三种神经网络在混凝土强度预测中的应用

通过建立改进的BP和RBF两种神经网络模型，对混凝土的强度进行预测，将预测值与常规BP神经网络模型预测结果进行了比较，研究表明，改进的BP和RBF的神经网络模型能够充分考虑影响混凝土强度的各种因素，在强度预测中具有广泛的应用前景。     

钢结构算量软件STSL的研究与开发

在国内自主研发土木工程计算机辅助设计软件PKPM平台上,利用VC++编程技术实现了计算机辅助设计技术在钢结构算量领域的应用,解决了钢结构图形算量中模型建立、节点信息录入、计算规则设置以及工程量统计等关键技术,研发出实用的钢结构图形算量软件STSL,并已在实际工程中应用,取得了良好效果.     

超高层办公楼建筑多专业协同BIM正向设计

随着BIM技术在国内的深度应用,如何应用BIM技术进行正向设计及利用BIM模型的三维直观特点辅助设计人员达成设计愿景是实现其价值落地的主要目标。作为深圳前海的标杆项目,民生互联网大厦项目利用多种软件,完成了精细化、标准化的建筑BIM设计。不同于传统的二维图纸和文档的设计沟通方式,基于BIM的三维模型可以更加直观地完成多专业沟通和协调,提高设计效率。BIM技术在本项目的主要应用点在Revit出图标准制定、BIM正向设计、BIM辅助设计、4D施工模拟,VRAR等技术应用。通过深度应用BIM技术提高了设计质量,辅助设计人员减少设计错误及帮助业主实现管控目标。     

应用神经网络方法对粘钢加固钢筋混凝土梁的承载力预测

目前粘钢加固方法已被广泛用于加固工程，但影响其承载力的因素很多，很难得出精确的承载力公式，而应用神经网络的方法，建立预测粘钢加固梁承载力的BP算法模型，可将众多因素考虑进去，通过训练再对目标进行预测，能取得很好的效果。因为神经网络在处理与解决问题时不需要精确的数学模型，为解决混凝土非线性问题提供了一种有效的解决手段。     

基于概念设计的建筑结构CAD方法

建筑结构计算机辅助设计是以概念设计为基础 ,运用计算机进行计算、分析和图形处理的过程。举例说明概念设计在实际工程中的应用 ,并简述了以微机及结构辅助设计软件为工具 ,建立计算模型计算及图形处理的几点经验。     

边坡稳定性预测的混沌神经网络方法

边坡系统本身的各种参量是不确定的和随机的，在其演化过程中，表现出复杂的非线性行为，会发生一系列的混沌现象。运用现代混沌理论与神经网络方法的基本原理，把混沌理论与神经网络结合起来，建立了边坡稳定性预测的混沌神经网络模型，从新的角度研究边坡稳定性预测问题，对该问题进行了探索性研究。对该理论的建立及预测方法进行了系统的讨论，为该领域的研究提供了完整的技术方法。对64个典型滑坡实例的研究结果表明，混沌神经网络模型具有较高的精度。     

基于灰色神经网络模型的基坑变形预测研究

结合灰色GM(1,1)模型和BP神经网络模型各自的优缺点,建立了灰色神经网络组合模型,并采用该模型对实际的监测数据进行处理和分析.结果表明,灰色神经网络充分发挥了灰色模型和神经网络模型的优势,取得了较好的预测精度,能够满足实际应用的需要.     

集成 BIM 的建筑项目设计模式与流程研究

建筑信息模型（BIM）在建筑行业正得到广泛应用，特别是在设计阶段。然而，多数研究与实践主要考虑了 BIM 对设计的辅助作用，而较少考虑 BIM 与设计流程的有效融合，特别是设计与施工的协同。为此，通过分析传统建筑设计流程存在的问题及 BIM 在设计中的潜在优势，明确了面向设计-施工一体化的 BIM 辅助设计的应用模式，建立了面向设计全过程的BIM 辅助设计流程及 BIM 模型文件组织方式。这可为在设计-施工一体化建筑项目的设计中深度应用 BIM 提供参考。     

计算机辅助设计(CAD)应用于毕业设计的利与弊

就计算机辅助设计（CAD）应用于土木工程专业毕业设计的利与弊进行了分析，指出了计算机辅助设计（CAD）在毕业设计中合理的应用方法。     

液力变矩器循环圆的计算机辅助设计

本文对汽车、工程机械等广泛应用的向心涡轮式液力变矩器循环圆,建立了计算机辅助设计的数学模型、应用统计数据和公式确定循环圆外环形状、应用轴面流通面积相等这一准则确定设计流线和内环流线,同时在计算机屏幕上显示出循环圆的形状,并可作修改,其结果打印出数据和绘出图形。     

Modelling hook times of mobile cranes using artificial neural networks

The hook times of mobile cranes are processes that are of non‐linear and discrete nature. Artificial neural network is a data processing technique that lends itself to this kind of problem. Three common artificial neural network architectures – multi‐layer feed‐forward (MLFF), group method of data handling (GMDH) and general regression neural network (GRNN) – are compared. The results show that the GRNN model aided with genetic algorithm (GA) is most promising in describing the non‐linear and discrete nature of the hook times. The MLFF model can also give a moderate level of accuracy in the estimation of hook travelling times of mobile cranes and is ranked second. The GMDH model is outperformed by the former two due to a less promising R‐square.     

Machine Learning in Engineering Analysis and Design: An Integrated Fuzzy Neural Network Learning Model

Applying neural network computing to structural engineering problems has received increasing interest, with particular emphasis placed on a supervised neural network with the backpropagation (BP) learning algorithm. In this article, we present an integrated fuzzy neural network (IFN) learning model by integrating a newly developed unsupervised fuzzy neural network (UFN) reasoning model with a supervised learning model in structural engineering. The UFN reasoning model is developed on the basis of a single-layer laterally connected neural network with an unsupervised competing algorithm. The IFN learning model is compared with the BP learning algorithm as well as with a counterpropagation learning algorithm (CPN) using two engineering analysis and design examples from the recent literature. This comparison indicates not only a superior learning performance in solved instances but also a substantial decrease in computational time for the IFN learning model. In addition, the IFN learning model is applied to a complicated engineering design problem involving steel structures. The IFN learning model also demonstrates superior learning performance in a complicated structural design problem with a reasonable computational time.     

Architectural layout optimization using annealed neural network

The facility layout problem is concerned with finding feasible locations for a set of interrelated objects that meet all design requirements and maximize design quality in terms of design preferences. The contribution of this paper is a new framework, named annealed neural network, for efficiently finding competitive solutions for the facility layout problem. This framework arises from the combination of Hopfield neural networks and simulated annealing. The first is a representation model of the layout problem and the second is a search algorithm for finding the optimum or near optimum solutions. The annealed neural network combines characteristics of the simulated annealing algorithm and the Hopfield neural network. Annealed neural network exhibits the rapid convergence of the neural network, while preserving the solution quality afforded by simulated annealing. Strategies for setting reasonable penalty factor in objective function and temperature in simulated annealing procedure were proposed. A case study of a hospital building with 28 facilities was employed to demonstrate that this model is rather efficient to solve the architectural layout problem, and it is amenable to fast computation for large layout problems.     

基于微粒群算法和模糊神经网络的火灾探测研究

针对火灾探测的特点,将模糊系统和神经网络有机结合,实现模糊系统设计参数的自动调整。采用符合国家标准明火、阴燃火以及厨房环境下的干扰火等作为模糊神经网络的训练样本和测试样本,依据模糊神经网络算法要求,完成了网络结构的设计,并给出相应的计算模型,利用微粒群算法对网络的权值进行学习与训练。结果表明,该算法在探测国家标准火的火灾状态方面具有有效性和可行性。     

索膜结构风振响应的神经网络辅助参数分析方法

针对非线性动力时程分析法求解大规模索膜结构风振响应时动力时程分析的次数受到限制而导致一些参数组合下的响应统计值难以预测的问题,引入神经网络,通过少量样本的训练,建立了参数与结构响应间的映射关系。结果表明:提出的神经网络辅助参数分析方法计算效率高、预测精度令人满意,是一种获取足够数据的有效途径;通过该方法可以得到响应统计量及风振系数随平均风速和索、膜预应力变化的规律,为设计风荷载和结构构件极端响应的计算提供了科学依据。     

BP神经网络算法对建筑保温材料性能的预测

针对建筑保温材料性能表征十分复杂、困难的情况,利用人工神经网络BP算法,建立了复合保温材料性能预测模型,模型由3层神经元组成,分别为输入层、隐含层和输出层。以炉渣复合材料性能与成分的关系为研究对象,采取108组实验数据对神经网络进行8 000次训练,神经网络输出值的平方平均误差为0.000 12。然后,选用18组实验数据对训练成熟的试验神经网络模型进行检测,并把检测样本的神经网络输出值和试验值进行比较。结果表明:所建立的网络能反映炉渣复合保温材料与材料性能之间的关系,为实验设计提供了新的思想,节省了时间和劳动力。     

基于最大间隔分类器的围岩级别判断方法

岩体的复杂性以及围岩分类中存在大量的不确定因素给围岩的正确分类造成了一定的困难.将支持向量机方法用于对围岩的分类,并与ART1神经网络和BP神经网络的预测结果进行对比,表明:将支持向量机用于围岩分类是可行的,并且具有很好的精度.     

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BAS-SCA-BP模型的高校建筑工程项目投资估算研究

针对标准BP神经网络建筑工程项目投资估算模型收敛速度慢、预测精度低的问题,提出融合改进天牛须和正余弦双重优化算法（BAS-SCA）优化BP神经网络的建筑工程项目投资估算模型。以某市高校建筑工程项目为研究对象,分析相关文献并结合显著性理论初步选择工程造价影响因子,利用粗糙集属性约简算法筛选出关键因素;基于此,通过构建基于BAS-SCA-BP的神经网络估算模型实现快速、准确的建筑工程投资估算。研究结果表明：基于BAS-SCA-BP的估算模型较标准BP神经网络估算模型的估算精度有了大幅提高,与其他智能算法改进的BP神经网络估算模型的性能相比较,该模型在稳定性和预测精度方面表现更佳。     

排水管网费用函数概述

排水管网费用函数在应用计算机对排水管道系统设计、运行和管理中具有非常重要的作用 ,根据费用函数可以对新建、改扩建排水工程进行技术经济分析 ,以期达到优化设计和控制费用的目的。应用遗传算法对排水管道单价模型进行了回归分析。