用人工神经网络预测沥青路面材料的回弹模量

将人工神经网络应用于沥青路面材料的回弹模量的预测 ,提出了一种有效的预测方法 ,并构造了预测回弹模量的神经网络模型 .预测结果表明 ,该模型具有较高的预测精度 ,为预测路面材料的回弹模量等力学指标提供了一种新的方法     

基于神经网络对电控柴油机运行特性影响因素仿真研究

基于AVL-BOOST软件仿真平台建立某船用四缸柴油机仿真模型,标定后的模型进行柴油机全工况仿真计算.仿真出来的3 200组数据作为人工神经网络输入数据,采用贝叶斯统计方法对网络进行训练建立2层的反馈神经网络仿真模型.并分别通过实验、AVL-BOOST和神经网络数据曲线的对比分析,验证人工神经网络预测的准确性.利用验证好的人工神经网络模型预测进排气压力对柴油机转矩的影响,以及预测压缩比和供油定时对柴油机排放性能和动力性能的影响,最后利用扰动法分析不同工况下柴油机各个参数对柴油机性能的影响程度.     

基于BP人工神经网络的滑坡预测分析

文章以汶川地震引发的滑坡为研究对象,以震中距、地震烈度、坡度、前缘高程、坡高和岩性等影响坡体稳定性的因素为切入点,利用BP人工神经网络对实际坡体的稳定性进行了预测分析。结果表明,BP人工神经网络方法能有效预测坡体的稳定情况。     

公路石质边坡防护与环境保护研究

西部交通建设科技项目＂公路石质边坡防护与环境保护的研究＂在确定公路石质边坡地质条件因子、环境条件因子及评价指标的基础上,运用人工神经网络方法对公路石质边坡的地质条件因子、环境条件因子进行了评价分析,形成了公路石质边坡防护与环境保护信息系统及技术指南。本篇对该项目的主要研究内容、实施方案、成果及其使用情况进行介绍,为我国公路石质边坡防护与环境保护工作提供参考依据。     

大跨桥梁混凝土专用测强曲线的研究

以某黄河公路特大桥上部连续箱梁C55混凝土结构为工程背景,在大量系统的回弹检测抗压强度试验的基础上,揭示回弹法的基本原理,比较了传统方法与人工神经网络方法的计算结果,较为深入地研究了混凝土抗压强度和回弹值两者之间的内在关系,参照国家规范提供的回归公式并考虑两个变量的函数变化关系,对C55混凝土专用测强曲线进行了研究。对比分析结果表明:文中所得到的专用测强曲线线性相关性较好,且利用回归方程求得的强度平均相对误差和强度相对标准差较低,符合国家相关规范规定;与特大桥上部结构抽样混凝土回弹检测数据对比,混凝土的抗压强度的实测值与推定值吻合良好。     

非港湾式停靠站对路段通行能力的影响研究

分析了路段上非港湾公交车站对路段通行能力有影响的6个因素,在实地调查的基础上,运用VISSIM进行试验仿真,得到大量数据,定量分析了各影响因素对路段通行能力的影响。建立神经网络模型对仿真数据进行分析,得到一组权值和偏差矩阵数据,通过该数据以及神经网络模型,可以在不同条件下,得到非港湾停靠站对路段通行能力的影响系数。     

基于径向基函数神经网络的GPS高程转换方法

针对GPS高程与正常高程的转换问题，给出了基于径向基函数（Radial Basis Function，RBF）神经网络的模型。该模型隐含层选用Gauss函数作为基函数，学习算法采用自组织选取中心法策略。用实际观测数据进行了试验和仿真，结果表明，用RBF神经网络转换GPS高程的精度优于最小二乘法。对RBF神经网络方法和反向传播（Back-Propagation，BP）神经网络方法转换GPS高程的精度进行了比较，虽然两种方法的结果相近，但RBF神经网络方法在学习速度方面远比BP神经网络方法快。由此可见，RBF神经网络方法用于转换GPS高程是可行和有效的。     

离散型Hopfield网络及其在密码学中的应用

首先介绍了离散型Hopfield网络的基本结构和工作方式,然后研究了离散型Hopfield网络的稳定性,最后提出了其在在密码学中的应用。因此具有深刻的理论意义和广泛的实际应用。     

人工神经网络在路堤沉降预测中的应用

以人工神经网络法为主，研究了多因素条件下的沉降预测问题，同时与浅岗法和S型曲线法这2种在近几年推广应用的预测方法进行了对比。结果表明，3种方法预测的最终沉降大体相近，它们之间的区别在于人工神经网络法预测的沉降较大（同时更接近实测值）；S型曲线法较小；浅岗法居中。由于神经网络是用实测数据直接建模，少了人为干扰因素，并且偏大的数值对工程来说是偏于安全的，所以选用人工神经网络预测沉降比较适宜。     

基于遗传算法和神经网络的高路堤沉降预测研究

依据高路堤填土施工期路基沉降实测资料,运用遗传算法和人工神经网络构造了预测路基沉降的等时距遗传神经网络模型, 并且对该网络进行了训练以及仿真,对预测结果运用3次样条插值可得到预测时间段内的任一时刻沉降结果,通过和实测沉降结果对比可知遗传神经网络比人工神经网络节省大量的调试时间和计算时间,而且其预测精度优于BP算法和指数拟合方法,显示其明显的优越性.