共查询到10条相似文献,搜索用时 453 毫秒
1.
在边坡稳定分析的基础之上,引入径向基网络的理论,提出了边坡滑动的径向基网络预测方法.以边坡高度、边坡角度等作为输入模式变量,建立径向基神经网络训练样本,用于滑坡稳定性评价.通过样本的学习训练,用训练后的径向基神经网络来预测滑坡,通过工程实例与评价结果比较,证明了该评价方法具有较高的精度,也表明该模型能较好的用于滑动预测. 相似文献
2.
3.
《中国水运》2019,(6)
针对水利工程安全监测变量之间作用机理的复杂性及监测奇异值产生的不确定性,结合人工智能技术在处理不确定性复杂信息和深度挖掘数据特征方面的优势,提出了基于人工智能技术的水利工程安全监测奇异值智能诊断方法。首先对监测数据采用莱茵达准则进行异常值识别并同时综合进行异常值成因分析并将结果数值化;然后根据奇异值位置构建包含奇异值的数据序列并将其进行标准化处理,提取标准化监测数据序列的第一主成分作为模型训练输入样本,数值化的异常值成因分析结果作为训练输出样本;最后采用卷积神经网络进行分类训练和预测,以混淆矩阵、ROC坐标、AUC值和准确率作为模型训练和预测评价指标,最后以某工程大坝水平位移监测数据为例进行实例验证分析。实例结果表明:基于人工智能技术的大坝安全监测奇异值智能诊断方法预测混淆矩阵匹配度较高、ROC坐标为(0.03,0.96)、AUC值近似为1.00、精确率为92.00%,因此其奇异值诊断预测结果良好,所建奇异值智能诊断方法具有操作方法简单、智能化程度高及可靠性强等特点,具有一定的工程应用价值。 相似文献
4.
5.
6.
7.
8.
9.
研究船舶柴油机NOx排放特性神经网络预测中的学习样本选取试验设计方法。根据用于主机的船舶柴油机可能持续运行范围的工况变化特点,提出采用功率因素变边界的均匀设计法进行试验设计选取样本,并验证了其可行性。研究结果表明,变边界均匀设计法选取的样本用于神经网络训练,预测精度明显高于随机样本选取法。4位级变边界均匀设计法选取的样本训练得到的神经网络模型,NOx排放浓度预测误差小于3.8%,NOx比排放预测误差小4.5%。 相似文献
10.
岩质边坡稳定性影响因素分析 总被引:2,自引:0,他引:2
边坡稳定性涉及到诸多因素,引入人工神经网络预测边坡稳定性的方法——误差逆传播学习算法效果显著。边坡稳定性预测系统的输入信息包括岩土体参数、几何参数等,而输出信息则是网络预测的安全因子和稳定状态。土质边坡主要以圆弧滑移破坏为主,岩质边坡主要以楔形破坏为主,通过人工神经网络预测的结果与实际监测结果的对比分析,证实了BP神经网络在评价岩质边坡稳定性方面的效果显著。 相似文献