CALENDER

An algorithm for on-line detection of damage to structures caused by ground shaking is presented. Real-time sampled response data are processed by templates in the form of ID (for structural identification) neural networks, which differentiate damage according to similarity of the response to those encapsulated in the templates. Numerical examples based on a simple 2-story steel-frame building are used to illustrate the proceedings and to underscore the limitations of the method. The challenges of on-line damage detection are discussed in detail to promote better understanding of how the proposed algorithm has evolved and, in particular, why neural networks are used. Widespread application of the algorithm, and damage detection in general, depends on the establishment of an adequate ID networks database, a far more daunting task in practice than in the theoretical setting of the paper.     

应用人工神经网络技术评估混凝土中的钢筋锈蚀量

将人工神经网络技术应用于锈蚀开裂后混凝土中钢筋锈蚀量的评估,在分析锈蚀开裂后影响钢筋锈蚀量的主要因素基础上,建立了评估钢筋锈蚀量的人工神经网络模型,并从网络结构优化和学习参数的角度探讨了神经网络模型的适应性。最后通过实际工程检测结果验证了该方法的实际可行性。     

BP神经网络转换GPS高程的若干问题探讨

BP神经网络用于GPS高程转换是近年来应用的一种新的方法,该方法有着较高的精度,在某些情况下,该方法优于二次曲面拟合方法,所获得的正常高可满足各种大比例尺测图的精度要求,具有一定的实用价值。但它仍然存在某些不足之处,如网络的隐含层和隐含层单元个数选取,参加学习的样本的质量如何影响仿真精度等,本文结合实例分析了上述问题,得到了一些有益结论。     

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.     

地表下沉系数计算的人工神经网络方法研究

在综合分析地表下沉系数影响因素的基础上,采用人工神经网络方法建立了地表下沉系数的计算模型,运用我国典型的地表移动观测站资料作为网络模型的学习训练样本和测试样本,对网络模型的计算结果与实测值进行了对比.结果表明,用人工神经网络方法求算地表下沉系数考虑的因素更为全面,结果准确可靠,更接近于实际,为地表下沉系数的理论计算探索出一种新方法.     

基于神经网络的碳纤维布与混凝土极限粘结强度分析

碳纤维布与混凝土的极限粘结强度问题属于高度非线性问题,难以建立精确的数学表达式进行分析。对基于拉出试验的极限粘结强度数据进行分析,建立了人工神经网络,对极限粘结强度进行仿真预测。神经网络的建立考虑了碳纤维布的厚度、宽度、粘结长度、弹性模量、抗拉强度和混凝土试块抗压强度、抗拉强度、宽度这8个参数,运用了118组试验数据对网络进行训练,对15组数据进行了预测分析。将神经网络计算结果同4种经验公式计算结果进行比较,其精度明显高于其他4种模型。结果表明,运用人工神经网络对碳纤维布与混凝土的极限粘结强度进行预测是可行的。     

智能控制技术在火灾监控系统中的应用

指出现行火灾监控系统存在的问题.分析了智能控制技术解决问题的可行性及其在火灾监控系统发展中的作用     

混凝土强度预测和模拟的智能化方法

早期获得混凝土28d抗压强度值,对于提高工程质量和加快施工进度具有十分重要的意义。本文在国内外早期推定混凝土强度方法的基础上,提出一种基于人工智能的新的预测办法,建立了多层前馈神经网络模型,实现了从新拌混凝土的组份及其特性到硬化后混凝土强度之间的复杂的非线性映射。通过对大量试验数据的学习,智能系统可以早期预测混凝土28d抗压强度。此外,本文还应用该智能系统模拟分析混凝土成份的质和量的变化对其抗压强度的影响,得到的结果符合已知的混凝土强度变化的某些规律,表明系统具有较高的精度和较强的泛化能力。     

一种基于GA-ANN的智能评价系统及其应用

利用人工神经网络实现了评价问题的智能化,并且针对经典BP算法易陷于局部极小点的缺陷,利用GA对神经网络权重进行了优化,并将此模型应用于项目管理水平评价中,取得了令人满意的效果。     

岩石工程稳定性控制参数的直觉分析

基于BP神经网络，定义了衡量网络输入对输出作用大小的相对作用强度RSE（RelativeStrengthofEffect），并结合实际的岩石工程实例数据用RSE分析了其各个作用参数对工程稳定性的影响的相对大小与作用方式。实际分析的结果表明，所提出的方法能够较全面地反映岩石工程现场的复杂实际情况，具有易于处理不确定性、动态与非线性问题等优点，是对岩石工程进行参数分析的有效工具。     

基于神经网络的地埋管换热器出水温度预测

本文利用人工神经网络对地埋管换热器出口水温的预测,出口水温对热泵的有效操作以及能源节约都至关重要。在系统模拟以及系统识别中,人工神经网络应用广泛。为了训练人工神经网络预测模型,采用有限的实验方法组为训练、测试数据。在此研究中,在输入层里,含有土壤导热系数、埋管间距、钻孔深度、管内水流量、地埋管换热器入口水温、输入热流量的大小及时间;地埋管换热器出口水温在输出层。网络中,反向传播学习三种算法分别为：Levenberg-Marquardt算法（LM）,比例共轭梯度算法（SCG）以及动量批梯度下降函数（GDM）,同时运用切线非传递函数,从而得出最佳方法。预测结果显示,最合适的演算法以及隐藏神经元的数量为LM-10。训练之后,均方根（RMS）为1%,方差值R2的绝对分数为99.9%,最大cov的变异系数比为25.7%。说明人工神经网络可以对地埋管换热器出口水温精确预测。     

数据规划处理在人工神经网络中的应用

神经网络所用的样本数据以及这些数据的规划处理对网络性能和实际运用有着至关重要的影响!本文首先对神经网络在结构可靠性领域中应用的重要意义进行了探讨,然后在已有的数据处理方法的基础上提出了简便的数据规划处理算法,最后,用结构可靠度的实例验证了该算法的正确性!     

智能化空调方案设计软件实现方法初探

在深入分析空调方案设计中存在问题的基础上 ,将人工神经网络技术和系统模糊决策理论引入其中 ,建立了一个简单的智能化方案设计系统 ,对智能化空调方案设计软件的实现方法进行了初步研究。     

人工神经网络在岩土工程中的应用

人工神经网络在近几年来发展迅速。基于人工神经网络的方法在岩土工程中得到了广泛的应用。神经网络的模型很多 ,很多学者在他们的研究中采用了BP神经网络。通过对BP神经网络方法与传统方法进行比较发现有其独特的优点。由于岩土工程中的问题的复杂性 ,在已知量与未知量之间存在很强的非线性关系。这种非线性关系通过人工神经网络可以很好地映射。笔者认为神经网络在岩土工程中是可行的 ,必将会引起更多的岩土工程师的兴趣     

重庆地区混凝土构件碳化规律的神经网络描述

碳化是混凝土结构构件中普遍存在的问题,随混凝土碳化的发展可能将逐步导致钢筋产生锈蚀,从而影响构件的耐久性。影响混凝土碳化的因素较多,即使相同的影响因素,在不同地区对混凝土碳化影响程度也会有所差别。因此,考虑多因素和不同地区特点建立特定区域的混凝土碳化模型具有重要工程价值。根据部分重庆地区不同时期自然条件下混凝土构件碳化深度实测数据,采用人工神经网络方法初步建立了重庆地区自然条件下混凝土碳化模型。通过计算结果和实测数据的对比,探讨了模型的可行性和适用性,为进一步确定重庆地区自然条件下混凝土碳化规律创造了初步条件。     

Application of surrogate artificial intelligent models for real‐time flood routing

Developing a robust flood forecasting and warning system (FFWS) is essential in flood‐prone areas. Hydrodynamic models, which are a major part of such systems, usually suffer from computational instabilities and long runtime problems, which are particularly important in real‐time applications. In this study, two artificial intelligence models, namely artificial neural network (ANN) and adaptive neuro‐fuzzy inference system (ANFIS), were used for flood routing in an FFWS in Madarsoo river basin, Iran. For this purpose, different rainfall patterns were transformed to run‐off hydrographs using the Hydrologic Engineering Center (HEC)‐1 hydrological model and routed along the river using HEC river analysis system RAS hydrodynamic model. Then, the simulated hydrographs with different lag times were used as inputs for training of ANN and ANFIS models to simulate flood hydrograph at the basin outlet. Results showed that the simulations obtained from ANN and ANFIS coincided with the results simulated by the HEC‐RAS, and application of such models is strongly suggested as a backup tool for flood routing in FFWSs.     

A model for predicting failure of oil pipelines

Oil and gas pipelines transport millions of dollars of goods everyday worldwide. Even though they are the safest way to transport petroleum products, pipelines do still fail generating hazardous consequences and irreparable environmental damages. Many models have been developed in the last decade to predict pipeline failures and conditions. However, most of these models were limited to one failure type, such as corrosion failure, or relied mainly on expert opinion analysis. The objective of this paper is to develop a model that predicts the failure cause of oil pipelines based on factors other than corrosion. Two models are developed to help decision makers predict failure occurrence. Regression analysis and artificial neural networks (ANNs) models were developed based on historical data of pipeline accidents. The two models were able to satisfactory predict pipeline failures due to mechanical, operational, corrosion, third party and natural hazards with an average validity of 90% for the regression model and 92% for the ANN model. The developed models assist decision makers and pipeline operators to predict the expected failure cause(s) and to take the necessary actions to avoid them.     

高性能混凝土配方优化方法的研究

文章分析介绍了高性能混凝土的各种影响因素，分析了优化理论中涉及的各种配方设计的运用方法、优缺点等，并详细说明和分析了试验数据的优化分析问题，如回归分析、神经网络、主成分分析法等。指出应用主成分分析法和神经网络结合是研究高性能混凝土配方优化的新的可能途径。     

考虑土-结构动力相互作用影响的结构神经网络控制

将人工神经网络控制理论应用于软弱地基上建筑结构地震反应的主动控制分析中。通过训练神经控制器NNC (Neural networkController)预测结构控制力 ,由神经模仿器NNE (Neural networkEmulator)预测结构对地震力的反应来修正NNC的输入 ,从而实现结构的主动控制。数值模拟表明 ,神经网络控制系统能够有效地控制结构的地震反应 ,且对地震输入有很好的自适应性 ,在设计神经网络控制系统时 ,应考虑土—结构动力相互作用的影响。