BP神经网络与回归分析法在公路工程施工安全经费分析上的应用

该文应用BP神经网络和多元回归分析对公路工程施工安全经费进行计算分析,结果显示,与多元回归分析相比,BP神经网络计算值与安全经费实际投入值更吻合.这为安全监管部门管理公路工程施工安全提供了一条新途径.通过BP神经网络和回归方程,均可以根据安全专项经费总额、工程投标价和工程进度,反推算出实际投入的安全经费,为安全管理部门进行安全检查监督提供有效依据.     

天津永和斜拉桥换索后的索力调整

结合天津永和斜拉桥的换索与调索实践,在分析换索后全桥结构性能变化的基础上,阐述索力调整的目标、原则,利用平面杆系有限元程序和影响矩阵法基本原理,采用试算法确定出索力调整方案,分析索力调整的效果。调索过程中的监测结果表明,索力调整后,全桥索力接近目标值,索力分布趋于均匀,桥面线形、塔位均得到明显的改善,调索并未引起主梁混凝土产生过大的拉应力,试算法是一种实用性较强的可行方法。调索方案的优选应考虑尽量避免使运营多年的老桥结构受力状态发生突变,以保证调索过程中结构的安全。天津永和斜拉桥的调索实践为今后PC斜拉桥的调索工程提供了较为重要的参考。     

BP神经网络在道面土基模量取值中的应用

论文提出了建立土基模量神经网络库的设想;给出了用BP神经网络确定水泥混凝土道面土基模量的方法和步骤;建立了反映西北黄土地区粉质亚粘土土基模量与其主要影响因素之间的非线性映射关系的BP神经网络,并用该网络进行仿真计算。结果表明,用BP神经网络确定机场水泥混凝土道面土基模量是一种简便有效的方法。     

航班延误恢复调度的混合粒子群算法

为了优化航班延误恢复调度,考虑了航班延误的经济效益、社会影响和经济损失构成,定义了航线影响因子,构建了一种新的航班延误恢复调度模型,将局部搜索方法引入到粒子群算法中,提出了求解航班延误恢复调度问题的混合粒子群算法。计算结果表明:与先来先服务调度方法相比,混合粒子群算法可以减少航班延误损失4.2%,与基本粒子群算法和进化策略算法相比,混合粒子群算法平均可减少航班延误损失2.0%,随着航班延误恢复规模的增大,算法优势会更明显。     

终端区飞机排序的混合人工鱼群算法

为了保障飞行安全,对终端区着陆飞机进行有效的排序,建立了以航班延误总时间最小为目标函数的规划模型,以人工鱼群算法为基础,融合了遗传算法的选择操作和模拟退火算法的依概率接受的思想,形成混合人工鱼群算法,对着陆飞机排序问题进行了仿真计算,并与先到先服务算法、模拟退火算法以及蚁群算法进行了对比研究。仿真结果表明:与先到先服务相比,使用人工鱼群算法使得单跑道、双跑道延误分别减少了9·3%和48·0%,计算时间小于3s;与蚁群算法和模拟退火算法相比,求解的延误与时间最小,因此,提出的混合算法可行。     

最小二乘支持向量机-粒子群算法在地下厂房围岩参数反分析中的应用

为准确确定地下厂房围岩的弹性模量、泊松比、黏聚力、内摩擦角、侧压力系数等参数,以正交设计、最小二乘支持向量机和粒子群算法等现代数学方法为基本手段,建立基于位移增量的围岩参数反分析方法。以CCS水电站大型地下厂房为研究背景,通过工程地质条件研究选取8#机组剖面作为分析对象,采用二维弹塑性有限元方法建立地质结构分析模型。以地下厂房洞室群分层开挖多点位移计实测位移增量为依据,对CCS水电站地下厂房区域围岩力学特性及地应力场特征进行反分析。研究结果表明： 主厂房第Ⅵ层与第Ⅰ层开挖和主变室第4层与第1层开挖所产生的位移增量计算值与多点位移计实测值吻合较好,最大相对误差小于10%,说明采用最小二乘支持向量机和粒子群算法相结合的反分析方法在工程上是可行的,且效果较为显著。     

路基曲线段土方计算偏差分析及修正

公路项目中路基土方通常采用断面法,但对不规则线形段如曲线、互通内等特殊工点,采用常规断面法计算土方会出现较大偏差,给工程造成争议甚至损失,结合高速公路项目中实例,对曲线段路基土方计算的偏差原因及修正算法进行了分析,可供类似问题提供参考。     

公交线网设计算法分析及线路调整研究

目前,国外公交线网设计主要采用启发式算法,存在计算效率不高、线网质量不佳、线网稳定性差等问题;国内公交线网设计主要采用"逐条布设,优化成网"方法,不适用于大路网,无法同时计算出线路发车频率,具有局限性,而其他研究多为模型研究,缺少算法研究及算例证明,难以应用。文中主要研究模拟退火、遗传、模拟退火遗传3种算法在公交线网设计中的运用,使用算例演算,从计算效率、路网质量、稳定性三方面比较不同算法的优劣。计算分析结果表明3种算法的线路重复率过高,与实际不符,为改进计算质量,提出了线路调整思想,使公交线网设计更加合理、稳定。     

基于PID算法和89C52单片机的温度控制系统

基于数字PID控制算法和89C52单片机的温度控制系统,该系统通过温度传感器DS1820对温度进行采样和转换,然后执行数字PID控制,输出控制量来调节可控硅触发端的通断,从而实现对温度的控制。     

BP神经网络在解决电力消耗问题中的应用

由于BP神经网络在解决非线性复杂系统中存在很大的优势,以江西省1991—2011年人口、经济和耗电量等数据为研究对象,利用BP神经网络构建耗电量预测模型。模型一利用1991—2009年人口、经济和耗电量等数据作为训练样本,以2010—2011年作为测试样本来验证网络的准确性,再根据历史人口、经济等数据来预测历史耗电量;模型二采用传统的多元回归分析法,对非线性多元函数进行多元线性回归,通过回归模型得到的参数来预测耗电量。结果表明,模型一收敛性较好,所得预测结果绝对误差较小,而模型二传统方法得到的预测结果误差较大,因此,利用BP神经网络预测的结果具有非常大的参考价值,证明BP神经网络应用在电力消耗中的应用是可行的。