利用BP神经网络反算土基回弹模量研究

根据三层BP神经网络和层状弹性理论体系,结合FWD研究土基回弹模量的反算。通过利用反算的土基回弹模量,比较了理论和实测土基顶面的弯沉值,从而发现所建立的神经模型有很好的识别能力和泛化能力,其模型可作为评价土基回弹模量的有效途径。     

基于SCGM(1,1)模型的灰色PID控制器仿真

一种结合传统PID反馈控制方法和SCGM(1,1)预测模型的灰色预测控制器,用来代替传统PID控制器。该控制器可根据预测精度来自动调整控制器参数,使控制器对系统响应具有适应性,该控制器可使系统获得更为优良的动态性能和鲁棒性。     

基于Takens理论和SVM的滑坡位移预测

针对滑坡变形时序非线性,数据量少的特点,引入Takens理论,采用支持向量机(SVM)建立其预测模型,建模过程中,比较了由不同核函数获得的SVM模型的性能,同时将SVM与RBF、El-man神经网络模型进行外推7步预测试验比较。结果表明:RBF核函数具有更好的工程实用价值;在有限样本情况下,SVM预测模型具有更好的准确性和泛化性,其7步预测平均误差率控制在5%以内,可见该方法在滑坡变形预测方面极具潜力。     

基于BP网络的电力系统暂态稳定性评估

本文对基于BP网络的暂态稳定进行了分析.对6机22节点系统,运用BP网络的三种算法实现对神经网络的学习和测试,根据仿真结果比较三种算法的特点.仿真结果表明,三种算法中,标准BP算法学习效果较低,快速BP算法学习效果一般,而算法学习效果最好,学习时间短,精度高,有较强的推广能力.     

基于神经网络的混凝土预制桩单桩竖向极限承载力参数分析

应用BP神经网络，对混凝土预制桩单桩竖向极限承载力进行预测，并分析了各种参数对单桩竖向极限承载力的影响。通过影响因素分析，确定了桩径、桩长、入土深度、桩侧摩阻力加权平均值、桩端阻力平均值等参数对单桩竖向极限承载力有影响。对混凝土预制桩单桩静载试验资料进行分析和取样，将包含上述参数的样本与单桩竖向极限承载力形成数据对，采用三层神经网络进行训练，输入层为各参数，输出层为单桩竖向极限承载力，建立了混凝土预制桩单桩竖向极限承载力预测模型。研究表明，所建立的模型能够有效地预测混凝土预制桩单桩竖向极限承载力，通过参数分析，能够得出各参数对单桩竖向极限承载力的影响规律，从而确定比较合理的单桩设计参数。     

公路交通安全评价系统1．0版本的开发与应用

实践证明,公路交通安全评价是提高公路安全水平的有效手段。尽管其在我国还是一个较新的课题,但已经引起相关部门的重视,国内也开展了很多安全评价方法的研究。《西部地区公路安全评价》是系统研究公路安全评价方法的一个课题。而公路交通安全评价系统1.0版本是在该课题成果基础上开发的一套实用化的工具,它包括交通基础数据的管理和事故多发段判别、规范符合性分析、事故预测、速度一致性分析、路侧危险度分级等分析模块。本文对该系统各个模块的功能进行了阐述。     

参数反分析法预测地基沉降

以乍嘉苏高速公路软土路基沉降监测数据为例，通过曲线拟合法和参数反分析法预测地基沉降。结果表明：在曲线拟合法中星野法的预测结果最好；通过与曲线拟合法比较，表明参数反分析法能够很好地预测路基的沉降。     

从淘宝网看我国C2C的发展

电子商务已成为一种主流购物方式,而以淘宝网为代表的C2C市场也呈现一片发展的大好势头,免费牌、支付工具等使得我国C2C市场茁壮成长,但是物流、诚信问题等依然存在。只有给客户提供良好的购物环境的网站,才能赢得客户和C2C市场。     

基于子波能量和神经网络分类器的机动车车型识别

为了使交通管理系统能进行可靠的机动车分类,研究了轿车、轻型越野车和货车3种机动车目标的声信号,提出了一种采用子波分解后不同尺度上声信号能量作为特征向量的特征提取算法,并设计了kNN(k近邻)分类器和改进BP神经网络分类器用于目标分类。目标识别和分类试验结果表明:所提出的特征提取算法能够很好地体现不同类型目标之间的差异,提取的特征向量稳健;设计的改进BP神经网络分类器的分类精度可达92.6%,且分类效果优于kNN分类器。     

胶新铁路软弱土路基沉降规律与变形预测研究

软弱土具有压缩性高、含水量大、强度低和透水性差等特点,在上部荷载长期作用下,必将产生一定的沉降,甚至发生于运营阶段,对铁路的运营质量造成危害。该文基于铁道部项目-胶新铁路路基沉降监测和预测研究,对不同的试验段进行了长达两年的监测,以给出规律性的结论。首先该文介绍了软弱土路基沉降及预测的研究概况,并对研究的试验段DK300进行了介绍;然后该文详细分析了该段路基的实测沉降及其变化规律,并对各断面在通车前后的累积沉降进行对比分析,得出重要结论。最后该文对软弱土路基沉降变形预测进行了详细研究,运用了组合预测方法,结果与实测值较吻合,有实用价值。