高速公路雾天能见度预测方法

以多要素气象检测器采集的样本数据为基础,将温度、风速及湿度作为输入变量,雾天能见度作为输出变量,分别采用三层结构BP神经网络和支持向量机非线性回归预测方法,建立了雾天能见度的预测模型;将预测结果与实际数据进行对比分析,结果表明:BP神经网络和支持向量机均能较好地预测雾天能见度,其中BP神经网络和支持向量机模型预测值与实际值的相关性分别为0.895和0.978,支持向量机预测结果的误差更稳定,表明支持向量机更适于处理小样本、非线性、维数灾难和局部极小等问题。     

斜拉桥风致振动在Ansys中的实现

使用Ansys建立了某大跨度斜拉桥有限元模型,并对该斜拉桥进行动力特征分析,得到了该桥固有频率和振型;利用谐波合成法编制Matlab程序,合成了该斜拉桥的三维空间脉动风场,得到了该桥主梁和桥塔各离散点的脉动风速时程;利用各离散点的风速时程转化为有限元模型中各节点抖振力时程,并对该桥进行了抖振时域分析,得到了该桥在风荷载作用下的动力响应结果。     

基于Matlab的BP神经网络的电控发动机故障研究

基于Matlab的BP神经网络,对电控发动机的故障进行研究。采集电控发动机故障数据,运用BP神经网络建立了故障诊断模型,并对几种常见故障进行了诊断,诊断结果表明BP神经网络在电控发动机故障诊断研究方面具有一定的实用价值。     

浅析BP神经网络算法的改进和优化

本文简要介绍了BP神经网络的缺点,着重强调了BP神经网络的算法改进,并且,利用Matlab仿真了各种改进算法的学习速度,从结果看改进后的BP神经网络能较好地解决针BP算法学习速度慢的缺点。     

基于BP神经网络的列车制动控制仿真研究

针对列车制动过程存在的复杂性、非线性、时变性、不确定性等因素,通过分析影响建立BP神经网络模型的主要因素,建立了用于列车制动控制的BP神经网络模型。以货物列车为仿真对象,在Matlab环境中进行了仿真研究。仿真结果表明,该方法控制安全性好、停车误差小,基于BP神经网络的智能算法运用于列车制动控制是可行的。     

燃料电池堆在路面振动下的神经网络模型

试验建立了一个基于Matlab神经网络工具的典型BP神经网络模型,通过垂直、纵向、横向3个方向期望输出与模型输出的误差比较,从而验证燃料电池堆的神经网络模型可以作为一种异常诊断工具。     

康定机场高填方地基工后沉降的BP预测

采用Matlab自带的BP神经网络工具箱函数建立神经网络预测模型,并对康定机场高填方地基工后沉降量进行预测。结果表明,所建模型预测与实测吻合较好。     

基于BP神经网络的SOC估算策略研究

针对传统动力电池的SOC估计方法的不足,采用BP神经网络对SOC进行预测。通过编写Matlab程序对BP神经网络进行了训练,并用所建BP神经网络模型对电池性能进行预测,获得电池SOC预测值,最大误差小于0.5%,结果满足精度要求,从而验证了所建BP神经网络能够有效的预测蓄电池电压和SOC之间的映射关系。对提高动力电池的能量效率,延长电池的使用寿命具有重要意义。     

基于遗传神经网络的锚杆承载力预测技术

结合GA算法和BP神经网络的各自优点,建立遗传神经网络,并从时程曲线中提取的动测因子代入网络中训练和测试,结果表明：训练后的遗传神经网络能够快速、准确地预测锚杆的承载力。     

平潭海峡公铁两用大桥施工海域风速预测研究

平潭海峡公铁两用大桥施工海域气象环境复杂、地质水文条件恶劣,为给大桥建设提供准确的风速预测信息,以便合理安排该桥施工调度,针对外海预报台预报数据精度不足的问题,提出采用BP神经网络法进行施工海域风环境预测。在该桥施工区域沿线建立风环境监测系统,建立外海预报台预报数据与桥址处监测数据相互映射关系的神经网络模型,精确预报该桥不同施工区域未来7d的风速,并与实测风速对比分析。结果表明:神经网络预测风速和实测风速比较接近;与实测风速相比,神经网络预测风速的误差为10%~15%。说明神经网络预测风速的精度较高,可根据其风速预报有效指导实桥的施工组织调度。     

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。     

基于灰色系统和神经网络的实时交通量预测组合模型研究

介绍了将灰色系统理论和人工神经网络模型作为预测工具所具有的优缺点,建立了单一的GM(1,1)灰色系统模型。对传统的BP神经网络模型进行改进,在权值函数中加入一个动量因子作为阻尼系数,可大幅降低其容易陷入局部极小值的可能性。同时对学习率加以改进,使其能进行自我调节,于是构建了单一的BP神经网络模型。将单一的灰色模型和BP网络模型进行有机融合,得到了灰色系统—神经网络的组合模型。为验证这3种模型的预测效果,选取某一高速公路路段的单向交通量数据,通过Matlab软件编程进行拟合和预测,发现所建的组合模型综合预测效果最佳。     

大跨柔性装饰拱顺风向抖振响应及疲劳性能研究

由于大跨度柔性装饰拱的结构刚度低,风荷载作用下诱发结构抖振应力循环变化幅度大,相比普通桥梁形式更容易引起疲劳。以海南某大桥装饰拱结构为例,根据桥址的风速记录气象资料,统计常态风速的变化规律,利用时域分析的方法,基于风速数值模拟进行抖振时程分析获得不同风速下拱结构的应力时程,采取雨流循环计数法进行统计分析得出应力幅的概率分布规律,并联系年风速的统计变化规律采用Miner线性累积损伤理论对结构进行疲劳性能评价。     

基于BP神经网络的交通事故预测模型及仿真

交通事故的发生,受人、车、路、环境、管理等多方面因素的影响,存在很大的不确定性。利用BP神经网络,建立交通事故预测模型,并用Matlab仿真,验证模型的精确性。     

城市盾构隧道施工地表沉降BP神经网络预测应用研究

基于成都轨道交通17号线明光站—九江北站区间的相关监测数据,采用了回归分析方法,利用Matlab拟合Peck法中的相关参数,对DK68+849,DK68+869断面的地表沉降进行了预测分析。同时,通过建立BP神经网络模型,调整相关的网络设置参数来调整模型的MSE值,最终得出最佳预测模型,利用训练出的BP神经网络模型对地表的最终沉降量进行了有效的预测。     

基于BP神经网络的路基工程投资估算模型

文章利用Matlab工具箱中的BP神经网络建立了路基工程投资估算模型,并利用实际数据进行测试.测试结果证明文中建立的新的模型优于现有的估算模型,从而为公路路基工程造价估算提供了一种新的有效方法.     

基于BP神经网络的中等跨径桥梁损伤识别探讨

针对中等跨径桥梁中的损伤识别不敏感问题,运用BP神经网络进行中等跨径桥梁结构损伤识别。利用MIDAS/Civil分别建立三跨连续变截面箱梁完好及不同损伤状态下有限元模型,分析桥梁不同状态下的特征值,发现中等跨径桥梁对结构损伤的敏感性依次为振型竖向位移固有频率;将参数化的结构固有频率及振型作为BP神经网络的输入、损伤位置和损伤程度作为输出进行神经网络训练,对各工况下损伤位置和损伤程度进行识别,发现识别效果较差,通过获取中等跨径桥梁的自身特性,利用BP神经网络难以识别结构损伤,需探索合适的损伤识别参数及适用于中等跨径桥梁的方法。     

基于BP神经网络的地铁车厢拥挤度预测方法

为准确预测地铁车厢的拥挤度,考虑到站时车厢的下车人数、立席面积和车厢承载量等因素,提出一种基于BP神经网络的地铁车厢拥挤度预测方法.基于调查数据和Matlab平台,构建初始BP神经网络、训练以及测试等环节,实现对地铁车厢到站时各车门下车人数的预测.以立席密度为标准进行车厢拥挤度划分,标定即将到站地铁的各节车厢拥挤度.以宁波市鼓楼地铁站为例,对BP神经网络预测方法进行验证,得到不同结构的BP神经网络预测结果.结果表明,最佳预测结果的决定系数R2为0.94,平均相对误差为0.25,预测误差在可控范围内,BP神经网络在下车人数预测上是适用的.      

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神经网络的汽车车载称重系统研究

为解决汽车超载运行和相应的运输业管理问题,本文中提出了一套基于BP神经网络的车载称重系统。通过检测车桥随载荷量变化而产生的微小变形,设计了2阶低通滤波和数字滤波算法,以提取有效载荷信息,利用BP神经网络建立载荷模型,并根据在某轻型厢式货车上进行的试装和加载试验得到的样本数据,在Matlab神经网络工具箱中,采用Levenberg-Marquardt学习算法完成了神经网络的学习、检验和预测。结果表明:预测载荷误差在5%以内,满足工程要求,方案可行。