支持向量机在路基沉降预测中的应用

在介绍了支持向量机基本原理和实现算法的基础上,将它应用于软土路基填筑施工中的沉降预测,提出了一种有效的预测方法,并构造了预测路基沉降的支持向量机模型。经过与传统BP神经网络方法预报结果比较,表明该方法在较少训练样本的情况下具有精度高、泛化能力强的特点。取得了较BP神经网络建模方法更好的预报效果。为预测填筑施工引起的软土路基沉降提供了一种新的方法。     

基于广义回归神经网络的路基沉降预测

为了对路基沉降变化规律进行预测,避免发生工程事故,提出了将广义回归神经网络模型应用于软土地基沉降预测中的方案。通过广义回归神经网络的基本理论和概念,采用实际工程数据,用BP神经网络方法和广义回归神经网络方法进行了预测分析,比较了2种方法的3组预测结果。工程实例预测结果表明,广义回归神经网络方法的均方误差和决定系数表现都优于BP神经网络方法;证明该方法是可行且有效的。     

沿海吹填土区域道路地基处理方法探讨

吹填土是一种成分复杂、结构特殊的软土,地基处理方法的选择既要考虑到吹填土本身的特点,又要考虑到工程的要求和可实施性。该文主要对目前吹填土的常用处理方法进行分析,并以长三角某围海造地吹填土区域市政配套工程为例进行说明。     

基于遗传算法和神经网络的高路堤沉降预测研究

依据高路堤填土施工期路基沉降实测资料,运用遗传算法和人工神经网络构造了预测路基沉降的等时距遗传神经网络模型, 并且对该网络进行了训练以及仿真,对预测结果运用3次样条插值可得到预测时间段内的任一时刻沉降结果,通过和实测沉降结果对比可知遗传神经网络比人工神经网络节省大量的调试时间和计算时间,而且其预测精度优于BP算法和指数拟合方法,显示其明显的优越性.     

基于遗传算法和神经网络的高路堤沉降预测研究

依据高路堤填土施工期路基沉降实测资料,运用遗传算法和人工神经网络构造了预测路基沉降的等时距遗传神经网络模型, 并且对该网络进行了训练以及仿真,对预测结果运用3次样条插值可得到预测时间段内的任一时刻沉降结果,通过和实测沉降结果对比可知遗传神经网络比人工神经网络节省大量的调试时间和计算时间,而且其预测精度优于BP算法和指数拟合方法,显示其明显的优越性.     

人工神经网络在预测软基沉降中的应用研究

依据影响软土路基沉降的因素选取参数建立了BP神经网络预测最终沉降量模型,利用已建高速公路沉降数据,进行了软土地基最终沉降量的预测,取得了较为理想的效果。证明神经网络法能避免传统方法计算过程中各种人为因素的干扰,计算精度高,泛化性强,简便易行,因而具有广泛的工程使用价值和广阔的工程应用前景。     

填土路基袋装砂井施工滑移事故分析与处理

某高速公路软土路基部分需在鱼塘上填筑而成,在进行袋装砂井施工时,发生路基滑坡事故,其主要原因是一次性填土厚度偏大,以及施工对软土扰动破坏降低了土体的抗剪强度.采取了在鱼塘上围堰体反压、薄层填土后进行袋装砂井施工、铺设土工格栅的处治方法.     

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。     

填土路基袋装砂井施工滑移事故分析与处理

某高速公路软土路基部分需在鱼塘上填筑而成，在进行袋装砂井施工时，发生路基滑坡事故。其主要原因是一次性填土厚度偏大，以及施工对软土扰动破坏降低了土体的抗剪强度。采取了在鱼塘上围堰体反压、薄层填土后进行袋装砂井施工、铺设土工格栅的处治方法。     

吹填土路基几种常用处理方法综合比较

针对河北省唐山市曹妃甸地区市政道路吹填土路基的特点,介绍几种常用路基处理方法,并结合各种处理方法的处理效果指标,对路基、路面的经济性进行综合比较。     

基于BP神经网络的智能车辆换道决策模型研究

为了正确刻画智能网联环境下的车辆换道行为,提出基于BP神经网络的车辆换道决策模型.分析了交通流中车辆换道行为,以HighD自然驾驶数据集为数据来源,筛选出1 900组车辆换道和未换道信息作为模型的训练与验证,利用高斯滤波方法拟合目标车辆换道轨迹和横向位移轨迹,选择影响车辆换道决策的7个参数作为模型输入,建立BP神经网络...     

空耦雷达技术在检测沥青路面厚度的探讨

本文介绍了神经网络的基本理论,提出了一种采用BP神经网络模型对空耦雷达道路检测路面厚度进行测算的新方法。并对BP神经网络模型在沥青混凝土路面厚度检测的应用进行了分析、比较,为GPR技术在道路工程检测实践中提供一种辅助判断手段。     

水泥加固吹填土试验研究

吹填土是由水力吹填形成的,颗粒很细,固结性能差,吹填以后要经过很长时间才能自然沉积固结,待表面形成硬壳后方可进行加固处理,因此,缩短沉积固结时间,使吹填土尽快地从泥浆状态转变为具有一定承载力的地基,是首要解决的问题。从物质组成的观点,分析土体内部的物理化学特征,进行室内模拟加固试验,对吹填土加添固化剂以加速其沉积固结。通过添加水泥作为固化剂,对加固效果进行详尽的分析和研究,从而揭示其固化机理,为吹填土地基的加固提供一种经济可行的方法。     

水上交通流冲突严重度BP神经网络评价方法

目前的水上交通流评价方法在评价指标关系模糊、来源不清等情况下难以运用,且主观性较强,存在评价结果严重偏离实际的情况,忽视了客观性不足的问题.为降低专家主观性对水上交通流冲突严重度评价的影响,基于BP神经网络建立评价模型,并通过网络训练进行函数比较,确定最符合模型设定要求的Trainlm函数,以及精度与迭代次数.由于数据的差异性会对BP神经网络的训练效率和评价精度造成影响,基于聚类分析与BP神经网络建立新的评价模型,将训练数据按照欧几里得度量进行归类开展神经网络训练,分别对水上交通流冲突严重度进行评价.运用9个水道数据为例对模型进行验证,通过比较聚类分析数据与未处理的原始数据在BP神经网络中的评价结果,发现评价结果平均误差从42.05%降低到23.74%,进一步验证了BP神经网络在该领域的可行性.评价模型利用聚类分析与BP神经网络相结合的方法,不仅客观性较强,而且与单一使用BP神经网络的模型相比提升了评价精度.      

天津吹填泥浆成壳的监测与分析

为研究天津吹填泥浆成壳过程土体中的孔隙水压力与壳体沉降量的变化以及壳体厚度的形成,设计了六种不同的真空预压新型水平排水体。通过模拟试验发现,壳体的沉降量与壳体的厚度成正比,土体中负的超静孔隙水压力随着深度以及至排水板距离的增加而减小。土体中孔隙水压力、壳体沉降量以及壳体厚度均与排水路径有关。研究成果对于了解吹填泥浆成壳机理具有一定的指导意义。     

基于风险分析的公路工程保险费率厘定

在考虑工程风险及保险实际理赔情况的基础上,形成了含自然灾害、项目环境等7个指标维度的风险评价体系,利用粒子群(PSO)算法优化BP神经网络的初始阈值及权值,建立了公路工程保险费率厘定模型。将该模型应用于34个公路工程保险实际案例,通过PSO-BP神经网络拟合保险样本中风险指标因素与费率之间的关系,实现费率预测。对比分析PSO-BP神经网络与BP神经网络的仿真效果,结果表明,PSO-BP神经网络模型能较好地反映公路工程实际风险水平,预测准确度高,收敛速度快,适用于保险费率厘定。     

基于BP网络的道路水泥再生混凝土性能的评价

为了评价道路水泥再生混凝土的性能,在分析BP神经网络原理的基础上提出了用BP神经网络模拟道路水泥再生混凝土性能与各影响因素间关系的方法。根据道路水泥再生混凝土的实际工况,建立了3个输入节点、4个输出节点的BP神经网络模型,通过9组试验,验证了模型的可靠性。结果表明,实测结果与预测结果相接近,BP神经网络模型可以较准确的评价道路水泥再生混凝土的性能。     

A cellular automata traffic flow model combined with a BP neural network based microscopic lane changing decision model

The purpose of this study is to propose a cellular automata (CA) traffic flow model with high accuracy for lane change decision and name it LCCAM. A driving simulator experiment was conducted to find factors affecting lane changing decisions. A back-propagate (BP) neural network was used to obtain the lane changing rules for the microscopic lane changing decision model (LCDM), and the collected accurate vehicular trajectory data were used to train the BP neural networks for the prediction of lane changes. After comparing different input variable combinations, the most accurate input setting was determined, including the locations and velocities of neighboring vehicles, inner/outer lane indicator, and the speed limits of the corresponding lane. Then, the determined BP neural network was adopted in the LCCAM as the LCDM. Simulation results showed that the LCCAM can capture important characteristics such as the mean velocities and the number of lane changes well, by comparing with observed traffic flow. Meanwhile, the LCCAM illustrates a better performance in replicating the number of lane changes than the other reference CA models. The research results show that the LCCAM proposed in this study will have potential and value for autonomous driving and active safety analysis in the future.     

湿陷性黄土场地强夯夯沉量的预测

以湿陷性黄土地区的大量强夯工程实例为对象,分析、选择了影响夯沉量的五大主控因素作为BP神经网络模型的基本特征量,建立夯沉量与其之间的相关关系的BP网络模型,对夯沉量进行了预测分析。结果表明:BP神经网络模型能真实反映强夯夯沉量与主控因素之间的非线性关系,预测结果与实测值之间的相对误差小于10%,用该模型对强夯夯沉量进行预测是有效的。     

基于BP神经网络的列车制动控制仿真研究

针对列车制动过程存在的复杂性、非线性、时变性、不确定性等因素,通过分析影响建立BP神经网络模型的主要因素,建立了用于列车制动控制的BP神经网络模型。以货物列车为仿真对象,在Matlab环境中进行了仿真研究。仿真结果表明,该方法控制安全性好、停车误差小,基于BP神经网络的智能算法运用于列车制动控制是可行的。