基于BPNN-MOP模型的区域公路网合理规模预测研究

区域公路网规模是保障交通供给能力的基础,确定合理的路网规模是调节交通供需平衡的关键. 本文从路网发展数量和质量两方面,里程、密度、等级结构三项指标出发,建立了基于BP神经网络与马尔可夫链的公路网里程规模组合预测模型,并采用多目标规划方法对公路网等级结构进行了优化研究. 该方法能够充分挖掘公路网规模演变的宏观调整与微观波动规律,提高了预测的精度和可靠性. 最后本文结合实际案例,对区域特征年公路网的合理规模及结构进行了分析预测. 结果表明,组合预测方法能够较科学、客观地反映公路网发展的数量特征和质量要求,具有一定的理论价值和现实意义.     

小波神经网络在交通标志识别中的运用研究

小波神经网络 小波自80年代提出以来,理论和应用都得到了巨大的发展．小波分析的出现被认为是傅立叶分析的突破性进展。目前,神经网络的理论研究日趋深入,其重要发展方向之一,就是注重与小波、混沌、模糊集等非线性科学理论相结合。小波变换具有时频局部特性和变焦特性,而神经网络具有自学习、自适应、鲁棒性、容错性和推广能力．如何把两者的优势结合起来．一直是人们关注的问题。     

客滚船营运风险的BP神经网络评估

随着客滚船运输行业的兴起,客滚船的营运安全日益受到各方面的关注.本文利用BP神经网络评价方法,对人、船、环境、管理四要素所构成的客滚船营运风险进行评估,最终确定某客滚船具体航次的营运风险.经过验证,基于BP神经网络客滚船营运风险评估方法与实际相符,为客滚船风险评估提供一条新的途径.     

BP神经网络在船舶溢油损害评估中的应用

建立基于船舶溢油污染损害评估的BP神经网络,借助MATLAB语言对该网络进行训练和仿真,并对仿真结果进行误差分析,证明使用BP神经网络对船舶溢油污染损害评估的可行性和实用性.     

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。     

基于粗模糊神经网络的高速公路路段交通事件识别

高精度、快速的高速公路路段交通事件自动识别将为合理诱导交通流,提高事故救援反应速度提供基础技术支持。设计了一个基于粗模糊神经网络的事故识别算法,用于高速公路路段交通事件识别。首先,利用粗糙集的数据约简技术提取精简的规则,得到系统的原始输入输出数据集。然后,建立交通突发事件识别的模糊神经网络系统,以交通流特征数据及其识别结果作为训练数据集进行系统参数及模糊规则的训练与确定,直到误差在控制范围之内。最后,利用VISSIM软件进行系统仿真检测,检测结果表明系统具有良好的应用性能。     

车辆横向稳定性自适应神经网络控制策略研究

设计了一种"前馈+反馈"自适应神经网络控制器,通过直接横摆力矩和前轮主动转向的复合控制来提高车辆横向稳定性。反馈控制器采用PD控制策略,以实际横摆角速度与目标横摆角速度的偏差为输入量;前馈控制器采用RBF神经网络,以反馈控制器的输出为误差进行学习,而实现自适应控制。仿真结果表明,采用上述复合控制,能有效跟踪目标横摆角速度并降低质心侧偏角,提高了车辆在高速急转向时的稳定性。     

车辆液力缓速器内腔压力特性分析及建模

基于一维束流理论推导某车辆液力缓速器内腔压力数学模型,但试验结果表明了该理论的局限性.通过对试验数据进行统计分析,更深入地揭示了缓速器内腔压力的特性.尝试采用神经网络建模,获得了较好的外推效果,并进行了试验验证.     

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。     

BP神经网络技术在斜拉桥施工控制中的应用

神经网络是一种模拟人脑结构和功能的信息处理系统。通过一工程实例,以BP神经网络技术为基础,对影响斜拉桥线形的各种参数（主梁混凝土弹性模量和容重）进行参数识别及主梁标高的预测。