应用神经网络预报桥梁可靠度的方法

桥梁的失效概率分析一直是桥梁工程界研究的热点,神经网络是近年来发展起来的新的系统模式识别方法,应用神经网络预测桥梁的可靠度—失效概率,在国内外研究的很少,在此通过应用BP神经网络很强的容错性和鲁棒性,善于联想、综合和推广的特点,利用原有的非线性功能函数产生学习样本100组,检验样本50组,建立三层网络结构,通过基于BP神经网络的Monte-Carlo法和Monte-Carlo法的对比分析,说明BP网络能很精确地逼近该功能函数,即使该功能函数具有强非线性。神经网络具有成熟的数学理论基础,在桥梁工程中具有良好的应用前景。     

基于小波网络的船舶柴油机燃油系统故障诊断

采用小波变换和BP神经网络的辅助式结合,通过小波变换提取故障特征向量作为BP神经网络的输入值,设计并组建了小波神经网络;利用小波变换模极大值分析高压油管燃油压力信号的奇异性,提取故障特征向量;根据故障采集数据并建立学习样本,通过网络训练建立BP神经网络输入和输出间良好的非线性映射,进而通过特征向量输入BP神经网络来诊断故障。实验数据分析表明:该方法具有良好的诊断效果。     

神经模糊系统在船舶危险度中的应用

在海上交通工程学的最新研究成果的基础上，提出了用一种神经模糊系统计算船舶碰撞危险度的方法．利用人工神经网络的优势，将模糊系统构造成一种神经网络系统，可有效地解决船舶智能避碰系统中模糊规则难以获得的问题．通过实验仿真，系统获得了较为满意的数据．     

基于动量BP算法的过渡段路基沉降预测

利用动量BP算法改进了BP神经网络的收敛性,建立了过渡段路基沉降预测模型．该模型可克服传统BP神经网络收敛速度慢、易陷入局部最优等的缺点．结合津秦客运专线路桥过渡段路基沉降实测数据,将该优化模型与传统BP神经网络预测模型进行了对比．计算表明,利用动量BP算法改进的神经网络具有较高的预测精度,同时考虑了多个影响因素,因而具有广阔的应用前景．     

基于BP神经网络的汽车制动系故障诊断方法研究

为了更好地研究汽车制动系故障诊断方法,在汽车制动系统故障因果关系分析的基础上。利用BP神经网络相关理论,确立了汽车制动系故障神经网络模型结构,建立了3层BP网络模型。进一步应用Matlab软件对模型进行了计算实现,并对计算结果进行了分析,结果表明该模型适用性强、效果良好。     

BP神经网络在解决电力消耗问题中的应用

由于BP神经网络在解决非线性复杂系统中存在很大的优势,以江西省1991—2011年人口、经济和耗电量等数据为研究对象,利用BP神经网络构建耗电量预测模型。模型一利用1991—2009年人口、经济和耗电量等数据作为训练样本,以2010—2011年作为测试样本来验证网络的准确性,再根据历史人口、经济等数据来预测历史耗电量;模型二采用传统的多元回归分析法,对非线性多元函数进行多元线性回归,通过回归模型得到的参数来预测耗电量。结果表明,模型一收敛性较好,所得预测结果绝对误差较小,而模型二传统方法得到的预测结果误差较大,因此,利用BP神经网络预测的结果具有非常大的参考价值,证明BP神经网络应用在电力消耗中的应用是可行的。     

基于模糊神经网络的非线性动态系统建模

根据在柴油机试验中得到的输入和输出数据,利用一种模糊神经网络--自适应神经模糊推理系统(ANFIS)建立了描述柴油机动态性能的T-S模糊模型.利用Matlab的模糊工具箱进行仿真,结果表明,该模型可以准确地描述柴油机在整个工作范围内的动态性能.并将ANFIS与BP神经网络做了比较,分析了ANFIS在参数收敛速度及建模精度上的优越性.该模型将被用于柴油机控制系统的性能分析和控制方案设计中.     

基于遗传算法(GA)优化BP神经网络的船舶交通流量预测

为了提高船舶交通流量的预测精度,在BP神经网络的基础上,结合遗传算法(GA)建立一个新的预测模型.该模型利用GA自适应搜索能力和较快的收敛速度,进而确定BP神经网络中的最优权值和阈值.以青岛港2011—2019年船舶交通流量统计数据为例,进行仿真实例验证.结果表明,与传统的BP神经网络相比,该模型能显著地提高船舶交通流量的预测精度,用于预测船舶交通流量具有一定可行性.     

基于 SVM 的出行方式特征分析和识别研究

基于智能手机采集的居民出行轨迹信息,分析了不同出行方式的特征,利用支 持向量机进行了出行方式识别研究.首先探讨了利用手机软件所能检测和记录的参数,进 而从出行轨迹和特征参数两个方面对出行方式特征进行了分析,探讨了不同出行方式两 两可分的关键变量,提取用于识别不同出行方式的特征向量,最后建立了径向基核函数 支持向量机（SVM）分类器.利用从大连市出行轨迹数据获取的出行方式样本,训练了该 支持向量机,并且以决策树、BP 神经网络为对照.结果表明,SVM 识别精确度为 89.6%,BP 神经网络为 85.5%,决策树为 77.3%,SVM 具有更好的识别性能.     

船舶漂流分析平台开发的研究

在失控船舶的漂流分析中最重要的部分就是建立各种计算的数学模型和数据计算．由于这些模型的复杂性，使得数据的计算困难，难以作进一步处理．文中介绍了船舶漂流运动的数学模型，并详细地阐述了利用MATLAB的GUI开发的一个船舶漂流分析的系统平台．利用分析平台能快速得到数据和变化曲线．     

基于神经网络的振动压路机土壤压实度数据处理

应用BP神经网络数据处理,研究在振动压路机振动加速度实时检测中,振动加速度与土壤压实度之间的关系。研究结果表明:振动加速度与土壤压实度之间是正相关的,但并不是线性关系;通过BP神经网络的非线性映射可以很好的映射二者之间的关系。     

基于BP神经网络的预测模型

预测是数据分析的基本任务之一,传统方法对非线性数据的预测不易找到简单而有效的模型,神经网络的产生为处理非线性问题提供了一条新途径。文中运用智能计算技术建立了BP网络模型。通过珠江三角洲天河水文站的水位预测结果表明,BP网络模型有较好的泛化能力,预测更为可靠。     

����Hession�����Ż���NDEKF�������ʶ����ֱ��ͬ���������Hession�����Ż���NDEKF�������ʶ����ֱ��ͬ�����

永磁直线同步电动机模型的建立对研究其稳态特性、动态特性和控制策略都是非常重要的。首先，将带外部输入的非线性自回归模型展成多项式形式，然后在此基础上用残差分析法导出真实的阶次所满足的条件。为了克服神经网络结构依靠人工试凑的不足，使用基于Hession矩阵的修剪法来优化其结构。考虑到BP算法的一些固有缺点，使用NDEKF(基于节点的解耦扩展Kalman滤波器算法)来训练网络。实验证明，网络的输出结果与试验样机(永磁直线同步电动机驱动的垂直运输系统)的实际输出十分接近；同时将NDEKF与BP算法进行对比，NDEKF算法具有收敛较快、泛化能力强、不易陷入局部极小等特点。     

Relations Between Wavelet Network and Feedforward Neural Network

A comparison of construction forms and base functions is made between feedforward neural network and wavelet network. The relations between them are studied from the constructions of wavelet functions or dilation functions in wavelet network by different activation functions in feedforward neural network. It is concluded that some wavelet function is equal to the linear combination of several neurons in feedforward neural network.     

基于多源数据融合的城市出租车载客出行特征研究——以岳阳市为例

为探究城市出租车载客出行特征,在出租车GPS轨迹大数据基础上,融合居民出行调查数据、城市土地利用数据及天气数据,构建出租车载客出行量回归模型,得出出租车载客出行量与片区岗位数、天气状况、时段、片区面积有较强的相关性,而基于RBF神经网络构建的回归模型在上述4个因素的基础上增加了片区常住人口数和是否工作日2个因素.通过10折交叉验证表明,RBF神经网络回归模型的拟合效果比多元线性回归模型更好.     

基于BP神经网络的DSS焊接应力和收缩变形预测研究

针对川东造船厂化学品船建造中使用特种钢——2205双相不锈钢(DSS),在其焊接试验的基础上分别建立了双相不锈钢焊接应力和收缩变形的BP神经网络预测模型,并与多元线性回归方法进行比较,较好地模拟了焊接残余应力和变形与板厚、焊接电流、电弧电压、焊接速度等工艺参数之间的非线性关系。预测结果表明,BP神经网络比多元线性回归在预测精度和泛化能力上都有很大的提高。     

���л�·��ͨ��ʵʱ����Ԥ��ʵ��ģ��

基于BP神经网络和RBF神经网络构建了城市环路交通流动态实时预测模型，并对北京市三环路的实测交通流数据进行了预测分析。实证结果表明，该模型具有较高的精确度，算法的动态实时性也满足实际预测系统的要求，具有较好的实用性。     

基于小波和自适应模糊神经的旋转设备故障诊断

针对传统的故障诊断方法和单独使用某一种智能诊断方法的局限性,将小波分析的故障特征提取方法和自适应模糊神经网络结合起来,对旋转设备的故障诊断进行了研究;通过对电机设备进行的故障诊断仿真实验,结果表明,与单独使用神经网路方法相比,该方法可以获得更高的故障诊断精度和诊断速度。     

基于BP神经网络的某型发动机万有特性实验数据拟合

介绍了BP神经网络的基本原理,借助Matlab软件的BP神经网络工具箱函数,通过建立相应的BP网络模型,对某型发动机的万有特性实验数据进行拟合,并将拟合结果与实测值进行比较。研究表明,采用BP神经网络拟合发动机万有特性数据,能取得较高的精度。     

基于小波神经网络的路段短时交通流预测

应用BP神经网络来对路段短时交通流进行预测,预测精度和收敛速度都不是很理想,为了克服BP神经网络自身存在的非线性逼近缺陷,依据小波的时频域特征,将小波变换和BP神经网络结合起来,提出一种基于小波神经网络的短时交通流预测方法,给出了具体的网络学习算法,并结合实地调查数据进行了对比测试,分析结果证明了小波神经网络模型对短时交通流预测的有效性．