基于模糊神经网络的交通信号控制

本提出一种将模糊控制与人工神经网络和结合的自组织学习方法对交通信号进行实时控制。该方法以模糊神经网络为核心，应用在线滚动学习模型生成交通信号配时方案。这种方法克服了现有控制方法需要大量的数据传输，准确的数学模型等缺陷。中应用微观交通仿真系统对模型进行了校验，仿真结果表明该方法有效。     

基于RBF神经网络的贷款企业财务评估模型

针对商业银行对贷款企业财务的评估特点,分析了货款企业财务的因素,并由此建立了基于RBF的贷款企业神经网络模型,给出了模型的求解方法,井利用该模型进行了验证计算。结果表明,该模型能较好地对贷款企业进行评估,是商业银行对贷款财务企业进行评估的一种较好方法。     

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.     

蚁群神经网络在船舶发电机故障诊断中的应用

发电机作为船舶关键部件之一,其运行状况关系船舶整机状态。随着技术的不断发展,船舶发电机结构更为复杂,同时其所发生的故障更为复杂和致命,因此研究高效可行的船舶发电机故障诊断技术已成为各研发机构的重要课题。本文通过分析算法模型建立了一种基于蚁群算法的人工神经网络,以发电机转子偏心问题为实例,在Matlab中应用该技术进行训练和故障诊断,并与BP算法进行比较。结果表明,蚁群算法训练速度快、精度高,是一种可靠的故障诊断方法。     

基于神经网络的汽车制动系可靠性分析

以某轻型客车制动系统为例进行可靠性分析,利用威布尔过程对这些数据进行了拟合,用人工神经网络方法进行参数估计,计算所获得分布的参数值,绘制出可靠度曲线。     

基于粘土地基的几种路基沉降预测方法的比较

基于粘土地基的路基实测沉降资料,采用曲线拟合法、人工神经网络法和灰色预测法,通过对比分析,探求实际沉降发展规律;研究这些预测方法的适用条件以及优缺点,为粘土地区实际工程变形预测提供参考。     

基于神经网络和改进遗传算法的混凝土水化热管冷参数优化

为实现对某工程中承台大体积混凝土水化热的最佳降温效果,使用实测数据训练了基于BP神经网络的温度预测模型,并结合改进后的遗传算法建立了混凝土水化热管冷参数的数学优化模型。通过模型间的嵌套达到了对冷却水进水温度、冷却水流量和冷水管管径的最优求解。计算结果显示：3项管冷参数的优化均对混凝土水化热温度的降低有一定的效果,其中在一定范围内增大冷却水流量对核心区的降温效果最明显,当冷却水流量由2.0 m³/h增加至2.5 m³/h时,混凝土核心区温度峰值降低4.6℃,累计水化热降低36.4%,降温效果最显著。     

基于人工神经网络预测城市道路软基沉降

针对软基预估沉降值与实际沉降量差异,引入人工神经网络BP模型,根据道路前期沉降观测资料,进行沉降预测.工程实践证明,所建人工神经网络模型具有预测精度高、简便易行等优点,应用前景广阔,可为类似工程提供参考.     

沥青混凝土路面预防性养护时机的人工神经网络方法研究

为了使公路预防性养护措施发挥最大效益,延长公路使用寿命,针对路面各使用性能指标存在相互联系的特点,采用人工神经网络对沥青混凝土路面预防性养护时机进行研究,并根据公路预防性养护工程的特点,确定相应的输入指标,建立基于BP神经网络的沥青混凝土路面预防性养护时机的确定模型.通过有效的样本学习,应用该模型实现对专家知识及经验的提取和存储.仿真实例验证了模型的合理性和有效性.为公路预防性养护时机的确定提供新的思路.     

基于人工神经网络的高速公路隧道群限速研究

根据典型高速公路隧道群交通运行状况,从时间因素、交通动态因素、道路条件和隧道群环境因素等方面选取输入变量,以运行速度为输出变量,建立基于人工神经网络的高速公路隧道群速度预测模型;然后,通过灵敏度分析方法,研究各个输入变量对输出变量的影响程度,并对各个输入变量的灵敏度分析结果进行比较分析。研究结果表明:该方法能够针对隧道群交通流的实际情况,充分利用与速度密切相关的信息来模拟,克服了传统算法难以建模的缺陷,适合交通流限速控制的在线建模。该方法切实可行、准确度较高,可为制定高速公路隧道群速度限制提供理论基础。