基于径向基函数神经网络的交通量预测

采用了径向基函数神经网络进行未来年的交通量预测,它具有收敛速度快、唯一最佳逼近且无局部极小等优点.在进行交通量预测时,选取公路里程、汽车保有量、国民生产总值、国民收入和人口作为交通量影响因子,通过2个网络模型,在输出层输出该年的预测交通量.     

基于径向基函数神经网络的交通量预测

采用了径向基函数神经网络进行未来年的交通量预测,它具有收敛速度快、唯一最佳逼近且无局部极小等优点。在进行交通量预测时,选取公路里程、汽车保有量、国民生产总值、国民收入和人口作为交通量影响因子,通过2个网络模型,在输出层输出该年的预测交通量。     

基于QPSO—RBF的交通量预测方法研究

实时、准确的交通量预测是实现动态交通流控制及诱导的前提和基础,为了更好的对其进行预测,在分析径向基函数(RBF)神经网络预测模型的特点和标准粒子群优化(PSO)算法缺陷的基础上,将量子粒子群优化(QPSO)算法的全局搜索能力与RBF神经网络的局部优化相结合,克服了标准PSO算法收敛不稳定性和RBF神经网络易陷入局部极小值的缺点,并建立了QPSO-RBF的交通量预测模型.仿真实例结果表明,提出的预测模型预测精度较高,具有较强的学习能力和预测能力,对于交通量预测具有一定的可行性和有效性.     

新老砼粘结强度的灰色预测

新老砼粘结强度值对于砼结构的应力分析、强度设计、裂缝控制及耐久性等方面都有很重要的作用 ,而新老砼粘结强度长期值通过试验测定需要很长时间 ,往往不能满足工程设计和计算的需要。文中用灰色理论预测新老砼的长期粘结强度 ,使得长期粘结强度的预测过程建立在严格的数学基础上 ,且预测值的精度能够满足工程需要。     

RBF神经网络在隧道围岩变形预测中的应用

在预测隧道围岩变形的过程中,运用神经网络的方法,建立非线性的预测模型,结合张涿高速公路林里隧道的变形实测数据,借助MATLAB 7.1平台,模拟了隧道围岩的变形过程;实验结果表明：RBF神经网络方法在隧道围岩变形的预测中,具有运算速度快,预测精度高,模型稳定可靠的特点,在隧道施工过程中,能够有效的辅助施工控制,提供预测报告。     

RBF神经网络在油田累计产量系统的建模和预测中的应用

在k-mains聚类分析方法的基础上,提出一种新的聚类方法,将其与最小二乘法相结合,不仅提高了RBFNN模型的精度和运算速度,而且可以动态的决定RBFNN的结构.在此基础上,提出了对RBF中心建模的方法,并将其应用于油田累计产量系统的建模和预测,结果表明这些方法是有效而适用的.     

砖砼再生砼强度性能及其强化研究

在研究砖砼再生粗集料基本物理性能及化学强化后性能的基础上,开展砖砼再生砼强度性能及其化学强化试验,研究水灰比、砖含量及化学试剂处理对砖砼再生砼立方体抗压强度和劈裂抗拉强度的影响。结果表明,再生砼的强度比普通砼有较大下降,不满足设计要求;水灰比增大导致砼强度降低,水灰比大于0.48后强度剧减,建议以0.48为其上限;再生砼的强度随砖含量增加先增大后减小,砖含量为20%时可获得较高强度;经盐酸和水玻璃处理的再生砼强度提高较大,而有机硅树脂使再生砼强度降低。     

基于RBF神经网络识别路面谱的新方法

路面不平度是车辆行驶中振动的重要激励。为了识别路面不平度的功率谱密度函数(路面谱),提出了一种基于径向基函数(RBF)神经网络识别路面谱的新方法。该方法以7自由度汽车振动模型为基础,以MATLAB软件仿真得到的汽车车身质心垂直加速度谱为神经网络理想输入样本,以GB7031-86建议的路面谱为神经网络理想输出样本,应用RBF神经网络建立汽车车身质心垂直加速度谱和路面谱之间的非线性映射模型。另取一组仿真得到的车身质心垂直加速度谱代入已训练好的网络进行路面谱识别。结果表明:该方法具有较强的抗噪声能力和较理想的识别精度,识别的路面谱与拟合的路面谱吻合一致。     

基于RBF网络的混凝土抗压强度的预测

为了预测混凝土的抗压强度,在分析RBF神经网络原理的基础上提出了用RBF神经网络模拟抗压强度与各影响因素间关系的方法。根据搅拌机的实际工作状况,建立了4个输入节点、1个输出节点的RBF神经网络模型,通过19组试验,验证了模型的可靠性。结果表明,实测结果与预测结果相接近,RBF神经网络模型是一种较准确的快速预测混凝土抗压强度的方法。     

基于RBF网络的动态称重系统设计

针对动态称重系统中数据处理的复杂性．利用径向基函数网络对系统进行了非线性建模，并通过仿真表现出良好的精度。章首先对径向基函数网络的拓扑结构以及径向基函数中心的选取、计算进行了介绍，然后从硬件和软件上对如何实现动态称重仪的设计进行了简述。     

基于RBF优化控制氢燃料发动机点火提前角

基于RBF神经网络构建氢(H2)燃料发动机最佳点火提前角优化模型,对点火提前角进行优化控制,改善H2燃料发动机动力性、经济性以及排放性能。试验结果表明,该模型能预测H2燃料发动机最佳点火提前角,并可以大大减轻标定试验工作量。     

基于GA、RBF和改进Cao方法的空中交通流预测方法

针对传统空中交通流量预测方法精度不足、时效性差的问题,考虑空中交通流量时间序列的混沌特征,在相空间重构理论的基础上,研究了结合遗传算法（GA）、径向基（RBF）神经网络与改进Cao方法的空中交通流量预测方法。为降低传统Cao方法人为参数选择引入的误差,提高相空间重构精度,通过判定虚假邻近点,以及迭代比较嵌入维度离差和可接受偏差,确定重构相空间嵌入维度值的选择标准,进而得到重构后的空中交通流量时间序列数据;为提升径向基神经网络预测精度并降低参数误差,使用遗传算法优化RBF神经网络的中心矢量、加权系数和输出层阈值,再通过最优系数标定后的神经网络对重构后的时间序列进行预测;利用实际空中交通流量数据进行仿真以验证方法的有效性,并结合最大Lyapunov指数和预测结果分析了预测的时效性以及时间尺度对精度影响。结果显示：①改进后的预测方法具有更好的非线性拟合能力,提高了交通流量时间序列的预测精度;②以5 min时间间隔预测为例,相比传统RBF神经网络,改进方法的平均绝对误差、均方误差以及平均绝对百分比误差分别降低了19.44%、34.78%和27.21%;③相比反向传播（BP）神经网络和长短期记忆（LSTM）神经网络,所提方法的平均绝对误差分别降低了36.20%和16.10%,运行速度分别提高了27.42%和35.00%。综上所述,所提方法能更好地解析系统的混沌特性,提升空中交通流量预测精度与速度。     

基于薄板翻边回弹试验的RBF神经网络模型

对薄板内凹、外凸翻边进行了回弹试验，借助混合水平的正交试验设计方法从试验数据中选择训练样本，建立了同弹的径向基函数神经网络模型。分析了训练样本集的大小对模型误差的影响，指出在训练样本不少于14个的情况下，模型具有较高的顶测精度。     

基于 QPSO-RBF 的交通量预测方法研究

实时、准确的交通量预测是实现动态交通流控制及诱导的前提和基础,为了更好的对其进行预测,在分析径向基函数(RBF)神经网络预测模型的特点和标准粒子群优化(PSO)算法缺陷的基础上,将量子粒子群优化(QPSO)算法的全局搜索能力与RBF神经网络的局部优化相结合,克服了标准PSO算法收敛不稳定性和RBF神经网络易陷入局部极小值的缺点,并建立了QPSO-RBF的交通量预测模型.仿真实例结果表明,提出的预测模型预测精度较高,具有较强的学习能力和预测能力,对于交通量预测具有一定的可行性和有效性.     

贫砼基层强度特性分析

贫砼以其较高的强度和刚度、良好的抗冲刷性和耐久性而被广泛用于道路基层.文中通过试验,分别对振捣式贫砼、碾压式贫砼进行了抗压和抗折强度特性分析研究,得出了贫砼的抗压、抗折关系以及不同粉煤灰掺量下贫砼的脆性.     

关于贫砼强度影响因素的试验研究

贫砼是由粗、细级配集料与一定水泥和水拌和而成的一种砼,其水泥用量较普通砼低,与水泥稳定碎石、二灰碎石等常用半刚性材料相比,它具有较高的强度、刚度和整体性,抗冲刷、抗冻性以及抗疲劳性能良好。文中通过抗压强度、弯拉强度及弹性模量试验研究水泥及粉煤灰用量对贫砼强度的影响。     

石粉对低强度砼强度和抗渗性的影响机理研究

石料生产过程中会产生很多石粉。为了很好地分析石粉对低强度等级砼性能的影响,探讨砼用石粉含量的限值,达到强度设计和抗渗性的要求,文中以南宁外环路房建标的 C25、C20砼实体工程为基础,探讨了掺入减水剂对砼抗渗性、强度的影响,分析了机制砂中石粉含量对砼强度和抗渗性的影响规律。     

高性能砼的配制与施工

高性能砼是满足特殊性能和匀质性要求的砼,具有高强度、高工作性、高抗渗性和优良体积稳定性等特点.文中说明了高性能砼的工程意义,介绍了其主要材料、生产和施工方法.