基于神经网络的钢筋混凝土剪力墙抗剪承载力研究（英文）

神经网络(ANN)模型作为土木工程领域中一种有效的方法能够用于解决复杂的问题。基于试验数据采用神经网络对钢筋混凝土剪力墙的抗剪承载力进行预测,收集160个钢筋混凝土剪力墙在低周往复荷载下的试验数据,建立数据库,选取140个试验样本对ANN模型进行训练,20个试验样本进行测试验证。ANN1和ANN2有14个输入参数:混凝土抗压强度、剪跨比、轴压比、竖向钢筋强度、横向钢筋强度、墙体竖向分布钢筋配筋率、墙体水平分布钢筋配筋率、边缘构件纵向钢筋配筋率、边缘构件横向钢筋配筋率、边缘构件与截面面积比、截面高厚比、总截面面积、墙高和截面形状,输入数据分别被归一化到区间[0,1]和[0.1,0.9]。两个模型的输出数据均为剪力。对比分析ANN模型预测的钢筋混凝土剪力墙抗剪承载力与采用规范GB 50011和ACI 318-14公式计算的抗剪承载力,结果表明,神经网络模型能够精确地预测钢筋混凝土剪力墙的抗剪承载力,具有较好的预测和泛化能力。     

基于遗传神经网络的路面使用性能评价预测

以神经网络和遗传算法为主要描述对象,以公路路面为例,研究遗传算法和神经网络在公路路面设计中的主要特点,并对其使用性能做出相应的评价和预测,建立基于遗传神经网络的路面使用性能评价预测依据。验证了神经网络应用与路面使用性能评价预测的有效性。     

基于PCA-GA-BP 的工程项目工期风险预测研究

为了在工程项目实施前准确地预测出工期风险的大小,在介绍BP 神经网络、遗传算法、主成分分析等理论的基础上,针对现有预测模型的缺点以及BP 神经网络自身缺陷,采用主成分分析法对样本数据进行降维处理,并利用遗传算法对 BP 神经网络的初始权值阈值进行优化,提出了基于PCA-GA-BP 的工程项目工期风险预测模型。将以往工程风险数据作为学习样本,训练并构建模型对待建工程项目工期风险进行预测。实例证明该模型有效、可靠,对指导实际工程具有重要意义。     

基于优化 DEA 模型对公路养护投资决策的有效性研究

为制定科学有效的养护决策,基于高速公路路面性能数据进行神经网络模拟预测了未来 5 个运营年限的路面性能,提出一种新的路面养护决策优化数据包络分析（DEA）模型。该模型以养护里程量、交通量和养护投入资金为输入指标,以路面使用性能恢复值为输出指标,对所提出的 13 种养护方案进行有效性评价,选出投入少、产出高的高效率方案。结果表明:综合考虑交通量、投入资金、产出效率和养护工作量等因素能够客观地筛选出高效率的养护方案。方案结果可为公路管理者做出合理养护决策提供有效依据。     

神经网络法负荷预测与蓄冰空调系统的运行优化

文中介绍了蓄冰空调系统几种常见的控制策略。提出蓄冰空调系统的运行优化必须进行准确的负荷预测,并给出采用神经网络模型(ANN) 预测负荷的方法     

水闸混凝土碳化深度预测研究

在水闸工程病害中,混凝土碳化最为典型,混凝土碳化是造成混凝土裂缝、钢筋锈蚀的最直接因素,因此,对混凝土碳化深度预测研究尤为重要。采用遗传算法优化神经网络,选取混凝土碳化深度的主要影响因素,建立混凝土碳化深度预测模型,并基于VS平台,开发水闸混凝土碳化深度预测系统。收集了盐城市25组水闸数据样本进行预测分析研究,结果表明,采用遗传算法优化BP神经网络模型进行水闸混凝土碳化深度预测是可行的,能够快速、准确识别混凝土碳化深度,为水闸除险加固提供技术支持。     

基于GALM神经网络的建筑能耗短期预测

为改进以往神经网络对建筑能耗预测的不足,提出应用遗传算法结合Levenberg-Marquardt算法(GALM)改进神经网络对建筑能耗进行预测。首先,利用遗传算法优化神经网络的权值和阈值;其次,利用Levenberg-Marquardt算法优化神经网络训练,针对影响建筑能耗的主要因素建立GALM神经网络的建筑能耗预测模型。通过建立建筑能耗监测平台采集某公共建筑1个月的能耗数据,对该模型进行训练和测试。实验结果表明,该模型可以准确且高效地对建筑能耗进行短期预测。     

隧道工程基于人工智能的应力反演方法研究

在新奥法施工中,采用应力数据进行反演分析,可以进一步提高隧道信息化设计的科学性。结合人工智能中的遗传算法、人工神经网络和数值模拟的方法对数据进行处理。利用遗传算法全局优化特性对神经网络进行优化,利用神经网络的映射、推理和预测功能建立岩性参数和应力之间的隐式关系,最后利用遗传算法对岩性参数进行整体寻优。     

遗传算法-人工神经网络应用于城市污水量预测

针对BP人工神经网络收敛速度慢和易于陷入极小值等缺点,提出了采用遗传算法优化神经网络权重及阈值的方法,并据此建立了基于遗传算法的人工神经网络预测模型,利用该模型对武汉市武昌北区城市污水量进行预测,结果表明该模型适用于城市污水量的预测。     

基于小生境等维BP神经网络的沉降预报

针对传统BP神经网络全局优化能力低、无法学习的缺陷,引入遗传算法中的小生境技术,研究了基于小生境等维BP神经网络模型,同时利用MATLAB进行编程实现。该模型的核心思想是借助小生境遗传算法优化神经网络的连接权和阈值,进而提高了等维BP神经网络模型的全局优化能力,改善了模型的收敛性。结合宁波某大楼沉降监测实例,利用小生境等维BP神经网络、GM(1,1)模型、等维BP神经网络模型分别对沉降数据建模预测,结果表明,小生境等维BP神经网络模型更加符合实际情况、预测效果更佳。     

基于遗传算法优化BP神经网络的钛合金旋转超声磨削力预测

为预测钛合金旋转超声磨削过程中磨削力的大小,提出了使用遗传算法优化BP神经网络模型来预测磨削力的方法,首先建立磨削力与加工参数(超声频率、超声功率、进给速度、主轴转速)和磨具参数(磨料浓度、磨料粒度)之间的BP神经网络预测模型,采用遗传算法(GA)优化BP神经网络的阈值和初始权值,依据"六因素三水平"的正交试验结果对神经网络模型进行训练。然后对旋转超声磨削力进行仿真预测,神经网络模型预测值与试验值的误差较小,平均相对误差仅为5.97%,结果表明,使用所提模型预测钛合金旋转超声加工的磨削力具有较高的预测精度。     

基于外海环境预报的近岸岛礁桥址区波高ANN推算模型

中国跨海桥梁多建于近岸岛礁海域,桥址区的波浪要素随时空演变复杂。桥址区波高的准确推算对于桥梁结构设计和施工组织具有十分重要的意义。提出一种基于外海环境预报数据的近岸岛礁桥址区波高人工神经网络（ANN）推算模型,并以平潭海峡公铁两用大桥桥址海域为研究对象,运用ANN算法中常用的BP神经网络对外海海洋预报台提供的波高、风速数据以及在桥址区实测波高数据进行训练,建立二者之间的映射关系及ANN推算模型。为验证推算模型的可行性和有效性,运用上述模型对桥址区连续80 d的海浪波高进行推算,通过对比前人模型和实测数据发现,推算波高和实测波高的变化趋势基本吻合,均方根误差满足预测要求,获得了理想的预测效果。研究表明,提出的波高ANN推算模型可以利用外海预报信息进行近岸岛礁桥址区的波高推算,且建模过程较为简单。     

基于BP网络的碳纤维混凝土强度研究

介绍了应用均匀设计理论设计碳纤维混凝土配方的方法,通过所得到的试验数据,运用人工神经网络(ANN)的方法预测碳纤维混凝土抗压强度和劈裂抗拉强度;阐述了采用BP算法建立碳纤维混凝土抗压强度神经网络模型的过程,仿真结果表明,BP网络可成功地建立非线性的强度模型,预测强度可达到较高精度。     

预报模型在GPS测沉降中的应用

变形监测一定程度上可以预测沉降发展趋势,本文采用灰色模型和神经网络的建模理论,介绍了GPS测沉降数据的预报处理流程,并利用上海市CORS网的数据分析GPS沉降预报,运用模型对GPS测沉降数据进行预测,最后利用中误差理论对精度进行评定,得出了灰色模型和神经网络模型在GPS沉降数据预报方面精度是可靠、精确的结论,从本文数据看神经网络预测的精度比灰色模型预测精度更符合实际。     

基于遗传算法改进BP神经网络的页岩气产量递减预测模型

页岩气藏储层孔隙特征复杂、渗透率不高,导致页岩气产量递减规律与常规气藏不同,常规递减模型对页岩气藏适应性较差。根据遗传算法改进的BP神经网络,建立以时间、累计产量、地层压力作为输入层,页岩气日产量作为输出层,遗传算法优化神经网络权值和阈值的页岩气产量递减预测模型。将改进的BP神经网络、常规的BP神经网络和Arps递减模型的预测结果进行比较,遗传算法优化的BP神经网络的最大相对误差为8.184%,常规BP模型的最大相对误差为17.821%,Arps递减模型最大相对误差为19.950%。遗传算法优化的BP神经网络预测精度最高,可见,此方法对页岩气产量递减预测具有较好的适用性,为预测页岩气产量递减提供了1个有效、可行的方法。     

基于组合赋权的遗传算法优化BP神经网络岩爆预测研究

针对岩爆倾向性预测的复杂问题,选取隧洞应力系数、脆性系数及围岩冲击倾向指数为评价指标,利用组合赋权法确定指标的权重,结合遗传算法和BP神经网络,建立了基于组合赋权的遗传算法优化BP神经网络的预测模型。利用岩爆实例数据对建立的模型进行测试,测试结果具有良好的准确度,验证了该模型的可行性及有效性。     

基于GA改进BP神经网络的建设工程投标报价研究

在建设工程项目投标报价过程中,如何来确定标高金直接关系到承包商能否中标和盈利以及施工企业今后的生存与发展。提出基于遗传算法(GA)优化BP神经网络的标高金预测方法。在分析BP神经网络基本原理的基础上,主要阐述了如何应用遗传算法来改进BP神经网络收敛速度慢和易于陷入极小值等缺点。对BP神经网络模型隐含层节点数进行优选后,建立起GA改进BP神经网络的标高金预测模型;最后应用该模型和一般BP神经网络模型对20个典型国际工程实例的标高金进行计算和预测。计算结果对比发现,经遗传算法改进后的BP神经网络模型在降低计算和预测平均误差的同时,迭代次数比一般BP神经网络模型也大大减少了。因此,该模型适用于求解如建设工程投标报价等非线性问题。     

基于粗糙遗传BP网络的震害损失评估模型研究

当今社会各种城市自然灾害频繁出现,灾害强度日趋加重,时刻威胁着地球上生存的人类,尤其威胁着人口密集的城市,正是由于灾害带来的破坏性,城市自然灾害损失评估具有其重大的意义。论文的核心是将数据挖掘技术中的粗糙集理论、遗传算法和神经网络相结合,尝试解决震害损失评估问题。该方法主要利用粗糙集软件Rosetta,及Matlab软件中的神经网络和遗传算法工具箱,建立了粗糙集对数据前置预处理,遗传算法优化神经网络初始权值、阈值从而利用网络进行预测评估的模型,并通过实例验证其可行。     

灰色理论和BP神经网络理论在地铁深基坑变形预测方面的应用

地铁深基坑变形是影响地铁建设的重要问题之一。针对地铁深基坑变形众多影响因素所具有的不确定性、模糊性以及深基坑变形的非线性特点,基于灰色系统理论和人工神经网络理论,分别采用灰色GM(1,1)模型、BP神经网络模型和灰色-BP神经网络组合模型对某地铁深基坑地表土体沉降进行预测分析,并将预测数据与实测数据进行对比,得出各模型预测精度。工程实例分析表明,灰色GM(1,1)模型预测精度最低,BP神经网络模型次之,灰色-BP神经网络组合模型由于集合了灰色GM(1,1)模型和BP神经网络模型的优点,预测精度最高,满足工程应用要求,对安全施工具有一定的指导作用。     

全寿命沥青路面使用性能预测及实践

依托内蒙古某一级公路路面结构设计,对近年来提出的路面使用性能预测理论进行了预测实践,确定了路面养护维修方案,对实践过程中发现的问题进行了探讨。