基于径向基神经网络的基坑支护位移预测方法

简要分析了径向基神经网络相对于BP神经网络的优点,利用径向基神经网络建立了基坑支护水平位移的预测方法并编制了基于径向基神经网络的支护位移预测程序.结合实际工程监测数据中的基坑支护结构水平位移数据,对网络进行训练并利用训练好的网络对基坑支护结构的水平位移进行了预测.从预测结果与实测结果的对比分析来看,利用径向基神经网络对基坑支护水平位移进行预测是可行的,其精度符合工程实际的要求.     

斜拉桥损伤识别的径向基函数(RBF)神经网络设计

在文~［１］中用径向基函数神经网络讨论了梁格形式的桥梁构件损伤识别,文~［１］对文~［２］做了改进,识别效果大大改善。本文尝试用径向基函数神经网络对斜拉桥构件损伤进行识别,验证指标函数及径向基网络的设计参数。     

基于神经网络-蒙特卡罗法的隧道初衬可靠度研究

对于功能函数是隐函数的可靠性分析问题,传统的有限元蒙特卡罗法计算量极大。为了克服此缺点,提出了径向基神经网络-有限元蒙特卡罗法(RBF-MCS)。通过样本训练,创建了径向基神经网络模型。利用ANSYS软件中的可靠度分析模块,分析了基本随机变量对隧道初衬轴力的灵敏度大小的顺序。通过此方法和传统的有限元蒙特卡罗法分别计算了大瑶山隧道初衬的轴力和可靠度,并进行了对比分析。基于径向基神经网络-有限元蒙特卡罗法(RBF-MCS)的计算结果与施工实际吻合较好,通过现场观察也没有发现喷层混凝土压裂破坏,可见计算结果是符合实际的。径向基神经网络-有限元蒙特卡罗法比传统有限元蒙特卡罗法更加适合复杂结构的计算,具有更高的效率、精度和适用性。     

基于RBF的可靠性工作项目风险综合评价方法研究

利用径向基神经网络优秀的函数逼近和空间插值能力,提出基于径向基神经网络的可靠性工作项目风险综合评价模型。在对原始数据进行“效益型”归一化处理的基础上,采用三层径向基神经网络,利用遍历法得到隐层节点数,进行径向基神经网络的创建与训练,用来进行可靠性工作项目风险的仿真评价。实例表明,该方法具有很好的评价效果。     

基于K-L变换和径向基函数神经网络的滚动轴承故障模式的识别

径向基函数(RBF)神经络是一种三层前馈型神经网络,它具有较强的非线性函数逼近能力和分类能力。根据径向基函数神经网络的优点,在对滚动轴承振动信号故障特征分析的基础上,应用K-L变换将所测取的振动相关特征矢量转化为独立的特征矢量,利用其主特征值建立径向基函数神经网络,并用该网络对滚动轴承的故障模式进行了识别。理论和试验证明了该方法的有效性,且具有较高的识别精度。     

径向基网络在结构设计与分析中的应用

详细地介绍了径向基(RBF)神经网络的结构和基本原理。基于RBF神经网络能够逼近任意非线性函数的特点,提出了一种基于RBF神经网络建立结构分析模型的方法。与BP网络的仿真结果对比表明,所建立RBF神经网络模型收敛速度快,拟合精度高,适用于复杂结构的建模问题。     

基于数据挖掘的冷水机组能耗预测

为了充分利用能源站冷水机组实际运行数据,提高能耗预测准确率,提出了一种基于数据挖掘算法的冷水机组能耗预测模型。该模型包含3个主要步骤:数据预处理、模型建立及分析、结果表述。在模型选择上,利用支持向量机、径向基函数神经网络及决策树3种算法建模并对比分析。结果表明:基于数据挖掘的能耗预测模型有较好的实用性与可靠性;相比其他2种模型,径向基函数神经网络模型的均方根误差值平均降低了0.661,相关系数达到0.999,即径向基函数神经网络的能耗预测准确率最高,建模效果最佳。     

基于径向基函数神经网络的铁路路径规划

通过合理路径规划实现高速铁路能量效率的优化是铁路运行中的重要研究内容。本文引入资格迹(eligibility trace)改进径向基函数(RBF)神经网络。在此基础上,使用改良的径向基函数(RBF)神经网络实现列车在复杂情况下的路径规划。     

径向基函数神经网络预测城市用水量模型及应用

以城市用水人口和城市生产总值作为输入向量,年用水量数据作为目标向量,建立了径向基函数神经网络并对城市用水量进行预测。采用不同的扩展速度,预测误差不同。当扩展速度spread=1时,预测数据与实际数据的相对误差均小于0.05%,取得了很好的预测效果,说明采用径向基函数神经网络模型预测城市用水量的方法是可行的。     

基于模糊逻辑--径向基函数网络协作系统的交通事件自动检测算法

事件检测算法是事件管理系统的关键内容。利用神经网络和模糊逻辑结合系统进行事件检测是目前的研究热点 ,有两种形式 :模糊神经网络和模糊逻辑———神经网络协作系统 ,本文提出了基于模糊逻辑和径向基函数网络协作系统的事件自动检测算法 ,用径向基函数网络描述模糊逻辑 ,综合两者的优点。为了反映交通检测参数的相对变化 ,本文提出了新的交通流参数模糊化方法———二次高斯概率法。仿真数据表明 ,本文所提出的算法性能优越 ,适于工程应用