BP神经网络在方形钢管砼承载力预测中的应用

本文利用人工神经网络建立了方形钢管混凝土的神经网络BP模型.对方钢管混凝土轴压短柱,选取试件长度、截面的宽度、钢管的厚度、混凝土的抗压强度及钢材的屈服强度5个影响轴压短柱极限承载力的主要因素作为输入单元,选用45组数据作为训练集,8组数据作为测试集,建立了一个3层的BP神经网络预测模型,仿真预测结果要比现有计算理论更准确.     

基于BP神经网络的预应力组合梁承载力预测

为提高预应力钢-砼组合梁的设计效率及合理性,精确预测其抗弯极限承载力,文中采用BP神经网络算法建立具有多个输入、单个输出的BP神经网络预应力钢-砼组合梁抗弯极限承载力预测模型,利用既有实测结果对该模型进行训练及验证,结果表明BP神经网络预测效果较好,其40次预测值与实测值比值的均值为1.002,具有较高的精度;选取浙江省绍兴市壶觞大桥边跨主梁进行抗弯极限承载力预测分析,结果表明该模型应用于实际工程可行,可用于预应力钢-砼组合梁抗弯极限承载力确定。     

基于神经网络的混凝土预制桩单桩竖向极限承载力参数分析

应用BP神经网络，对混凝土预制桩单桩竖向极限承载力进行预测，并分析了各种参数对单桩竖向极限承载力的影响。通过影响因素分析，确定了桩径、桩长、入土深度、桩侧摩阻力加权平均值、桩端阻力平均值等参数对单桩竖向极限承载力有影响。对混凝土预制桩单桩静载试验资料进行分析和取样，将包含上述参数的样本与单桩竖向极限承载力形成数据对，采用三层神经网络进行训练，输入层为各参数，输出层为单桩竖向极限承载力，建立了混凝土预制桩单桩竖向极限承载力预测模型。研究表明，所建立的模型能够有效地预测混凝土预制桩单桩竖向极限承载力，通过参数分析，能够得出各参数对单桩竖向极限承载力的影响规律，从而确定比较合理的单桩设计参数。     

BP神经网络在振冲碎石桩复合地基承载力预测中的应用

在分析振冲碎石桩复合地基承载力影响因素的基础上，结合江苏某高速公路工程的振冲碎石桩承载力试验结果，利用BP神经网络强大的非线性映射能力，建立了基于BP神经网络的复合地基承载力预测模型。模型预测结果表明:利用BP神经网络来预测振冲碎石桩复合地基承载力的方法是可行的。     

基于机器学习的RC简支梁桥运维期承载力评估方法

首先分析了材料性能对桥梁承载力的影响，并采用有限元方法扩大既有桥梁数据，建立相应的数据库。然后，通过MATLAB建立BP神经网络模型对数据库进行训练完成桥梁承载力权重系数估算，并构建神经网络预测模型实现承载力预测，通过对比验证预测模型的准确性。最后，研究利用BIM二次开发研发桥梁承载力评估与预测系统。结果表明，随着桥梁使用年限的增长，钢筋对桥梁承载力的贡献相较于混凝土而言明显降低，材料退化对抗弯承载力影响最大；桥梁配筋面积对抗弯、抗剪承载力影响最大；当数据库的数据较少且预测精度要求较高时，采用多层隐藏层神经网络预测模型更有效；当数据库的数据庞大且预测精度要求不高时，采用GA-BP神经网络预测模型更有效。     

基于BP神经网络与多元回归的公路客运量预测研究

根据公路客运量的历史数据及相关影响因素数据,采用SPSS及MATLAB软件分别建立多元回归及BP神经网络预测模型,通过将2种模型输出的预测结果与实际数据进行对比,得出采用多元回归方法在预测客运量变化过程中所产生的误差远小于BP神经网络方法所产生的误差,认为,当数据样本量较小时,多元线性回归预测模型优于BP神经网络预测模型。     

FRP-PVC混凝土短柱的极限承载力及验证

本文分析FRP-PVC混凝土短柱的破坏机理,并提出极限承载力计算的基本假定。在统一强度理论的基础上,考虑FRP条带的承载力增强作用,利用极限平衡法推导了FRP-PVC混凝土短柱的极限承载力公式。通过与参考文献试验结果的比较,验证了理论公式的正确性。该结果为FRP-PVC混凝土柱的推广应用和极限承载力分析提供了理论依据。     

FRP-混凝土轴压短柱的极限承载力研究

在线性Mohr-Coulomb强度准则的基础上,提出FRP-混凝土轴压短柱极限承载力计算时的基本假定,利用极限平衡法推导了FRP-混凝土轴压短柱的极限承载力公式,并通过与文献试验结果的比较,验证了理论公式的正确性。该结果为FRP-混凝土轴压短柱的极限承载力分析提供了一定的准则依据,对实际工程设计有一定的参考价值。     

钢管混凝土受压柱弹塑性稳定极限承载力的非线性分析

基于U .L列式单元增量平衡方程 ,采用单元节点截面内力塑性系数法建立钢管混凝土柱单元弹塑性刚度矩阵 ,并编制了钢管混凝土受压柱弹塑性稳定极限承载力非线性分析程序 ,算例结果与文献试验结果良好接近 ,验证了分析方法的正确性及可靠性     

钢管混凝土受压柱弹塑性稳定极限承载力的非线性分析

基于U.L列式单元增量平衡方程,采用单元节点截面内力塑性系数法建立钢管混凝土柱单元弹塑性刚度矩阵,并编制了钢管混凝土受压柱弹塑性稳定极限承载力非线性分析程序,算例结果与文献试验结果良好接近,验证了分析方法的正确性及可靠性.     

基于BP神经网络的短时交通流预测

对比分析短时交通流预测模型,对BP神经网络预测算法的原理进行分析说明,用BP神经网络建立短时交通流预测模型,利用华南快速路的实测交通流数据来验证模型的可行性。     

基于BP神经网络的高速公路动态交通流预测

以高速公路交通流预测为研究对象,建立了基于BP神经网络的参数动态修复交通流预测模型。以高速公路宏观动态交通流模型为原型,利用分段辨识法分析了高速公路交通流特性。对BP神经网络层数和神经元的确定,以及转移函数的优化选择进行了深入研究,并给出了基于BP神经网络交通流预测模型的建模方法。对西宝(西安-宝鸡)高速公路交通流实时数据进行了采集、建模和仿真。通过仿真结果与实际结果比较,验证了该模型具有较高的可信度。     

基于改进神经网络的路基沉降预测

为克服路基沉降预测方法的缺陷和传统BP神经网络存在的不足,采用Levenberg-Marquardt算法改进了BP神经网络的收敛性,建立了路基沉降预测模型。结合津秦客运专线路基沉降实测数据,将该优化模型与传统的BP神经网络预测模型进行了对比,计算结果表明改进后的BP神经网络在路基沉降预测中精度最高,取得了好的效果。     

RC梁桥承载力BP神经网络预测模型

在分析RC梁桥承载力影响因素的基础上 ,将人工神经网络 (ANN)技术引入RC梁桥承载力评估中 ;选取 8种损伤指标作为BP神经网络的输入值 ,桥梁承载力指数作为输出值 ,建立了RC梁桥承载力预测 3层BP网络模型 ;使用MATLAB程序 ,完成了样本归一化、样本训练、仿真逼近和结果预测 ,使BP神经网络理论在实际应用中实现了计算机化 ;讨论了提高模型预测精度的措施     

神经网络在填石路基沉降预测中的应用

应用BP神经网络对填石路基沉降进行预测.建立BP趋势提取模型,用以代替常规BP算法中使用三次样条曲线插值的预处理方法,从而使BP预测模型能克服数据波动带来的干扰,大大提高了BP神经网络预测模型的预测效果.     

基于BP神经网络的振冲碎石桩复合地基承载力预测

振冲碎石桩复合地基承载力影响因素多,各种因素间又相互作用,很难准确地计算其复合地基承载力。现行最准确的复合地基承载力载荷试验方法需投入大量的人力物力且耗时长,很难满足现场施工质量实时检测及工程进度的需求。本文在总结分析振冲碎石桩复合地基承载力影响因素的基础上,利用BP神经网络强大的非线性映射能力,建立了基于BP神经网络的复合地基承载力预测模型。模型预测结果表明,利用BP神经网络来预测振冲碎石桩复合地基承载力的方法是可行的,为振冲碎石桩复合地基承载力的快速设计检算提供了一种人工智能解决方法。     

圆钢管混凝土偏压柱的力学性能

首先对8根钢管自密实混凝土偏压柱的力学性能进行试验,分析偏心率和含钢率等因素对受力性能的影响;其次采用模型柱法和非线性有限元法对偏压柱试验结果进行全过程分析;最后采用模型柱法对钢管混凝土偏压柱进行大量数值仿真分析,提出一种新的圆钢管混凝土偏压柱承载力实用计算公式,并将该公式及中国其他学者提出的公式的计算结果与各国309组钢管混凝土偏压柱承载力有效试验结果进行对比分析.结果表明:该实用计算公式的计算结果与试验结果最为吻合;研究成果可为钢管混凝土柱设计提供参考.     

基于改进型BP神经网络的沥青路面大修决策模型研究

针对常规大修决策模型PQI模型的缺陷,利用改进型BP神经网络建立沥青路面大修决策模型。改进型BP神经网络是在神经网络中间层和输出层上加入特殊的偏差单元,以加快BP神经网络的收敛速度、并提高其计算精度。本文根据安徽省高速公路沥青路面的实际情况,建立了有5个输入单元和一个输出单元的神经网络,并利用历年路况检测结果和专家对路况的主观评价结果对网络进行了训练。结果表明神经网络计算结果的精度很高。     

带偏差单元BP神经网络土体灌浆压力预测

灌浆压力是土体灌浆加固的重要参数。基于神经网络非线性映射特性,分析土体灌浆压力主要影响因素,建立符合一般工程判断和决策思维的BP网络预测模型,并引入偏差单元对其结构进行改进,实现了快速收敛,较高精度得出灌浆预测压力的具体数值。预测结果与室内灌浆试验压力对比表明,带偏差单元BP神经网络的土体灌浆压力预测结果具有较高准确性和一定的实用意义。     

基于混沌优化-神经网络的水泥搅拌桩复合地基承载力预测方法

分析了BP神经网络和混沌优化的特性,将混沌优化方法和梯度下降法结合起来构成一种新的组合搜索优化方法。结合珠江三角洲实测资料,建立了基于混沌优化—神经网络的水泥搅拌桩复合地基承载力预测模型。实例研究表明,该模型预测精度高,简便易行,为复合地基承载力的确定提供了一条有效途径。