阳宗隧道围岩变形的神经网络技术预测

隧道新奥法施工中,常以围岩变形量作为评判围岩稳定性和支护结构合理性的重要指标.公路隧道围岩变形量是随时间而变化的数据序列,因而可以建立一些实时跟踪预测模型和方法.本文根据阳宗隧道围岩拱顶下沉位移变形的特性,采用神经网络技术来预测其变形量,结果表明该方法简易、有效.     

基于遗传算法的神经网络在道路收费中的应用

道路拥挤收费被认为是城市交通管理和控制的一个有效方法,国内外不少学者提出了模型和相应的计算方法。文章根据弹性需求下的拥挤收费模型,利用BP神经网络算法模拟路段流量和路段收费之间的对应关系,并在神经网络的训练过程中引入遗传算法,加速神经网络的全局收敛。通过训练后的神经网络制定收费,可以使得各路段流量基本达到最优路段流量的要求,并通过实例证明了该算法的有效性。     

关于神经计算中满意解的研究

在分析神经计算中已有的满意运算的基础上，找出其中存在的问题，提出了与阈值有关的整体满意度，并对其进行了分析比较，结果表明：整体满意度综合了组合满意度和平均满意度的优点，明显优于后两者。     

神经网络在公路膨胀土胀缩等级判别中的应用

对现有膨胀土胀缩等级评判方法与标准进行了评价，提出了神经网络的评判方法并结合实例进行验证。结果表明。该方法具有科学性和可行性。     

基于BP神经网络技术在汽车发动机排放检测中的应用

BP神经网络用于检测发动机排放，可以很好地解决汽车发动机排放的非线性问题和实现发动机的软测量，解决测量仪器设备不足、测量点无法布置等问题，从而实现汽车发动机排放的实时检测控制，对研究汽车发动机检测控制具有积极的意义。     

高速公路交通流参数实时预测AML法

探讨了用于高速公路交通流参数实时预测类型，提出了交通流参数的线性神经网络方法，且利用该法对交通量、时间占有率和点速度的实时预测进行了应用性研究。     

基于神经网络实现的交叉口可变相序公交优先模糊逻辑控制

针对城市交通信号控制及公交优先问题,提出了一种交叉口自适应可变相序的多相位控制算法,利用多层BP神经网络实现了公交优先的交通信号多层模糊控制。仿真结果表明,与定时公交优先控制模型相比,模糊神经网络控制器能有效地减少公交车辆延误,具有较强的学习和泛化能力,可用于未来的信号控制系统中。     

基于内在因素提取的内河航运量神经网络预测方法

内河航运量预测是内河航道网规划的依据,利用主成分分析法提取影响内河航运量的内在因素,利用内在影响因素与内河航运量之间的联系,结合BP神经网络建立模型对内河航运量进行预测。算例表明,该模型可以提高预测精度。     

Building and Researching the Bidding Model Based on the Cost of Power Plant

A bidding model of neural network was presented to pursue the largest benefit according to the policy of separating power plants from network and bidding transaction. This model bases on the cost of power plant and its research object is a power plant in the market. The market clearing price (MCP) can be predicted and an optimized load curve can be decided in this model. The model may provide technical support for the power plant.     

基于尺度—小波能量谱和神经网络的内燃机故障诊断

为了对内燃机气门及活塞—连杆组故障进行有效地诊断,通过试验测取内燃机在不同故障下的振动信号,利用连续小波变换得到信号在不同尺度上的能量分布,即信号的尺度—小波能量谱。其能量主要分布于尺度范围1~32,且相同故障模式下的尺度—小波能量谱呈现出相似性,不同故障模式之间的尺度—小波能量谱存在很大的差异性,以此作为不同故障模式的信号特征,结合BP神经网络方法,实现了对待检信号的正确识别。