基于ANN下的岩质路堑深边坡稳定性评价

在综合分析岩质路堑深边坡变形破坏模式的基础上 ,提出评价岩体边坡工程稳定性的指标 ;讨论了神经网络在岩质路堑深边坡稳定性评价中的应用 ,提出了基于 ANN下路堑深边坡稳定性评价的方法 ;通过样本训练和实例预测评价结果表明 ,该方法是有效、可行的     

基于人工神经网络的车次追踪算法研究

在高速铁路运营调度系统中,对列车进行跟踪,实时获取准确的列车车次号是必不可少的。车次追踪主要包括原始车次号的获取、车次号的逻辑追踪处理和列车车次校核3个方面。逻辑追踪是在某一时刻和某一地点,根据列车的实际运行情况,自动推算当时运行或者停车的列车的车次号。车次校核是根据计划或无线等车次号对追踪结果进行校核。基于人工神经网络算法的车次追踪技术,快速、有效,可以避免由于轨道电路故障而引起的车次追踪错误。     

Comparison of Three Control Methods in Penetration Control of Pulsed Gas Tungsten Arc Welding

An artificial neural network model for backside bead width was established and three control meth-ods——PID. fuzzy and neuron were designed, simulated and tested. The test results of bead-on-plate weld of GTAW indicate that the artificial neural network (ANN) modeling and learning control method have more advan-tages than the conventional method. They show that the ANN modeling and learning control method is an effective approach to real time control of welding dynamics and ideal quality.     

理想薄平板气动导数的人工神经网络识别

介绍一种用BP人工神经网络方法识别理想薄平板的气动导数的方法．通过构造BP网络，比较各种因素对识别结果的影响．数据处理方式对神经网络的训练结果影响很大．隐层单元数量、训练次数、随机赋值次数、样本数量等对训练结果也有影响，但影响较小．采用这种方法识别理想薄平板的气动导数是可行的，并且具有较高的精度．     

利用BP人工神经网络反算沥青路面基层弹性模量研究

基于层状弹性体系理论,利用BP人工神经网络预测沥青路面基层弹性模量。通过构建路表弯沉盆与沥青路面基层参数之间的数据库,建立了BP人工神经网络反算基层弹性模量预测模型。由理论弯沉盆作为已知输入参数进行反算时,基层弹性模量的反算值与理论值相对误差在8%左右;由实测弯沉盆作为已知输入参数进行反算时,计算弯沉盆与标准化实测弯沉盆的拟合均方差RMSE为4.49%。检验结果表明:基于层状弹性体系理论,建立的BP人工神经网络反算沥青路面基层弹性模量模型,可满足实践工程要求。     

基于神经网络的DCT换挡品质评价系统的开发

通过对DCT换挡过程的分析,确定了换挡时间、车辆加速度、换挡冲击度和发动机转速波动量等4个物理量作为客观评价指标。依据BP人工神经网络的基本原理,应用Matlab软件的神经网络工具箱函数,建立了用于评价车辆换挡平顺性的神经网络模型。利用GUI工具箱建立人机交互界面。通过内置的三种评价标准以及可以自行设计评价标准的方法,大大增强了该评价系统的灵活性和针对性。最后,对该评价系统进行了总结。     

人工神经网络技术在昔格达地层公路边坡稳定预测工程中的应用

通过人工神经网络预测技术对西昌至攀枝花高速公路新开挖昔格达地层高边坡进行稳定性预测,利用已有5个月的观测数据,应用误差反向传播（BP）理论建立预测模型,通过计算,得到每个边坡观测断面的预测结果。预测结果与目前边坡实际变形基本吻合,证明人工神经网络预测技术在昔格达地层公路边坡变形预测中是发挥一定作用的。     

基于人工神经网络的交通量预测

现行的交通量预测方法大都存在数据拟合度不高,外推性不强等问题,介绍了人工神经网络的ＢＰ网络模型,结合实例探讨了人工神经网络方法在远期交通量预测上的应用,证实了该方法的可行性和可靠性。     

曲面分段全建造流程的误差累积及精度预测

以海洋平台典型曲面分段为研究对象,梳理建造企业对切割和弯曲工艺的精度要求及误差响应,以及焊接工艺对应的典型接头力学载荷,并将其作为曲面分段建造的源头误差。基于弹性有限元方法,分析焊接工艺对曲面分段建造精度的影响;考虑切割和弯曲误差对焊接工艺的影响,并预测闭合加工误差的焊接工艺及其产生的焊接变形。为提升曲面分段建造精度的评估效率,建立基于遗传算法的BP(Back Propagation)人工神经网络,并以27组数据为训练样本,以9组数据为验证样本检验其预测的准确性。通过弹性有限元分析研究不考虑、保留及矫正切割和弯曲加工误差等3种情况下的曲面分段建造精度,结果发现三者存在明显差异。考虑切割、弯曲的加工误差及其焊接闭合工艺对曲面分段的建造精度的显著影响,基于遗传算法的BP人工神经网络具有极高的预测精度和稳定性。     

基于人工神经网络的胶州湾浮游植物生物量模拟

文章首先介绍了BP网络数据标准化、隐层神经元选择、网络训练和有效性检验方法。以2003年胶州湾环境监测资料为基础,建立了多输入单输出的3层BP人工神经网络模型,采用8个水环境因子预测浮游植物生物量(Chla浓度)。检测集样本网络预测值与观测值的相关系数为0.8943,平均绝对误差为11.33%。为避免个别网络输入初值对输出的干扰,采取全局灵敏度的方法,分析了各水环境因子变化对浮游植物生物量的相对影响。结果表明,浮游植物生物量对各水环境因子变化响应的敏感系数顺序为DOCODPO4-PSSTpHOilDINSiO3-Si。