基于RBF神经网络的简支梁桥损伤识别

损伤的发生对结构的安全性构成了很大的威胁。考虑到RBF神经网络具备很强的处理非线性问题的能力,而振型参数对结构的局部损伤非常敏感。本文以振型比值为RBF网络的输入参数,以单元损伤程度为输出参数,建立了用于简支梁桥损伤识别的RBF网络。以简支梁桥为数值模拟算例,验证了该方法的有效性。数值模拟结果表明:该方法能够进行有效的损伤位置及程度识别,具备良好的精度。     

隧道施工安全评价模糊神经网络技术应用研究

针对高速公路隧道施工系统的安全评价问题,将模糊理论与神经网络相融合,研究建立了一种模糊神经网络评价模型。阐明了评价系统的工作原理及实现方法。利用历史样本数据对网络模型进行学习训练和测试,工程实例结果显示,评价精度满足工程应用要求。该评价模型具有对环境变化的自学习能力,对权值进行调整,动态地评价公路隧道施工系统的安全状态,是公路隧道施工安全评价方法中的一种新的评价方法。     

基于BP神经网络的SOC估算策略研究

针对传统动力电池的SOC估计方法的不足,采用BP神经网络对SOC进行预测。通过编写Matlab程序对BP神经网络进行了训练,并用所建BP神经网络模型对电池性能进行预测,获得电池SOC预测值,最大误差小于0.5%,结果满足精度要求,从而验证了所建BP神经网络能够有效的预测蓄电池电压和SOC之间的映射关系。对提高动力电池的能量效率,延长电池的使用寿命具有重要意义。     

中国消费者Telematics功能需求预测模型

从市场的实际需求出发,构建了在中国发展Telematics业务时顾客一功能域的映射.其中利用因子分析法对中国市场消费进行了细分研究并构建了顾客-功能域映射的输入端:通过对中国市场现有Telematics产品功能的研究并借助消费者需求调研构建了顾客-功能域映射的输出端;最终利用人工神经网络完成了映射的链接并实现了仿真预测...     

基于神经网络的电阻点焊工艺参数优化

本文提出了一种利用神经网络优化点焊机的参数方法。以实验数据为样本,通过神经网络建立焊接工艺参数与焊接质量的之间的复杂模型,利用神经网络对工艺参数进行优化。充分发挥神经网络的非线性映射能力。仿真显示了该方法的优越性和有效性。     

基于BP神经网络模型预测区域需水量

水资源短缺制约了区域经济的发展,成为其发展"瓶颈",对区域需水量进行预测提高了水资源的利用效率,对缓解水资源供需不平衡现象起到了显著的作用。该文应用BP神经网络对区域各部门需水量进行了预测,经实例验证不但精度可靠,而且可综合考虑各部门需水量的影响因素,对区域生态环境需水量也进行预测,这对改善生态环境,提高生活质量可起到重要作用。     

岩土体变形位移等维动态实时预报模型研究

岩土体变形位移是受多种因素影响而发展演化的多维非线性动力系统,其过程既有确定性发展的趋势项,又有受不确定因素影响的随机项.根据灰色预报方法有较好的预报系统变化的总体趋势和神经网络具有逼近任意函数的能力,建立等维动态灰色—时序神经网络实时预报模型对趋势项和随机项进行预报.以基于实测资料的某铁路地基沉降预报为例,证实此模型...     

基于神经网络的引线键合质量预测模型研究

针对引线键合质量与其影响参数之间存在非线性、强耦合关系的特点,提出一种基于弹性BP算法的BP神经网络引线键合质量预测模型.通过引线键合工艺过程的分析,提取了影响引线键合质量的工艺参数,采用BP神经网络结构,建立了引线键合质量预测模型.不同算法下的网络训练结果表明,弹性BP算法具有较快的收敛速度和较高的训练精度.仿真结果表明所建模型具有较高的预测精度,能够准确地反映键合质量综合指标的变化趋势.     

基于奇异谱分析的GRNN模型在金融时间序列中的应用

奇异谱分析(SSA)作为一类无参数、独立于模型的时间序列分析技术,适用于具有非线性、非平稳性、含噪声的金融时间序列数据的分析与研究.目前,基于SSA的预测通常采用线性递归、BP神经网络等模型,但其预测精度、训练速度并不理想.为此,该文提出基于SSA的广义回归神经网络(GRNN)预测模型,它以SSA所获取的主成份重构序列...     

基于GA-BP神经网络算法和粗糙集理论的交通事故黑点模型

道路交通事故黑点的预测鉴别是改善道路交通安全状况最重要、最关键的一步,采用基于GA-BP神经网络算法与粗糙集理论相结合的方法建立交通事故黑点预测模型.分析天津市津围公路的交通事故统计数据,通过GA-BP神经网络算法建立静态单元,考虑静态道路状况,分析得出道路的事故黑点样本.考虑实时动态道路交通环境条件的影响,并利用粗糙集理论建立有效的交通道路事故黑点预测模型,2种理论的有机结合,减少糙杂繁冗的数据量,降低伪报警率,提高事故黑点的预报精度,并通过实例进行实证分析.