基于遗传神经网络的货运量预测的研究与实现

针对BP网络和遗传算法的缺陷，提出了一种新的遗传神经网络优化模型，可以用来同时优化BP神经网络的网络结构和权值阈值，叙述了该算法的设计过程。利用该算法对货运量进行预测，并与标准的BP算法预测结果进行比较，计算结果表明，该算法的预测精度大大高于标准的BP算法的预测精度。     

基于差分进化算法和相关向量机的车辆油耗预测

为了对车辆实际油耗进行预测,总结了车辆实际运行特征和设计参数中影响油耗的特征参数,并利用互信息方法确定了油耗敏感特征。以200辆车的试验结果为训练样本,以敏感特征和型式认证油耗为输入,车辆实际油耗为输出,建立了基于相关向量机的车辆油耗预测模型,并采用差分进化算法对模型参数进行优化。对建立的预测模型进行验证并与BP神经网络法进行了对比,结果表明:本文所建立的模型具有较高的预测精度和可靠性,优于BP神经网络等典型方法。     

基于神经网络的圆钢管砼偏心受压短柱承载力的研究

本文利用人工神经网络的自适应性、容错性、模糊性,建立了各自的BP神经网络预测模型。对偏压短柱,选取长径比、偏心距、钢材的屈服强度、混凝土的抗压强度及偏心率等5个影响偏压短柱极限承载力的主要因素作为输入单元,以极限承载力为输出单元,选用52组数据作为训练集,13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,预测结果与现有规范比较,公式物理意义明确、简洁、结果准确。     

基于响应面法的沥青路面大修结构优化研究

为了提高沥青路面结构大修的经济性能,以沥青路面大修结构厚度、模量为设计参数,路面结构疲劳损坏的弯沉和最大拉应力作为约束条件,同时引入车辙指标,建立了基于响应面法的路面大修结构全寿命周期费用优化模型。该模型根据Plackett-Burman筛选原理进行实验组合设计,借助二阶响应面模型拟合计算结果,得到在寿命周期下费用最低时的大修结构组合,并检验了响应面的拟合精度。     

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。     

BP神经网络主成分分析法在汽车保有量预测中的应用

针对影响汽车保有量预测的多个因素,采用主成分分析的方法提炼出较少的与线性无关的主要因素,并根据这些因素,利用BP神经网络方法对汽车保有量进行了预测,最后通过实例, 将BP神经网络主成分分析法计算结果和非线性模拟与全要素BP神经网络模拟结果进行比较,得知BP神经网络主成分分析法在运算效率、运算精度上较优.     

基于径向基函数神经网络的城市道路路段行程时间实时预测模型

提出利用径向基函数（RBF）神经网络方法对城市道路路段行程时间进行建模NN,并结合线圈和视频实测数据进行仿真分析,以实际行程时间和模型输出的行程时间预测值比较验证了模型的合理性。并将RBF神经网络方法与BP神经网络方法进行比较,结果表明RBF神经网络相对于BP神经网络训练时间短,且预测精度更高。     

基于ETC的车辆动态称重系统轴载数据处理算法研究

文章针对提出的基于ETC的车辆动态称重系统设计,以压电石英传感器阵列作为称重单元,利用小波变换原理对采集原始数据进行降噪处理,并针对数据丢轴等现象提出基于相关性的信号完整性分析方法,最后依据各传感器的输出值及车辆通行速度建立了BP神经网络模型,利用该模型得到被称重车辆的车重。实验结果表明:称重传感器阵列和基于小波-BP神经网络的称重数据处理算法,达到了动态称重系统的称重数据测量精度,保证了基于ETC的动态称重系统从技术上得以实现,具有良好的实际应用价值。     

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.      

铜黄高速公路沥青路面病害分析及大修方案设计

为彻底根治铜黄高速公路沥青路面病害，恢复道路的正常使用功能，对铜黄高速公路沥青路面进行了路况检测、评价以及病害的详细调查与分析，揭示了该沥青路面病害产生的原因，并确定采用铣刨重铺的大修方案。通过路面结构方案比选．提出了具体的路面大修设计方案。     

基于GA-BP神经网络的汽车空气阻力系数预测研究

针对整车空气动力性能开发中数值计算耗时长的问题，提出一种基于GA-BP神经网络的汽车空气阻力系数预测方法。将汽车部分特征参数作为输入变量，经外流场仿真得到的空气阻力系数作为输出变量，获取数据集。采用遗传算法对BP神经网络进行参数寻优，最终建立基于遗传算法的BP神经网络模型，验证不同训练集数量对模型预测精度的影响。结果表明，GA-BP神经网络在训练样本较少时也能维持较高的预测精度，可用于汽车空气阻力系数的快速测。     

基于GA-BP神经网络水下隧道涌水量预测及应用

根据有关水下隧道渗流涌水影响因素的研究成果及预测涌水量时选择影响因素的准则,确定了用于预测水下隧道涌水量的6个影响因子。分析了遗传算法与BP神经网络结合的可行性,并利用遗传算法优化BP神经网络的权值和阈值,从而建立了多影响因子的 GA-BP神经网络预测模型,其收敛性能好、简单可行。通过比较GA-BP神经网络和经典BP神经网络模型的预测结果,验证了前者改良了后者的局限性并提高了预测精度。     

基于 BP神经网络的个体出行模式识别研究

以个体出行模式作为研究对象,利用出行的 GPS 数据,建立用于个体出行模式识别的 BP神经网络计算模型。并实测了公交和出租2种个体出行模式的识别效果,结果验证了建立的 BP神经网络的有效性和实用性,为出行模式的选择预测提供了新的思路。     

高速公路沥青路面大修工程综合技术研究

以河北省已建成的高速公路为工程依托，从高速公路沥青路面路况跟踪观测，路面性能评价与养护决策方法，大修设计程序与方法，大修工程施工技术，大修工程招投标与合同管理等方面进行研究，提出了适合高速公路路面性能评价的指标和模型，在国内首次开发并初步完成高速公路沥青路面大修工程综合技术：     

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.     

面向混合动力汽车的LPG发动机神经网络建模方法研究

在对LPG(Liquefied Petroleum Gas,液化石油气)发动机进行实机测量和试验数据采集的基础上,利用GT-power软件,建立了LPG发动机仿真模型,该模型输出的扭矩和功率仿真值与试验值最大误差不超过3%;利用该仿真模型对发动机的动力性进行计算,运用BP神经网络模型对计算结果进行Matlab/Simulink建模。计算结果显示,神经网络模型的相对误差均方根值为0.032 1,而插值法的相对误差均方根值为0.057 0,可见LPG神经网络模型优于插值模型,该神经网络模型可以进一步应用于气电混合动力汽车控制策略的研究。     

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。     

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     

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。     

基于回归分析法的甘肃省河西地区高速公路沥青路面使用性能预测

路面使用性能预测是科学养护决策的基础。为科学掌握甘肃省河西地区高速公路路面使用性能衰变规律,合理预测大修年限,本文提出了基于回归分析法的沥青路面使用性能预测方法,并运用连霍高速张掖段路况数据分析了使用性能预测的过程。结果表明:建立甘肃省高速公路沥青路面使用性能预测回归模型的方法简单实用,预测误差较小,为之后能准确掌握甘肃省沥青路面使用性能变化趋势并得到合理的养护决策提供可靠依据。