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。     

隧洞围岩力学参数反演

利用粒子群优化算法的全局寻优能力帮助确定神经网络的隐层神经元的数量,基于某隧洞的实测位移数据,对该隧洞的硬土弹塑性力学参数进行了反演。     

基于自适应神经网络进行的车内噪声主动控制研究

文中提出将自适应神经网络技术用于以压电陶瓷为执行元件的车内噪声主动控制研究中,通过以控制车身板件振动来降低结构的声辐射,进而实现车内噪声主动控制的技术路线,并进行了车身板件的振动主动控制试验和车内噪声的主动控制试验,取得了较好的减振降噪效果,为今后类似研究提供了参考。     

基于BP神经网络的驾驶员昼夜动态空间距离判识规律

为研究昼夜动态环境中驾驶员对空间距离判识的规律,进行了实际道路试验。随机选取32名驾驶员分别在昼、夜环境中不同深度距离和速度下,判识红、绿色障碍物的空间距离,统计并检验驾驶员对红、绿色障碍物判识距离的差异,获得判识特征值;运用BP神经网络拟合距离判识结果,分析距离判识变化规律。结果表明:BP神经网络可以很好地拟合距离判识变化规律,精度优于现有模型;绝对距离和相对距离判识结果均随速度增加而减小,随深度距离增加而增大;夜间判识距离大于白天,驾驶员对相对距离判识准确性高。     

公路地基沉降预测及其计算方法研究

为弥补公路路基沉降预测中各现有模型存在的不足,提出一种新的沉降预测模型,并给出了利用该模型进行沉降预测的解析方法和数值方法。分析了该模型的特点,说明了测量误差以及测点数对预测结果的影响。通过与其他预测方法的比较,该模型有明显的优势。结合工程实例验证了该模型的合理性,并指出解析方法在求解过程中会影响实测数据的权重,进而影响预测效果;而数值方法求解简单,方便实用,对测点数的多少要求不高,不影响实测数据的权重,预测精度较高。     

Poisson系列交通事故预测模型特点分析及应用

针对Poisson系列交通事故预测模型中的Poisson、负二项、广义负二项、零堆积Poisson和负二项等多种模型形式及验证方法进行了系统分析和总结,在此基础上结合实际工作经验总结了影响建模结果的重点因素,并进行了实例分析。研究分析表明在实际建模工作中影响建模精度的因素包括模型中变量的选择、模型类型的选择、模型函数形式的确定、因变量类型的选择等。此外,研究人员的建模经验对于最终建立模型的优劣也起很重要的作用。     

基于粗集和神经网络耦合的短时交通流预测

比较分析神经网络和粗糙集在数据处理过程中的各自优缺点,提出一种基于二者强耦合集成方式的短时交通流预测模型。首先利用粗集对获取的交通流数据进行预处理,简化神经网络训练样本数据集并通过粗集属性约简提取决策规则;其次,利用所提取的规则直接确定神经网络的隐层数、隐层节点数及节点的相互关系;最后训练神经网络用于短时交通流预测。通过与单纯利用神经网络预测的结果进行比较,发现该模型降低了网络训练时间,提高了预测精度。     

压电陶瓷的轿车车身板件振动主动控制

压电陶瓷是一种典型且应用广泛的新型智能材料,能改善汽车振动主动控制效果。文章以压电陶瓷为作动执行元件,设计了自适应神经网络控制系统,并进行了仿真分析、四边简支矩形薄板振动主动控制试验以及轿车车身板件的振动主动控制试验与研究。结果表明,以压电陶瓷为执行元件的自适应神经网络控制能够取得较好的减振效果,这不仅有助于现有轿车振动和噪声主动控制技术问题的解决,而且为其它类似应用提供了参考。     

基于卡尔曼滤波理论的电力短期负荷预测模型

为了提高超短期负荷预测的精度, 通过卡尔曼滤波理论建立了实时调度子系统的超短期负荷预测模型,并用两种方法对基本模型进行改进。利用电能管理系统记录的各交易段实际调度负荷和各竞价电厂以机组申报的竞价数据,预测未来各时段的调度负荷。通过对3种模型所预测出的电力短期负荷预测结果比较,表明对原始数据进行比例变换的预测方法更为理想。     

基于神经网络PID控制的变频恒压供水系统设计

本文就变频技术在伶俐糖厂供水系统中的应用,结合系统可靠性、实用性理论,基于当前神经网络控制技术,提出神经网络PID控制系统设计方案,实现了控制的需要。