MATLAB神经网络工具箱在大坝变形分析和预报中的应用

本文针对当前大坝变形监测各种方法存在的一些局限性,引进了一种较新的大坝变形分析及预测方法——MATLAB神经网络工具箱在大坝变形分析和预报中的应用.说明该模型在对大坝变形分析和预报方面所表现出来的优点,最终确认该方法是可行的.     

基于灰色BP神经网络组合模型的基坑变形预测研究

为了使得基坑变形预测在“少样本”“贫信息”的情况下依然能够得出精度较高的结果,在传统的灰色GM(1,1)模型和BP神经网络模型的基础上,进行了灰色BP神经网络组合模型的研究。通过总结2传统模型的原理和算法,归纳各自的优缺点,分析2模型在本质原理上的关系,提出了构建组合模型的方法。利用广州市轨道交通三号线燕塘站的监测数据,对灰色GM(1,1)模型、BP神经网络模型和灰色BP神经网络组合模型分别进行了检验,肯定了组合模型的优越性。     

基于神经网络模型的软基工后变形分析

基于神经网络理论和反向传播算法，建立了软基工后变形预测夯析人工神经网络模型。并借助Matlab语言进行程序设计，实现神经网络计算。结合汕汾高速公路软基工后沉降实测数据，对模型进行学习训练，并利用神经网络模型进行工后变形预测。验证表明，预测值与实测值有较好的一致性，同时也说明作为非线性科学一个分支的神经网络，由于其能以较高的精度去逼近任意非线性函数。在软基变形分析上显示出较强的实用价值和优越性。     

基于BP神经网络的基坑变形预测

基坑工程施工中,需要根据现场实际情况、周围环境、建筑安全等级等对变形进行严格控制。通过对基坑实测变形数据进行整理和分析,对未来变形量作出预测,保证基坑安全。结合BP神经网络的高度非线性映射能力,提出了一种基于BP神经网络的基坑变形时间序列预测方法。在基坑开挖过程中,采取滚动预测的方法,不断利用前期已有实测数据建模预测后期变形量,以实现信息化施工和动态控制。实例分析表明,BP神经网络模型具有较高的预测精度,并能获得满意的预测结果。     

应用灰色神经网络组合模型预测深基坑变形

将GM(1,1)模型与神经网络算法相结合建立灰色神经网络组合模型应用于深基坑工程变形预测。以润扬长江公路大桥深基坑工程的监测数据为例进行预测分析,结果表明:组合模型比GM(1,1)模型有更大的适应性,对于复杂非线性变化的数据预测精度高,可较好地预测深基坑变形。     

BP神经网络算法预测路基边坡滑坡变形的应用研究

为了准确掌握降雨量与路基边坡滑坡变形之间的关系,在对金温货线铁路K135+900～K136+400滑坡区域降雨量及路基边坡滑坡变形进行长达3年监测的基础上,采用BP神经网络算法,以前期累计降雨量和累计变形进行样本训练,建立网络关系,并以实测数据加以验证,模型能够对降雨条件下的变形演化发展做出较为准确的预测.研究成果已作...     

基于时间序列ACO-BP神经网络在基坑变形预测中的应用研究

BP神经网络技术因其良好的非线性动力学特性、函数逼近能力、自组织和自适应能力,已广泛应用于基坑变形预测中。但实际应用过程中发现BP神经网络具有收敛速度慢、初始权阈值对计算结果影响较大,且易陷入局部最优等缺陷。采用引入具有启发式寻优、全局优化特点的蚁群算法优化BP神经网络,对基坑变形进行预测,并与BP神经网络进行比较。结果表明:ACO-BP神经网络模型预测基坑变形可行;预测精度高于BP模型,且结果稳定、速度较快、误差满足工程的要求。     

基于投影寻踪神经网络模型的短时交通量预测研究

准确有效地预测短时交通流量是实施交通诱导及控制的前提与关键,但由于短时交通流量具有高度复杂性、随机性、非线性和不确定性等特性,导致预测难度高、准确度低、实时性差。基于此,文中综合利用投影寻踪技术和BP神经网络的优点,提出了运用投影寻踪回归模型和BP神经网络技术相结合建立组合模型的预测方法,并编写出模型的算法程序。将该组合模型应用于路段短时交通量的实时预测实例,实验结果证实该组合模型具有较好的预测能力和较强的时效性。     

基于BP神经网络模型的人才考核评价研究

人才工作考核评价是对人才素质、业绩和人才价值的综合测评。多年的人才管理工作实践表明,引入科学的人才评价体系是人才资源有效开发的前提和开展人事人才工作的基础。本文从"素质、能力和贡献"3个角度提出人才考核评价的指标体系,并引入BP神经网络模型,提出了BP神经网络模型在人才考核评价中的工作程序和原理,为今后人才考核评价的研究提供了相关依据。     

基于神经网络的简支梁桥预应力衰减评估模型

以后张法室内模型梁受弯全过程试验采集的数据为样本,研究了预应力混凝土桥梁有效预应力与各主要影响因素之间复杂的非线性关系,应用改进BP神经网络建立了混凝土桥梁服役期内预应力衰减的神经网络评估模型。该模型以受弯梁全过程P-Δ理论曲线为依据,构造了基频衰减率（IFDETR）、变形指标（IDISP）、混凝土应变变化率（ICSV）、钢筋应变变化率（IRSV）4种归一化指标作为网络输入值,以计入时变效应的预应力衰减率指标（IEPDR）作为网络输出值。测试样本的评估结果表明,误差小于1%的测试样本数在样本集中所占的比例大于85%,且误差均小于单因素回归方法。     

基于灰色神经网络组合模型的水上交通事故预测

水上交通事故预测是水上安全的重要组成部分,目的是为了掌握水上交通事故未来的发展状况,为管理决策提供重要的理论依据。运用灰色神经网络组合模型对水上交通事故量进行预测,运用灰色模型对水上交通事故进行模拟,将结果和原始数据进行对比,计算出残差。运用BP神经网络模型对残差进行修正,得到最终预测的结果。仿真得到的2012年和2013年的水上交通事故预测量分别是270和281。实践表明,水上交通事故量呈下降趋势,但有部分年份仍有回升趋势。      

基于BP神经网络的居民出行方式选择模型

以城市居民出行方式选择行为作为研究对象,分析了影响出行方式选择行为的主要因素,利用BP神经网络可以自动获取研究对象的输入、输出间关系和较强的学习训练特性,建立了基于BP神经网络的居民出行方式选择模型,并通过2009年济南市居民出行调查数据对模型进行了实例分析。结果表明：BP神经网络模型能够较好地描述居民出行交通方式选择行为。     

基于神经网络的发动机稳态模型研究

发动机稳态模型是研究汽车动力传动系统的基础。利用神经网络具有高度非线性的特点建立了发动机稳态模型，即发动机稳态工况下扭矩、油耗与油门开度以及转速之间的关系，并以桑塔纳２０００型电喷发动机为例进行了说明。     

基于BP神经网络基坑支护结构变形预测研究

为了精确的预测佛山某建筑基坑变形情况,提出了一种BP神经网络多数据纵向预报方法,选取前三次的多个测点数据进行预处理,然后再对BP神经网络分析、训练、测试,并分析隐含层数对预测精度的影响,通过对比试算确定隐含层数目,最终达到能够高精度预测基坑支护结构水平位移和沉降。结果表明:所提出的方法可以精确地预测基坑变形,对工程建设具有一定的参考价值。     

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。     

基于BP神经网络轻型轿车排放模型的应用

本文利用BP神经网络理论,构造一个预测轻型轿车排放的BP神经网络模型,经验证,预测模型能较好地对一般轻型轿车排放结果进行定性预测,可以作为简易稳态工况法(ASM)尾气检测前的参考,对节约检测成本、提高一次检测通过率有着较高的实用价值;同时以南京市为例,研究了轻型汽油车行驶里程、使用年限等参数对排放的影响,为有针对性的维修治理提供可靠的依据。     

基于BP神经网络的隧道渗漏水等级评定模型研究

由于隧道渗漏水的普遍性和严重危害性,隧道渗漏水已成为隧道工程建设和维护的一大关键课题。针对我国隧道渗漏水的现状,通过综合分析影响隧道渗漏水的各种因素,找出影响隧道渗漏水的主要因素,提出包括隧道设计施工因素、防排水工程措施、围岩及地下水情况、自然地理情况4个一级指标共10个因素的评价指标集,构建基于BP神经网络的评价模型,并验证该模型的可靠性。该方法为进一步提高隧道渗漏水等级评价的精确度提供新的思路。     

轮胎静力学模型——神经网络模型

提出了以神经网络（ＡＮＮ）模拟轮胎特性的新方法，并将神经网络的拟合结果与指数模型拟合的结果进行了比较。同时也介绍了有关神经网络应用的基本方法。     

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.     

基于BP神经网络的隧道周边位移安全监测模型

针对隧道周边位移安全监测的需要,考虑了施工对周边位移发展的影响,基于改进的BP神经网络建立了隧道周边位移的预测模型,结合茅山隧道工程,用动态建模法进行了模拟预测,结果表明该模型具有预测时间早、预测精度高的优点。