水泄漏的模拟实验，对泄漏产生的信号进行了测试分析，分别采用互相关分析法和人工神经网络方法对泄漏点 进行检测。实验研究表明水管泄漏互相关泮检测技术是适用可行的，但需要两个以上的传感器，而神经网络模型则只需一个传感器即可实现泄漏点的检测,体现了单传感器实现定位检测的良好前景。     

基于管内探测器的管道微小泄漏检测现场测试

负压波法等管道泄漏实时监测技术已在输油管道上广泛应用。这些管道泄漏监测系统的检测灵敏度约为管道流量的1%,难以检测管道微小泄漏特别是持续存在的针孔泄漏。为解决输油管道的微小泄漏检测问题,引进管内泄漏探测器,在呼包鄂成品油管道开展了现场应用和放油测试。现场测试结果验证了基于管内探测器的微小泄漏检测技术在输油管道应用的可行性,并为管内泄漏探测器的改进和现场应用提供了参考。     

油气管道周向漏磁检测信号分析

用于检测管道腐蚀缺陷的漏磁检测方法已运用多年,但传统的轴向漏磁检测方法无法检测到狭长的轴向腐蚀缺陷,使用周向漏磁检测则能很好地弥补轴向漏磁检测的不足。周向漏磁检测及其信号分析在国内还处于起步阶段。采用ANSYS仿真软件建立了周向漏磁检测模型,并进行了电磁场模拟;对仿真模型提取的漏磁信号与腐蚀缺陷的尺寸信息进行了定性分析,提出应用BP神经网络定量分析油气管道腐蚀缺陷与漏磁信号的关系。结果表明：漏磁信号能定性地判断腐蚀缺陷,而使用BP神经网络方法可以定量地确定管道腐蚀缺陷尺寸,有助于提高检测的精度,同时也为油气管道安全评价提供了依据。     

铁路装载多件阔大货物时的重心位置优化研究

针对多件阔大货物装载的综合优化问题,考虑货物更安全、更合理的运输,同时兼顾装载后重车的超限等级和重心位置偏移量的技术指标,以装载方案满足运输安全要求、装载方案理论上符合实际情况等为约束,建立了多件阔大货物装载方案的综合优化模型,并根据模型的特点设计了遗传BP算法进行求解。采用神经网络对样本进行划分,用遗传编码方式表示阔大货物装载排序,通过遗传、交叉、变异对结果进行更改、保留和加强,同时进行多目标的综合优化。实例验证表明,提出的模型和算法能很好地获得全局满意解,且迭代次数较少,能较好解决多件阔大货物装载的综合优化问题。     

灰色BP网络串联式组合模型在铁路客货运输量预测中的应用

针对铁路客货运输量发展趋势的研究,建立一种基于灰色理论和BP神经网络的串联式组合预测模型。该模型首先用同一组数据序列建立不同参数的灰色方程,然后用各灰色方程分别预测,最后将各灰色方程预测的结果进行BP神经网络非线性组合,形成串联式组合预测模型。对湖南省铁路客货运量进行分析预测,结果表明:该组合模型预测的准确性高于单独使用灰色模型的准确性,是一种可靠有效的预测方法。     

复杂环境下车牌识别算法研究

目前市场上已有较多应用成熟、稳定的车牌识别算法,但是大部分需要在单一背景环境下,否则识别效果不佳,所以存在复杂环境下(如光照不均、大角度、多车牌、亮度低等)车牌定位与识别准确率低的问题。文章提出一种复杂环境下多车牌识别算法来应对此问题,采取了SVM模型定位车牌、外部轮廓和外接矩形法分隔字符、BP神经网络法识别字符。其中,对非连续性字符(如中文字符)分隔提出改进算法,取得良好的效果。     

改进BP神经网络在边坡稳定性分析中的运用

文章基于BP神经网络的传统算法,提出了数据归一化的BP神经网络改进方法,并结合网络应用案例,通过选取影响边坡稳定性的几种自然因素,利用BP神经网络的非线性映射能力计算得出边坡的稳定安全系数,同时与传统分析方法的计算结果进行对比分析。结果表明,该改进方法能够满足一般边坡工程的稳定性评价要求。     

基于BP神经网络的隧道参数反演模型研究

随着我国基础建设的不断推进,越来越多隧道不可避免的修建在地质地貌复杂的地区,隧道施工安全与岩体参数确定变得更加重要。本文运用LM算法改进的BP神经网络与数值模拟技术相结合的方法构建智能隧道围岩参数反演模型,并结合工程实例对其可靠性进行检验,以期为类似隧道物理力学参数预测提供参考。