基于Bootstrap和GA-Elman的土质滑坡坡表变形区间预测

坡体变形是表征边坡稳定性最直观的指标。如何科学合理地解译其演化特征,对滑坡灾害预警防范具有重大的工程意义及科学价值。由于滑坡灾害的影响因素中,很多不确定因素都不可能完全准确地定量分析,只能从定性层面建立影响因素与坡体变形的关系,为了解决滑坡确定性预测方法中未考虑预测与数据误差的问题,量化滑坡点预测结果中的不确定因素的影响,依托滑坡坡表变形点预测方法,提出基于残差Bootstrap与GA-Elman神经网络的区间预测方法。相比于传统方法,通过变形伪数据集的建立、GA-Elman模型的迭代训练与总方差估计、ELM网络残差训练与随机误差方差估计等步骤创建的区间预测方法在预测可靠性、区间宽度、针对特殊变化坡体的预测灵活度等方面都有显著提升。利用Bootstrap重抽样模型、GA-Elman神经网络预测算法以及区间预测理论方法,建立基于Bootstrap和GA-Elman的滑坡变形区间预测模型。研究导致滑坡变形的不同影响因素、预测模型参数及置信区间等对于区间预测模型效果的影响,并运用到现场滑坡中。分析结果表明,所提出的方法可适用于现场滑坡,更好地将滑坡降雨等影响因素与坡体表观变形建立联系,为滑坡...     

基于改进的BP神经网络的产品生产成本估算

基于BP神经网络的成本估算模型,利用全局搜索能力较强的遗传算法优化BP神经网络连接权,克服传统的BP算法易陷入最小值的缺点,使模型预测性能、预测精度和泛化能力得到有效改进.以列车转向架为例,建立产品生产成本GA-BP估算模型,通过8组检测样本检验训练好的遗传人工神经网络.计算结果表明:预测值与期望值的误差小于4%,说明利用遗传神经网络模型对产品成本进行估算切实可行.     

基于BP神经网络的动车组智能化控制和诊断研究

为解决因采集数据异常导致的列车控制的误动作和误诊断问题,对基于BP神经网络的动车组智能化控制和诊断方法进行了研究,建立了基于BP神经网络的预测模型,采用列车实际运行数据进行多次训练和参数调整,获取最优网络模型,结合该模型的预测值和实际值得到最终可信值,并融入到现有列车控制逻辑中进行控制和诊断。通过实验验证,采用训练模型的预测结果与实际采集值相比具有较高准确性,能够达到预测效果。实验结果表明,采用BP神经网络模型进行状态预测,并结合相关处理策略进行列车运行控制及故障诊断具有可行性。     

部分预应力混凝土梁裂缝宽度应用BP网络计算的研究

本文利用BP神经网络模型,对部分预应力混凝土矩形截面梁裂缝宽度的计算方法进行了探讨。首先,通过理论分析,找出影响预应力混凝土梁裂缝宽度的主要因素,在此基础上,建立预测预应力混凝土梁裂缝宽度的优化BP神经网络模型。然后,针对所建模型,输入一定量的实测的预应力混凝土梁裂缝宽度数据样本,进行模型参数的训练和学习,利用人工元神经网络的特点,训练好裂缝宽度计算模型。仿真计算的结果表明,应用人工元神经网络方法,进行部分预应力混凝土梁的裂缝宽度的预测计算是可行的,而且与我国现行规范公式的计算结果相比,计算精度更高。     

基于径向基神经网络的铁路货运量预测

货运量预测是铁路运输部门一项重要工作,因此,关于铁路货运量预测理论和方法的研究一直是一个热点。但是,铁路货运量受多种因素影响,且各因素的作用机制通常不能或无法用精确的数学语言来准确描述。本文采用径向基函数(RBF)神经网络对货运量进行分析及预测。通过对1989~2002年全国铁路货运量的历史数据分析处理后,得到铁路货运量增长量的时间序列,将时间序列视为一个从输入到输出的非线性映射,引入RBF神经网络来进行非线性映射的逼近。对网络进行学习与训练仿真实验后,用2003~2004年的增长量进行模型检验,并与BP神经网络、灰色预测模型预测结果进行对比,结果表明,应用RBF神经网络对铁路货运量进行短期预测预测精度更高、效果更好。     

基于遗传小波神经网络的疲劳短裂纹演变规律研究

疲劳短裂纹的演变历程是一种非线性动力学变化过程,为对其进行深入研究,本文采用遗传小波神经网络对其进行数值分析。结合神经网络的自学能力和小波分析的快速衰减、非线性逼近特性,以及遗传算法宏观搜索和全局优化的特点,遗传小波神经网络可在综合考虑多个影响因素的情况下,反映各因素相互之间隐含的非线性特性。基于2种加载频率下光滑漏斗形圆棒试样的疲劳短裂纹复型试验及其在"有效短裂纹准则"体系下的复型膜观察结果,计算试样有效短裂纹密度和主导有效短裂纹扩展率,并运用遗传小波神经网络对其分别进行仿真模拟比较。仿真结果表明,遗传小波神经网络应用于疲劳短裂纹演化行为研究具有合理性和有效性。     

BP神经网络法预测隧道瓦斯突出的模型与实例

研究目的:目前隧道煤与瓦斯突出预测主要采用煤炭的常规接触式预测方法,如综合指标法、钻屑指标法等,但隧道与煤巷在断面大小、施工支护等方面有诸多不同,照搬煤炭预测方法并不一定能取得预期效果。本文根据煤与瓦斯突出综合作用假说,借鉴BP神经网络原理,对隧道瓦斯突出的多指标神经网络综合预测进行探讨,确定突出的评价指标,构建神经网络预测模型,通过神经网络模型的训练和回判,综合评价预测煤与瓦斯突出危险性。研究结论:(1)在综合分析突出影响因素基础上,基于瓦斯突出综合作用假说机理,提出了BP神经网络预测隧道煤与瓦斯突出危险性的方法;(2)选取瓦斯压力、地质构造、隧道埋深、煤的坚固系数、煤体结构类型及瓦斯放散初速度作为突出评价指标;(3)采集矿井突出样本进行神经网络模型的训练及回判,通过对已建成瓦斯隧道进行判别,判别结果与实际相符,验证了矿井突出样本应用到瓦斯隧道的突出预测可行性;(4)通过BP神经网络对成贵高铁7座高瓦斯隧道进行预测判别,表明玉京山隧道C5、C6煤层具有突出危险性,其他6座隧道无突出危险性;(5)本研究成果可为瓦斯隧道设计与施工提供借鉴。     

盐碱沙尘区域的接触网绝缘子动态积污与预测研究

污秽度是判定接触网运行在湿润大气下绝缘性能的重要因素。为防止污闪事故的发生,不仅需要实时监控污秽量,更需要实现对近期污秽度的预测,以便于安排时间进行清扫工作。利用污秽颗粒在绝缘表面的动态沉降模型,结合新疆区域特有的盐碱沙尘气象特点,搜取受影响区域的不同灰盐比以及各粒径颗粒在总沉降物中的占比,优化了持续积污期间的累积积污公式;以月均降雨强度、月均风速、降雨次数等九个参量为输入特征量,建立基于遗传-BP神经网络的降雨冲刷模型,比较准确预测了降水后绝缘表面的剩余污秽度;根据气象信息的预报数值和地理位置的精确经纬度,可准确定位近期将超过设定污秽等级的支柱,由此实现由状态除污到计划除污的转变。     

基于Verhulst-RBF的铁路客运量预测

为更准确地预测铁路客运量,采用灰色关联法,分析不同因素对铁路客运量的影响程度,确定主要影响因子,并将其作为预测指标,提出基于Verhulst-RBF神经网络的铁路客运量预测组合模型。基于四川省近14年的铁路客运量数据,进行组合模型测试。实验结果表明,Verhulst-RBF神经网络组合模型的预测精确度高于单一的Verhulst模型或单一的RBF神经网络模型。     

基于LSTM神经网络的地铁变压器绕组温度预测

传统的地铁状态监测系统仅能反映变压器绕组当前的温度状态及其历史温度趋势,当绕组温度超过阈值时系统报警,但不能对绕组未来的温度变化进行预测。绕组温度受设备运行功率和环境温度等多重因素影响,其变化呈现非线性和周期性,传统预测方法精度难以提升。本文基于长短期记忆网络(long short-term memory,LSTM)算法预测变压器绕组温度,选取绕组温度、环境温度、运行功率、运行电流作为输入变量,收集变压器历史状态数据构成训练数据进行离线训练,通过训练完成的绕组温度预测模型反映多重影响因素与绕组温度的变化关系。最后将算法应用于某地铁站动力变压器,收集样本数据进行训练得到温度预测模型,将测试数据输入模型中,计算绕组温度真实值和预测值之间的相对温差,分析验证算法可行性与模型准确度。结果表明：LSTM算法面对大数据量样本可充分挖掘多重影响因素与绕组温度之间的深层关系,温度预测模型可准确预测绕组温度的变化。     

炭素制品X射线图像的缺陷特征选择

针对炭素制品X射线检测图像的特点,对缺陷特征提取与选择技术进行了研究。为排除噪声干扰的影响,采用数学形态学和迭代阈值分割相结合的方法从原始图像中提取缺陷区域。在此基础上,从缺陷样本中提取19个特征值。为提高缺陷模式识别对各种噪声及干扰的鲁棒性,提出以特征组合分类能力数学模型为适合度函数,设计基于遗传算法的特征选择策略,实现了对缺陷原始特征量的优化选择。利用BP神经网络分类器及选择的特征值对缺陷进行模式分类。研究结果表明,所提出的选择方法可以用于缺陷的识别与分类。     

基于进化神经网络的超声回弹综合法火灾后混凝土强度的评定

基于火灾高温后混凝土强度的评定是判断火灾后建筑结构损伤程度、剩余承载力的重要依据,设计了一个进化神经网络模型,用遗传进化算法优化RBF网络的连接权和网络结构,并将其应用于火灾后混凝土抗压强度的评定,给出了混凝土强度测试的实验方法。研究结果表明,所提出的进化神经网络比回归计算方法具有更高的识别精度和较强的实用性。     

基于改进NARX神经网络的接触线表面不平顺与弓网接触力关联分析方法

建立弓网耦合动力学模型,采用软件MATLAB的Simulink模块对该模型进行动态仿真,获取接触线表面不平顺和弓网接触力数据;对接触线表面不平顺和弓网接触力数据进行归—化处理后,分别作为非线性自回归(NARX)神经网络的输入和输出;对传统的贝叶斯正则化算法进行改进,并采用改进的贝叶斯正则化算法进行NARX神经网络权值修正,得到改进的NARX(NARX-IR)神经网络方法;利用NARX-IR神经网络方法进行接触线表面不平顺与弓网接触力的关联分析.采用根均方误差和相关系数,对基于LM算法的BP(BP-LM)神经网络方法、基于传统贝叶斯正则化算法的NARX(NARX-BR)神经网络方法和NARX-IR神经网络方法进行性能评价.结果表明:BP-LM神经网络方法难以描述接触线表面不平顺与弓网接触力的复杂关联关系;不论在训练还是预测中,NARXIR神经网络方法的根均方误差均小于NARX-BR神经网络方法,而相关系数则大于NARX-BR神经网络方法.由此可推断:NARX-IR神经网络方法更适合于分析接触线表面不平顺与弓网接触力的关联关系.     

基于正交基神经网络的热敏电阻温度传感器非线性补偿方法

针对热敏电阻温度传感器应用中存在的非线性问题，提出了应用正交基（0BF）神经网络进行非线性补偿的方法。研究结果表明，OBF神经网络非线性补偿算法具有补偿精度高、计算量小的优点，因而是一种有效的非线性补偿方法。     

基于LM神经网络模型的机车牵引力和制动力的计算

针对传统机车牵引力、制动力计算的不足,提出了基于LM(Levenberg-Marquardt)算法的前向多层神经网络模型方法,阐述了该神经网络的结构设计,利用LM算法使得在网络结构最小、训练步长最短的情况下实现精度最优.仿真与试验的结果表明,利用该神经网络模型能较好地计算机车的牵引力与制动力,其精确性、快速性和抗干扰性都优于其他计算方法.     

轮轨几何接触点的人工神经网络快速计算方法

现有的轮轨几何接触点计算方法的求解过程较为繁琐,计算效率较低。结合迹线法构造钢轨廓形NURBS曲线权因子与轮轨接触点的几何关系,提出一种基于BP神经网络的轮轨几何接触点的快速计算方法,实现不同钢轨廓形条件下轮轨几何接触点的快速计算。实例分析表明:训练的人工神经网络能够高效准确地实现轮轨几何接触点的计算。     

基于PCA-改进RBF神经网络模型的铁路隧道突水风险评价

为了准确预测铁路隧道突水风险等级,降低隧道施工过程中的突水灾害风险,结合相关规范,在调研分析影响隧道突水灾害的风险因素集的基础上遴选13个因素构建评价指标体系。利用主成分分析法对突水风险评价指标提取主成分并实现降维,模糊C-均值聚类算法计算RBF神经网络的中心,梯度下降法修正权值和方差,并将分析后得到的主成分作为改进RBF神经网络评价模型输入向量,建立了基于PCA-改进RBF神经网络铁路隧道突水风险评价模型。最后结合天秀山隧道对该模型预测效果进行验证,评价结果与实际情况相符。实例研究表明:该模型合理可操作,相比于其他方法准确率更高、训练更快、均方误差更小,为类似铁路隧道预防突水灾害事故提供了一种新的途径和借鉴。     

大型桥梁健康监测研究进展

回顾桥梁健康监测的发展历程。介绍桥梁健康监测系统的组成、监测内容功能及特点。对信号分析与处理的传统谱分析方法与小波变换、希尔波特黄变换(Hilbert Huang)进行比较。介绍最新的信号时频分析方法希尔波特黄变换的具体算法,及其在结构参数识别、损伤识别、消除实测南京长江大桥应变信号中的对讲机干扰等方面的具体应用。对动力指纹分析法、模型修正与系统识别法、神经网络法、遗传算法5种损伤检测方法的基本原理、特点及发展动态进行概述和总结,指出神经网络技术结合遗传算法是结构损伤检测的发展方向之一。     

基于BP神经网络的砂泥岩互层地质爆破参数优化研究

砂岩、泥岩互层地质在黄土地区路基工程中比较常见,其软硬相间的特性使得爆破参数设计困难,工程实践中难以达到理想的爆破效果。本文提出一种基于BP神经网络的爆破参数优化方法,该方法以影响爆破效果的主要因素作为网络输入参数、以爆破效果作为输出参数、采用搜集的数据样本作为训练和检测样本建立BP神经网络。以通过理论计算得出的爆破参数为基础,利用正交试验法筛选出16种试验方案。基于训练好的神经网络预测爆破效果,从中选择爆破效果较好的5组方案进行试爆,并根据试爆效果确定最佳爆破方案。该方法应用于横山车站路堑工程施工,效果良好。