边坡非线性位移的神经网络-时间序列分析

边坡的变形表现出复杂的非线性演化特征，大量的工程实践表明利用部分实测的边坡位移时间序列来预测未来边坡的位移更为准确。以神经网络和时间序列分析方法为基础，使用零均值化和标准偏差预处理方法，以及规则化能量函数法和贝叶斯规则化方法进行BP神经网络建模，利用BP网络对边坡位移非平稳时序进行趋势项提取，使非平稳监测时序转化为平稳时序以进行常规ARMA时序分析。结合滚动预测方法，建立了适合岩土体位移预测的神经网络-时间序列分析联合模型，以隔河岩水电站进水口边坡变形和水布垭水电站大岩淌滑坡位移为例进行预测分析。研究结果表明：新模型的预测精度高、实时可靠，可应用于实际工程。     

盾构施工引起地基变位的神经网络预测

通过分析盾构施工引起地基变位的影响因素,在盾构试掘进基础上,提出应用人工神经网络建立地层条件及施工参数与盾构施工引起周围地基变形之间的关系,并分析了人工神经网络技术应用于盾构隧道地表变形预报中的一些关键技术,为盾构法施工中人工神经网络的应用提出一些意见和建议。并对某一地铁工程中实测资料,应用简单的 BP 神经网络进行地表变形预测。     

带有偏差单元的IRN模型在深层搅拌桩承载力计算中的应用

对影响深层搅拌桩复合地基承载力的因素进行了分析 ,并对现行的设计方法存在的问题进行探讨 ,提出利用人工神经网络带有偏差单元的IRN(InternallyRecurrentNet)模型对复合地基承载力进行计算的新思路。通过实例验证 ,该模型可达到较好的效果 ,为今后深层搅拌桩承载力设计计算提供了可借鉴的方法。     

BP网络在消防训练评价模型中的应用

对如何评价现代消防训练的总体效果，从被评单位的基本情况、训练工作的指导思想等9个方面，建立了评价指标体系原则、目标和内容。通过引入人工神经网络理论，建立了基于BP网络的评价模型，并结合应用实例进行了讨论。     

智能桥梁结构的智能计算方案及其初步实现

提出了一种智能桥梁的智能计算方案，并利用人工神经网络法，建立一种识别作用在桥梁结构上荷载的力学反分析法，以此初步实现该方案，该方法利用传感器检测信息进行荷载识别，从而为智能桥梁结构的智能化计算奠定基础，算例表明，该方法有较好的应用前景。     

基于人工神经网络的复合地基沉降预测

利用人工神经网络强大的非线性映射和学习能力,提出了基于人工神经网络的复合地基沉降预测新方法.该方法利用实测资料直接建模,避免了传统方法计算过程中各种人为因素的干扰,所建立的模型预测精度高、简便易行,因此具有广泛的工程实用价值.     

城市污水排放量预测模型研究

采用多元线性回归和BP人工神经网络两种方法分别建立城市污水排放量的预测模型，并进行实例计算验证。通过比较分析，发现BP神经网络的非线性映射能力能够更好地反映城市污水量与多个自变量间的复杂关系，具有较高的模拟精度且应用简便。     

边坡岩体力学参数反分析遗传-神经网络算法

基于均匀设计、有限元法、人工神经网络和遗传算法建立了新的边坡岩体力学参数反分析方法.按照均匀设计要求,确定数值模拟方案;用有限元程序计算出相应的神经网络训练样本,建立边坡变形的神经网络预测模型,再利用遗传算法进行反演分析,其中反演过程适应度的计算则采用已训练好的神经网络预测来替代有限元数值仿真,这样大大缩短了计算时间.通过算例分析,反演结果比较理想,表明该反分析方法是可行性和精确的.     

结构优化设计中神经网络方法的应用

指出了传统优化设计方法的不足 ,概述了人工神经网络的基本特征和学习规则 ,提出了结构优化问题的神经网络方法设计原理和步骤 ,综述了对神经网络在结构优化中的应用。最后 ,研究了神经优化计算下一步需解决的难题     

大跨度空间网格结构的损伤定位

本文建立了基于模态曲率法和人工神经网络技术相结合的、适用于大跨度空间网格结构的损伤定位新方法,即首先应用模态曲率法判断结构是否发生损伤并识别发生损伤的局部结构,然后对发生损伤的局部结构利用人工神经网络技术识别损伤的准确位置。通过分析和比较发现,以模态曲率为基础的损伤参数比较适合于大跨度空间网格结构的损伤定位,三种以模态曲率为基础的损伤定位参数按有效性进行排序,从低到高依次为模态曲率、模态曲率差、模态曲率变化率;针对天津奥林匹克中心体育场大跨度悬挑管桁结构进行了不同损伤状况的数值模拟,验证了所建立的损伤定位方法的适用性和有效性。研究结果表明:利用模态曲率变化率识别损伤发生的大致位置,当单榀桁架发生损伤时,识别的准确率达到100%,当多榀桁架同时发生损伤时,识别的准确率达93.7%;采用人工神经网络技术识别损伤桁架的准确损伤位置时,在无测量噪声影响下,损伤定位的准确率达到97.0%,且测量噪声对损伤定位准确率的影响很大。