基于神经网络的出行目的推算研究

出行目的是交通出行的关键属性和重要内容,其对分析交通行为具有关键作用。随着被动数据的不断获取,通过数据挖掘方法推算出行目的既弥补了被动数据的缺陷,也可为进一步分析交通行为提供完善的数据基础。本文通过总结国内外学者在交通出行目的推算方面的研究经验,基于现有的调查数据,采用神经网络方法进行出行目的推算,推算的出行目的的准确性达到86%,在此基础上分析了对模型具有显著影响的因素,由此得到在出行目的推算中的关键因素为时间和空间变量。     

基于改进神经网络算法的舰船操纵性能预报系统

针对传统舰船操纵性能预报系统预报精度低、稳定性差、效率慢等弊端,设计一种新的基于改进神经网络的舰船操纵性能预报系统。对标准神经网络算法容易陷入局部最优解的不足进行改进,用共轭梯度法取代原梯度下降算法,介绍了改进后的神经网络算法。通过矩阵方式对舰船操纵稳定性的构成进行描述,利用改进的神经网络算法设计舰船操纵稳定性预报系统。实验结果表明,所设计系统预报精度高、稳定性强、效率快,能有效完成舰船操纵稳定性的预报。     

正交异性组合桥面构造优化

正交异性组合桥面由于其较好的抗疲劳性能和静力承载能力、相对较轻的自重近年来在实际工程中得到较多应用。正交异性组合桥面通常由正交异性钢板和混凝土层组成,在加入混凝土层后结构刚度发生较大变化,若正交异性板仍采用传统正交异性钢桥面的构造形式将会造成不必要的钢材用量和焊接量增加。采用遗传算法,以单位面积造价最小为目标,结合现有规范考虑了构造约束和承载能力约束两类约束条件,采用两种应力控制方案,对不同桥面板跨度和混凝土厚度的正交异性组合桥面的构造进行优化。同时解决了构造改变导致荷载分配改变对承载能力分析造成的影响。优化结果表明,桥面跨度4.5m时,与未优化组合桥面相比,优化方案用钢量可降低1.7%~10.1%,焊接量可降低16.5%~31.8%。     

基于神经网络的车辆急加速工况驾驶性评价研究

针对驾驶性评价中主观评价一致性差及客观评价无法反映人体主观感受的问题,基于对急加速工况的特点分析,构建了急加速工况的驾驶性客观评价体系,并使用BP神经网络搭建驾驶性主观评分预测模型,建立主客观评价间的映射关系.最后,通过实车试验得到驾驶性主客观评价数据集,对神经网络进行训练和测试.结果表明,预测模型的整体准确率在95％...     

大数据背景下的船舶管理风险评估

船舶安全管理工作对于保障船舶安全航行起着十分重要的作用,传统方法如层次分析法、模糊评估法难以对船舶的管理风险进行科学的评价。为了提高船舶的管理风险评估精度,构建了粒子群算法优化RBF神经网络的船舶管理风险评估方法,首先利用粒子群算法对RBF神经网络的参数进行优化,然后利用优化的RBF神经网络对船舶管理风险进行评估,最后进行仿真测试,实验结果表明,本文方法的评估精度比对比方法的评估精度更高,同时耗时更少,可以满足对船舶的风险进行实时监控与管理。     

基于人工神经网络的顺层偏压隧道变形预测

根据顺层偏压隧道工程实际监控量测数据,结合工程地质条件,基于人工神经网络,建立了顺层偏压大变形隧道人工神经网络预测模型,得到了顺层偏压隧道变形预测值。通过现场实测与模型计算预测变形值对比分析得出:人工神经网络预测模型在顺层偏压隧道大变形预测方面有很高的适用性能。