基于BP神经网络的载荷试验研究

BP神经网络是工程中广泛应用的一种神经网格模型,对BP神经网络原理进行简要介绍,根据现场载荷试验数据,运用BP神经网络技术建立载荷试验过程中承压板沉降值与载荷值大小之间的相关性模型,并对载荷试验过程进行预测,将预测结果与实测值进行对比,结果表明预测结果与实测值基本吻合,为今后载荷试验过程模拟提供可借鉴的方法。     

软土地基沉降预测的人工神经网络方法与应用

利用神经网络强大的非线性映射能力,提出了一种基于BP神经网络模型的软土地基沉降量的预测方法,可对不同情况下软土路基沉降量进行合理地预测。实例检验证明,该方法收敛速度快,预测的可靠性令人满意。     

改进的BP神经网络在路基沉降预测中的应用

针对传统BP神经网络存在的缺点,提出基于遗传优化的变梯度反向传播的BP神经网络预测方法,采用遗传算法优化BP神经网络的初始权重,建立路基沉降预测模型。该模型可克服BP神经网络模型存在的收敛速度慢、易陷入局部极小点等缺点。结合现场实测数据,将该优化模型与指数曲线模型、双曲线模型、灰色预测模型和传统BP神经网络预测模型对比,结果表明改进的BP神经网络在路基沉降预测中精度最高,适宜于广泛推广应用。     

基于卷积神经网络的防坡堤施工沉降预测*

为了保证防坡堤施工安全，通过预测不同施工阶段防坡堤的沉降变形，以调整施工进度和工序。传统沉降预测方法主要包括太沙基固结理论、曲线拟合法和BP神经网络，太沙基固结理论和曲线拟合法预测精度较低，BP神经网络需要大量样本才能逼近最优解。针对这些问题，提出基于卷积神经网络（convolutional neural networks，CNN）建立防波堤施工阶段的沉降预测方法。应用此方法预测天津港大沽口港区防波堤施工阶段沉降量和沉降速率，并以预测结果分析沉降速率所映射的安全风险等级，从而为实际施工提供行动指南。结果表明：卷积神经网络能较为准确地预测沉降变形速率，根据预测结果能够对安全风险等级的结果进行分析并予以指导。     

基础沉降的组合预测法

通过对基础沉降的发生过程、特点及灰色Verhulst模型特点的分析,提出可以根据施工过程中的观测资料,运用基于BP神经网络的组合预测模型对不同时刻的基础沉降进行预测;首先分别利用灰色Verhulst模型和BP神经网络模型对基础沉降进行估算,然后利用人工神经网络中的BP神经网络对采用前2种模型所得的结果进行组合预测。计算实例表明,使用该组合预测方法所得到的预测结果比单独使用灰色Verhulst模型或BP神经网络模型所得到的预测结果的总体误差要小,因而该方法是可行的、有效的;可以运用到实际工程中。     

基于BP神经网络的海堤沉降研究

海堤沉降是其失稳的主要诱因,BP神经网络是工程中普遍运用于非线性等复杂工程问题的神经网格模型,本文分析引起海堤沉降变形因素进行分析,并对BP神经网络原理进行简要介绍,依据海堤监测数据,利用BP神经网络技术建立海堤施工过程中沉降量与时间之间相关性模型,对海堤沉降变形值进行预测,将计算值值与实测值进行分析,结果表明计算结果与实测值基本吻合,为今后海堤沉降过程模拟提供可借鉴的方法。     

神经网络在单桩承载力预测中的应用

运用基于BP神经网络的组合预测模型对PHC桩的极限承载力进行预测。分别利用灰色GM(1,1)模型和BP神经网络对桩在荷载作用下的沉降进行估算,然后利用人工神经网络中的BP网络对所得的结果进行组合预测;最后利用Lagrange算法计算桩的极限承载力。计算实例表明,使用该组合预测方法所得的预测结果比单纯使用灰色GM(1,1)模型或神经网络模型所得结果的总体误差要小,因而该方法是可行的、有效的。     

乌江银盘枢纽工程河段货运量神经网络预测研究

采用BP神经网络建立了乌江银盘枢纽工程河段货运量的预测模型,并对货运量进行了实际预测,分析认为神经网络预测结果较戴尔斐法和GM(1,1)法更为合理。     

某连拱隧道爆破振动监测分析与预测

为了更好地指导隧道施工,论文以云南某连拱隧道为工程背景,对后行隧道爆破进行实际监测。结合实测数据,通过最小二乘法对测点数据进行了振速分析,同时应用线性回归和BP神经网络两种方法对测点振速进行了预测。最后结合实测数据,论证了拟合公式的准确性,调整了单响药量,发现了BP神经网络预测方法精度更高。     

径向基神经网络在软基沉降预测中的应用

软土地基沉降是土力学中的重要课题之一,通过沉降预测可以为软土地基的工程设计以及下一步施工提供指导性意见.以自组织神经网络为基础,利用其具有的自组织、自适应、容错性和较强的学习、联想能力,结合连徐高速公路软基沉降工程实例进行预测.说明该方法能够简便、精确的预测软土地基的沉降量.     

改进BP神经网络的城市交通流预测研究

由于交通流预测具有高度的非线性特点,这与BP神经网络能够处理非线性问题的特征相符合。但BP神经网络算法易使解陷入局部极小,而遗传算法的全局优化能力则恰恰可以克服这一缺点。文中将遗传算法应用于对BP神经网络模型的改进来对交通流进行预测。通过对预测数据与实测数据的比较分析,证实了改进后的方法更为有效。     

基于SARIMA-BP模型的港口船舶交通流量预测

为提高船舶交通流量预测精度,提出一种季节性自回归移动平均(Seasonal Autoregressive Integrated Moving Average,SARIMA)模型和BP神经网络的误差校正集成模型。以深圳港2011—2017年的数据为研究样本,对原始数据进行预处理,构建最优SARIMA模型,以该模型求出的残差序列作为BP神经网络的输入,将两个模型预测结果进行整合,得到集成模型的预测结果。试验结果表明:该误差校正集成模型与两个单一模型相比,体现出船舶交通流量数据的季节性特征,具有较好的预测精度,为港口船舶交通流量预测提供一种更为有效的方法。     

基于BP神经网络的故障诊断技术在装备维修中的应用

传统故障诊断方法在装备保障中的诸多局限性。文章介绍了基于BP模型的神经网络,研究了基于BP模型神经网络的故障诊断推理方法,并利用Matlab仿真软件对结果进行了运行和计算。结果证明,基于BP神经网络的故障诊断技术对装备故障诊断是行之有效的。     

基于BP神经网络的船舶企业员工综合评价模型

为了保障船舶工业企业内部对其员工的使用管理和评价上的客观性和准确性,提出基于BP神经网络的综合评价方法,在建立了员工评价的指标体系基础上建立了基于BP神经网络的评价模型,将评价员工综合素质的指标值作为模型的输入量,评价结果作为模型输出量,用样本对神经网络进行训练,利用收集的中国船舶工业集团某造船企业管理执行层员工信息,使用MATLAB对模型进行模拟仿真训练,用验证样本对评价模型检测,检测结果是仿真输出与期望输入基本一致,说明网络合理,评价模型能够较好对船舶企业员工的综合素质进行评价.     

基于神经网络的汽轮发电机组推力瓦块拆检周期改进

运用人工神经网络的方法对某舰用汽轮发电机组的滑油铜含量进行分析,找出铜含量的变化规律,然后与曲线拟合进行数据处理的方法作比较,结果表明,基于遗传算法的BP网络模型比曲线拟合模型的预报精度明显提高,预报结果稳定,且建立模型的过程较为简单。     

BP神经网络应用于散货船空船质量估算

以搜集的200余条散货船为样本,建立了空船质量统计回归模型和三种情况下的BP神经网络模型,并选取10条散货船对各模型进行了测试和比较。三种BP神经网络模型测试结果与实际值很接近,精度优于传统的统计回归模型,表明用BP神经网络进行空船质量估算是可行和实用的。     

港口集装箱吞吐量的灰色神经网络预测模型研究

为了降低港口集装箱吞吐量的预测误差,提高预测精度,文章通过分析传统的灰色预测模型和 BP 神经网络预测模型的优缺点,构建了灰色神经网络港口集装箱吞吐量预测模型,该模型充分发挥了灰色模型所需初始数据少和 BP 神经网络非线性拟合能力强的特点。以实际数值作为初始数据,各种灰色模型的预测值为神经网络的输入值,神经网络的输出值为组合预测结果。通过实例分析,结果表明：灰色神经网络预测模型提高了预测精度,预测结果比较理想,优于单一预测模型,因此,该模型用于港口集装箱吞吐量预测是可行的、有效的。