BP和RBF神经网络在边坡稳定性评估中的比较研究

通过实例分析,对BP神经网络和RBF神经网络在边坡稳定性评估中的应用进行了比较研究,结果表明,BP神经网络和RBF神经网络均能很好地对边坡稳定性进行评估,但RBF神经网络比BP神经网络的训练速度更快,效率更高,并且对于同样的精度要求,RBF神经网络对边坡稳定性的评估结果更加准确和适用。     

神经网络理论在汽车上的应用

神经网络理论的ＢＰ网络模型在汽车驾驶员建模，轮胎力学建模，悬架控制等方面的应用；应用神经网络理论解决汽车中的非线性问题。     

基于RBF神经网络桩土荷载分担比计算研究

将神经网络理论应用在桩土荷载分担比计算领域,借助自控领域信号处理的思路,利用高度的非线性拟合和预测功能,应用径向基函数神经网络的映射模式进行桩土荷载分担比的计算.经分析和实例验证,说明使用RBF神经网络来计算桩土分担荷载比是可行的.     

基于Matlab的高速公路交通流 RBF神经网络建模

通过对高速公路宏观动态交通流模型的分析,提出用Matlab神经网络工具箱建立了交通流RBF模型,讨论了RBF网络设计过程中的参数设置,仿真结果表明了RBF模型的有效性.由于Matlab提供的RBF的实现算法具有自适应确定网络结构和无需人为确定网络初始权值的优点,因此减少了网络训练的随机性,提高了训练精度.     

基于神经网络的多识别器在字符识别中的应用

介绍了一种基于神经网络的集装箱字符识别的方法.它采用了多个简单识别器融合的方法,这一方法根据不同类型识别器的特性,采用了串、并联混合的方案将它们组合在一起.与单一识别器相比,不仅大幅提高了识别率,而且缩短了识别耗时.这一方法对存在杂质时的数字和字母的识别率大于94%.     

基于神经网络训练的曲轴滚压校直系统研究

介绍了曲铀滚压校直系统的神经网络训练过程，应用MATLAB的神经网络工具箱函数，对滚压校直系统的已知量进行了大量的训练，探索了几种影响训练效果的因素。     

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。     

城市公共交通枢纽客流量预测实用方法研究

通过全面分析遗传算法和神经网络的优缺点,在充分考虑各种可量化因素的影响权重的基础上,建立了遗传神经网络模型,提出了城市公共交通枢纽客流量预测实用方法,并通过实例进行了分析验证。结果表明,该方法在城市公共交通枢纽客流量预测的应用过程中具有较强的学习能力和自适应性,,其预测的精度明显得到提高。     

基于神经网络的公路工程造价快速估算方法

提出了公路工程造价快速估算的模糊神经网络方法.计算实例表明,该方法估算公路工程造价具有方便、快捷、准确的特点,具有较高的实用价值.     

基于改进GA-BP的模糊神经网络在高速公路交通量预测中的研究

科学准确预测运营期高速公路通行量能够对运营决策提供关键性支撑,同时,对高速公路路网建设规划、国民经济评价及投资效益分析也至关重要。人工神经网络算法能够映射高速公路交通量产生与变化的非线性和复杂性规律。为了提高传统BP网络高速公路交通量预测精度,提出了改进算法,通过遗传算法优化网络初始权重,引入峰值理论和模糊算法提高网络模型对较大流量的预测准确度;将优化算法应用于网络模型,建立了基于改进GA-BP的模糊神经网络高速公路交通量预测模型;模型应用于太原市绕城高速公路长风东收费站交通量预测,将预测值与实际统计值进行对比;应用结果验证了改进神经网络模型的有效性和准确性。     

混合神经网络跟驰模型的建立

将混合神经网络模型(CNNM)应用于跟驰模型的建立。进行基于车载高精度GPS的跟驰试验设计,并结合试验数据,介绍模型建立的原理和过程。分别建立基于BP神经网络和基于径向基神经网络的跟驰模型,并应用于混合神经网络跟驰模型的建立。模型通过实测数据对混合模型的信用值进行调整,从而组合得到较高的精确度。通过对预测效果的比较,可以发现混合神经网络跟驰模型可以取得比单一神经网络模型更好的预测效果。     

基于神经网络的发动机噪声的预测

应用神经网络技术，通过对发动机噪声试验数据的反复学习，实现发动机噪声的动态预测，取得了较满意的预测结果，为降低和控制发动机噪声提供了准确的信息，同时也为发动机动态噪声环境的仿真提供了一种有效的方法。     

基于遗传神经网络废气分析的汽车故障诊断方法研究

设计了神经网络诊断系统,并用于融合分析废气含量、发动机转速、氧传感器信号及某些工作状态信息诊断汽车故障.设计方法为应用遗传算法的复制、交换、变异过程代替BP网络的反向传播过程,并对遗传算法进行改进研究.实践证明,这种基于遗传神经网络方法的故障诊断系统具有收敛速度快、推广性能强的特点,提高了汽车故障诊断系统的效率和准确性.     

基于神经网络BP算法的出租汽车保有量预测法

介绍了出租车保有量神经网络预测模型的建立.以南京市的实际数据为检测依据,论证了该模型应用于城市出租汽车保有量预测的可行性,并对该市2005～2008年的出租汽车保有量进行了预测;该预测模型与传统模型进行预测对比的结果表明,由于神经网络在处理非线性系统方面的优越性,该预测模型在交通预测方面具有较高的计算精度.     

人工神经网络在桥梁结构等级评估中的应用

介绍了径向基函数神经网络和BP神经网络模型的特点 ,提出了基于神经网络的桥梁结构等级评估方法 ,讨论了这两种神经网络模型的误差及其收敛速度     

基于BP神经网络的路面不平度识别

将BP神经网络作为识别路面不平度的工具,确定了用于识别的评价指标。建立了前后轮路面不平度滤波白噪声模型和汽车平顺性4 自由度平面模型,通过仿真获得车辆响应和前后轮路面不平度,作为BP 神经网络的输入和输出。采用3 层BP 神经网络识别路面不平度,先后构造了44 种车辆响应输入方案进行训练和测试,通过评价指标选出最优输入方案。研究结果表明,在车辆行驶的常用路面和车速条件下,识别前后轮路面不平度的最优输入方案由车轮垂直加速度、车轮垂直位移和悬架动挠度组成。     

基于广义回归神经网络的磁流变减振器模型辨识

根据磁流变减振器的非线性特性,提出磁流变减振器广义回归神经网络(GRNN)模型辨识方法,利用台架试验获取的力学特性数据,建立磁流变减振器广义回归神经网络正、逆模型,并与反向传播神经网络(BPNN)模型进行比较.结果表明:通过合理选取网络变量并优化光滑因子,GRNN模型能准确预测磁流变减振器的阻尼力和控制电流,其正、逆模型辨识精度优于BPNN模型.此外,GRNN还具有结构简单、快速收敛等特点,为磁流变减振器的准确建模与控制提供了重要手段.     

基于小波神经网络的隧道变形预测模型研究

针对单一模型在隧道变形预测上精度不高的问题,提出了一种基于小波分析理论的神经网络模型,该模型克服了BP神经网络模型存在的收敛速度慢、结构设计盲目、易陷入局部极小点的缺陷,通过将该模型与时间序列模型、Levenberg-Marquardt法BP神经网络模型、遗传神经网络模型预测的结果比较,可以看出小波神经网络在隧道的变形预测中网络结构更简单、收敛速度更快、预测精度更高。     

零件加工质量检测技术研究

文章研究零件加工质量在线检测的方法和关键技术。在分析在线检测工件尺寸和表面粗糙度检测方法及特点的基础上,建立检测工件尺寸的神经网络和检测表面粗糙度的模糊神经网络,并且建立了零件加工质量在线检测系统。实验表明该方法能够正确地实时检测工件的尺寸变化和工件表面粗糙度。     

基于神经网络客流预测的高峰期公交时刻表优化

为了加强公交发车时刻与高峰期客流需求波动间的协调性,需要依据实时客流需求进行时刻表优化.根据IC卡采集到的上车乘客数据,分别采用BP神经网络和RBF神经网络算法预测计算得到断面客流量.兼顾优化决策和评价模型,设计完善了基于客流预测的公交时刻表动态优化流程.计算文山市公交线路客流数据,发现案例中采用RBF神经网络预测得到的断面流量精度较BP神经网络高出4.9%.基于RBF神经网络和BP神经网络预测客流需求优化的公交时刻表与现状运行时刻表相比,乘客出行成本分别降低了4.11%和1.35%,企业运营成本分别降低了7.06%和4.60%.定量验证了动态优化方法的可行性和有效性.