基于神经网络的交通事故预测

提出了交通事故预测的新方法－改进型BP神经网络，运用该网络对我国交通事故进行了预测分析。     

内河船舶主船体结构设计应注意的若干问题

从船舶设计与建造的角度介绍内河船舶主船体结构方面的有关知识，就船体结构设计中应注意的若干问题进行探讨。     

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。     

基于神经网络的中国汽车保有量建模与预测

利用改进的BP神经网络对中国2000年，2005年，2010年的汽车保有量进行预测，并与灰色预测的结果进行对比，结果表明，由于神经网络具有很强的学习与泛化能力，因此在处理具有一定程度不确定性的非线性系统的建模与预测方面，神经网络有很好的应用价值。     

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。     

基于神经网络混沌时间信号的预测

针对混沌时间信号具有短期预测的特点，文章提出用神经网络构成的网络模型对混沌信号进行预测。实验结果表明：这种方法预测的结果误差小于传统参数模型的预测误差，在同等条件下，指数越小，预测效果越好     

基于神经网络的我国汽车保有量建模与预测

利用改进ＢＰ神经网络对我国２０００年、２００５年、２０１０年的汽车保有量进行预测，并与灰色预测的结果进行对比，结果表明，结果表明，由于神经网络具有有很强的学习与活化能力，在处理具有一定程度不确定的非线性系统的建模与预测方面有较好的应用价值。     

基于BP神经网络的短时交通流预测

对比分析短时交通流预测模型,对BP神经网络预测算法的原理进行分析说明,用BP神经网络建立短时交通流预测模型,利用华南快速路的实测交通流数据来验证模型的可行性。     

基于遗传神经网络的交通流量预测研究

针对BP神经网络用于交通流量预测时存在的不足,采用遗传算法优化BP神经网络初始权值的方法来提高BP网络的性能.应用改进前后的BP神经网络模型对长沙市具体路段的交通流量进行预测,通过预测结果对比,发现经遗传算法改进后的BP神经网络在降低预测平均误差的同时,迭代次数也比标准BP神经网络大大减少.     

基于改进神经网络的路基沉降预测

为克服路基沉降预测方法的缺陷和传统BP神经网络存在的不足,采用Levenberg-Marquardt算法改进了BP神经网络的收敛性,建立了路基沉降预测模型。结合津秦客运专线路基沉降实测数据,将该优化模型与传统的BP神经网络预测模型进行了对比,计算结果表明改进后的BP神经网络在路基沉降预测中精度最高,取得了好的效果。     

基于遗传神经网络的货运量预测的研究与实现

针对BP网络和遗传算法的缺陷，提出了一种新的遗传神经网络优化模型，可以用来同时优化BP神经网络的网络结构和权值阈值，叙述了该算法的设计过程。利用该算法对货运量进行预测，并与标准的BP算法预测结果进行比较，计算结果表明，该算法的预测精度大大高于标准的BP算法的预测精度。     

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BP神经网络的发动机排放预测

选用运转参数中的转速和功率(负荷)为变量,对丰田Prius混合动力电动汽车的发动机进行了神经网络排放建模。通过对建立的BP网络进行训练和测试,模型能较好地预测排放性能,并对排放的实时测量和控制提供了一定的依据。     

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BP神经网络的高速公路动态交通流预测

以高速公路交通流预测为研究对象,建立了基于BP神经网络的参数动态修复交通流预测模型。以高速公路宏观动态交通流模型为原型,利用分段辨识法分析了高速公路交通流特性。对BP神经网络层数和神经元的确定,以及转移函数的优化选择进行了深入研究,并给出了基于BP神经网络交通流预测模型的建模方法。对西宝(西安-宝鸡)高速公路交通流实时数据进行了采集、建模和仿真。通过仿真结果与实际结果比较,验证了该模型具有较高的可信度。     

基于GA-BP神经网络的汽车空气阻力系数预测研究

针对整车空气动力性能开发中数值计算耗时长的问题,提出一种基于GA-BP神经网络的汽车空气阻力系数预测方法。将汽车部分特征参数作为输入变量,经外流场仿真得到的空气阻力系数作为输出变量,获取数据集。采用遗传算法对BP神经网络进行参数寻优,最终建立基于遗传算法的BP神经网络模型,验证不同训练集数量对模型预测精度的影响。结果表明,GA-BP神经网络在训练样本较少时也能维持较高的预测精度,可用于汽车空气阻力系数的快速测。     

基于过程神经元网络与遗传算法的交通流预测

高速公路变通量预测对于高速公路建设和管理具有重要的指导作用。针对传统预测方法准确性低、预测时间长等问题,建立了遗传过程神经元网络优化模型,该模型既利用遗传算法全局搜索、快速收敛的优点,又利用过程神经元网络非线性描述、自学习自适应的优点,并以实际道路为例进行计算机仿真,实证分析的结果表明,该方法能够有效提高交通量的预测精度。     

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。     

基于人工神经网络的岩爆烈度预测研究

岩爆是高地应力岩石地下工程中的一种常见灾害,岩爆预测是岩爆研究中的重要研究课题。本文选取围岩最大切向应力与岩石抗压强度的比值σθ σc、岩石抗压和抗拉强度的比值σc σt和岩石弹性能量指数Wet作为评判指标,采用人工神经网络理论,根据给定的岩爆烈度分级标准构造学习样本集,建立了一种新的岩爆烈度预测模型。工程实例表明,所建议的模型预测精度高、通用性强,在岩爆烈度预测中具有良好的应用前景。     

散货船装载仪软件的设计和实现

论述装载仪软件的设计原理及关键技术，如插值、空船重量及可变重量分布的计算、浮力计算及货物重量计算的原理及方法。以Windows为操作系统，采用VB．net和SQL Server开发出散货船装载计算软件，可进行船舶稳性和船舶总纵强度的计算与校核，可通过实测首尾吃水，计算船舶纵倾下实际排水量及装货量。