采用扩展的贝叶斯人工神经网络选择结构损伤监测模型

对采用规则的动态数据进行结构损伤监测时,模式识别是一个有效的方法,人工神经网络作为匹配模式特征的系统方式广泛应用于模式识别研究中。人工神经网络设计是影响模型识别性能和效率的最基本因素。由Lam等人提出的贝叶斯人工神经网络设计法则为单隐层前馈人工神经网络确定大量隐性神经单元提供了严格的数学手段。本文的第一个目标是对贝叶斯人工神经网络设计法则进行拓展,包括选择隐层中神经单元的传递函数。所提出的法则具有高效的特点,适用于实时人工神经网络设计。目前,许多人工神经网络设计技术需要在训练前已知人工神经网络模型的类型,因此,最基本的问题是自动选择优化的人工神经网络模型类型的技术。由于模型参数和Ritz向量一般用于描述模式的特征,本文的第二个目标是采用模式识别对结构损伤监测中这两个模式特征进行比较。为了清楚判断这两个特征,研究中采用了IASC-ASCE准则。研究结果显示:采用模型参数进行训练的人工神经网络性能略优于采用Ritz向量进行训练的人工神经网络性能。     

雅鲁藏布江中下游径流预测方法的对比分析

径流预测是水资源研究领域中的一项重要内容,对于区域社会经济规划具有重大的意义。引用雅鲁藏布江中下游羊村站和奴下站1980—2010年的径流资料,采用自回归模型、门限回归模型和人工神经网络模型进行年径流预测,采用自回归模型、季节性自回归模型和季节性人工神经网络模型进行月径流预测。结果表明:年径流预测中,几种预测模型的预测精度均不高,相比较而言,一阶自回归模型和人工神经网络模型的预测结果更优;月径流预测中,季节性自回归模型和季节性人工神经网络模型在枯水期的预测精度均较高,但在丰水期径流预测效果欠佳。     

基于CPTu数据的黏性土不排水抗剪强度#br# 神经网络预测

利用人工神经网络模型,建立基于孔压静力触探（CPTu）现场测试数据的黏性土不排水抗剪强度的预测方法。为建立和验证人工神经网络模型,在3个场地开展CPTu和十字板剪切现场测试,共取得33个测孔的CPTu试验数据和相对应的不排水抗剪强度实测值。通过对比分析不同输入向量、不同网络隐层数、不同神经元数及不同改进算法对人工神经网络模型性能的影响,确定人工神经网络模型的具体形式。通过对训练组数据开展机器学习,所建立的人工神经网络模型能够有效地基于CPTu获得的端阻力和孔隙水压力现场测试数据对黏土不排水抗剪强度进行预测,预测结果与十字板剪切试验实测结果非常接近。与传统用于估算不排水强度的经验关系相比,采用人工神经网络模型预测结果与实测结果相关性显著提高、误差明显降低。     

基于CPTu数据的黏性土不排水抗剪强度神经网络预测

利用人工神经网络模型,建立基于孔压静力触探(CPTu)现场测试数据的黏性土不排水抗剪强度的预测方法。为建立和验证人工神经网络模型,在3个场地开展CPTu和十字板剪切现场测试,共取得33个测孔的CPTu试验数据和相对应的不排水抗剪强度实测值。通过对比分析不同输入向量、不同网络隐层数、不同神经元数及不同改进算法对人工神经网络模型性能的影响,确定人工神经网络模型的具体形式。通过对训练组数据开展机器学习,所建立的人工神经网络模型能够有效地基于CPTu获得的端阻力和孔隙水压力现场测试数据对黏土不排水抗剪强度进行预测,预测结果与十字板剪切试验实测结果非常接近。与传统用于估算不排水强度的经验关系相比,采用人工神经网络模型预测结果与实测结果相关性显著提高、误差明显降低。     

基于BP网络的隧道围岩位移预测方法

介绍人工神经网络模型法的基本原理与步骤,探讨了隧道围岩收敛监测数据与人工神经网络间的联系,并建立了基于人工神经网络的隧道围岩收敛预报模型。以工程实例为背景,对隧道围岩的收敛变形进行预报分析。研究结果表明:BP网络预测值与实测值吻合程度很好,完全满足工程及控制的要求。     

基于人工神经网络的软土路基沉降预测

为分析路基的沉降变形规律,采用人工神经网络对软基路基的沉降进行了预测,通过Matlab建立了人工神经网络模型,同时与实际检测结果对比验证模型的准确性,对比结果表明该方法具有较高精度。     

人工神经网络技术在桥梁检测评估中的应用

对现有桥梁的评估方法作了简要介绍,重点讨论了常用的BP人工神经网络模型,并将BP模型应用到桥梁结构检测评估中,指出人工神经网络在桥梁结构的检测评估方面一定有很好的发展前景.     

流域山坡平均坡度的人工神经网络解

介绍了流域山坡平均坡度的人工神经网络解，从人工神经网络BP模型、网络拓扑结构的建立等方面进行了论述，得出了BP模型的计算结果。     

人工神经网络在强夯工程中的运用分析与讨论

鉴于当前人工神经网络在岩土工程中的应用越来越广泛的情况下 ,本文分析和比较了多种人工神经网络模型对强夯问题的适用性和可靠性 ,并提出了几个人工神经网络在应用过程中应注意的问题 ,使之能够更好地指导强夯工程实践     

砂土液化预测的人工神经网络模型

本文根据人工神经网络的一典型模型-反向传播模型,以及地震荷载下的各项土的物理-力学参数,建立了土液化类型的神经网络数学模型。研究表明,人工神经网络方法性能良好,可望成为砂土液化预测的有效手段。     

高强钢管混凝土核心柱抗震性能神经网络评估

利用人工神经网络的自适应性、容错性、模糊性 ,在高强钢管混凝土核心柱抗震性能试验研究的基础上 ,建立人工神经网络模型 ,对高强钢管混凝土核心柱位移延性进行了学习和预测     

钢梁损伤的神经网络诊断分析

应用人工神经网络技术 ,以反映结构损伤程度的固有频率作为神经网络输入的特征参数 ,建立结构故障诊断模型 ,对建筑工程结构中常用的简支矩形截面钢梁裂纹深度和位置进行了诊断和预测研究。从实例可以看出 ,应用神经网络技术对工程结构进行裂纹损伤故障的综合诊断和预测分析是可行的。     

小波神经网络预测混凝土强度研究

小波神经网络是将小波理论和神经网络理论结合起来的一种神经网络 ,它避免了BP神经网络结构设计的盲目性和局部最优等非线性优化问题 ,大大简化了训练 ,具有较强的函数学习能力和推广能力及广阔的应用前景。小波神经网络用于混凝土强度预测的结果表明 ,它比传统的BP神经网络的收敛速度快 ,预测精度高     

基于小波分析和神经网络的静力触探土类划分

利用小波分析和BP神经网络,建立一种用于基于静力触探数据进行土类划分的神经网络模型。该方法基于实测数据,利用小波分析获得不同土层触探参数的特征值,并用BP神经网络建立特征值与土类之间的映射关系,从而得到BP神经网络分类模型。结果表明,该方法可以有效地进行土类划分。     

神经网络在配制高强预拌泵送混凝土中的应用

基于人工神经网络的原理 ,提出了解决高强预拌泵送混凝土配制问题的BP神经网络方法 ,据此开发的混凝土配合比设计应用软件 ,能较好地进行强度及流动性能的预测     

基于人工神经网络的投标报价确定

对人工神经网络进行了简介,结合传统的统计分析方法,根据某文献提出的影响报价的指标确定了神经网络的结构,并分析了其扩展性,指出神经网络预测投标报价具有广阔的应用前景。     

人工神经网络在建筑结构中的应用研究

对日益广泛应用于建筑结构的人工神经网络的基本原理与特征以及误差反向传播的多层感知器网络(BP网络)的多种改进算法进行了介绍,分析了人工神经网络在建筑结构的优化、控制以及损伤诊断等领域中的应用情况,对人工神经网络的推广应用具有一定指导意义。     

自组织神经网络在地下水动态分类中的应用

本文应用自组织神经网络（Ａ－Ｋ网络）对地下水动态进行分类研究，实例应用表明该方法是一种有效的分类方法。     

基于神经网络的桥梁损伤识别研究综述

对人工神经网络的基本原理、特点以及与损伤识别的关系作了简要介绍,并重点介绍了损伤识别中常用的BP 神经网络的原理及其改进方法,以及国内外在基于神经网络的桥梁损伤识别应用方面的主要研究成果,最后对神经网络在桥梁损伤识别中的发展和应用作了展望。