基于BP神经网络和多元回归的边坡稳定性预测研究

针对京新高速张家口路段的5个工程边坡进行了基于BP神经网络和多元回归的稳定性预测模型比较研究。结合45个不同土质参数的公路边坡实例,将影响路基边坡稳定性的岩土体内摩擦角、内聚力、重度、边坡角、边坡高度以及孔隙水压力6个主要因素作为评价因子。采用BP神经网络和多元回归两种预测方法对边坡的安全系数进行预测分析。通过对比两种模型的预测值和实际值以及方差和均方根误差,结果表明,两种模型都有较高的预测准确度,相比之下BP神经网络较之多元回归具有更精确的预测结果,更适用于边坡稳定性的预测分析。     

金川露天矿东部采场边坡的变形破坏

矿区属高应力区.由于多次构造运动的作用,断裂十分发育,岩性复杂、岩体破碎,岩层呈陡倾层状,层间错动发育,使岩体具有软硬相间的特点. 随采深增加,边坡岩体在地应力和岩体自重应力作用下,在大爆破和采掘中长期频繁中爆影响下,边坡产生了严重变形破坏,经岩移观测和地质力学研究认为,老坑属滑移—倾倒—坍塌类型.东部采场系老坑扩延而成,由于长短轴比增大,在原变形破坏类型基础上发展,局部发生了二级次生滑坡.基于对滑坡后有一相对“平静”期的分析,在人工处理反翘陡坎弯折危石并严密监视边坡险情下,可回采部分矿石。本文提出露天矿开采及露转坑采中的一些教训,值得露采单位吸取.     

基于BP神经网络混凝土抗压强度预测

在阐述BP人工神经网络原理的基础上,针对影响强度的主要因素,建立了多因子混凝土抗压强度3层BP网络模型,以每立方混凝土中水泥、高炉矿渣粉、粉煤灰、水、减水剂、粗集料和细集料含量及置放天数作为模型输入参数,混凝土抗压强度值作为模型的输出,对混凝土抗压强度进行了预测.实验结果表明:所建BP神经网络混凝土抗压强度预测模型最大...     

基于BP神经网络的建筑工程承发包价格预测

通过分析已有的承发包价格预测方法,选取BP神经网络对承发包价格发展变化进行预测,并建立基于BP神经网络的建筑工程承发包价格预测模型,以西安市砖混结构住宅为例,证明了该模型具有很好的实用性和可操作性。     

基于相空间重构的BP神经网络对边坡的位移预测研究

边坡的位移预测对其稳定性的预报具有十分重要的意义,从基于相空间重构的BP神经网络预测方法对位移时间序列进行了分析,对相空间重构的参数延迟量以及嵌入维数进行了论述,将预测结果与传统的BP神经网络模型的预测结果进行了比较。结果表明,基于相空间重构的BP神经网络具有更高的精度,是一种优秀的预测方法。     

基于BP神经网络的路面使用性能预测分析

以温度、湿度和交通量作为影响因素,取破损率、弯沉作为路面性能预测指标,引入BP神经网络理论,建立了路面使用性能的预估模型.采集已使用多年的5条道路的相应数据建模并进行分析,结果表明,该模型具有较高的可信度,理论上可以用于路面性能的预测.     

基于BP神经网络的校园中水用水量预测研究

中水的科学利用可以有效节约水资源,但目前H校园中水供水系统由于运维管理模式依然处于经验调节方式,中水泵站供水能力与实际需水量不平衡,造成中水供水压力不稳定,泵站耗能高,压力过大导致管网漏损等问题。要实现管网优化调配,首要任务是对用水量进行预测,以九号宿舍楼为例,利用BP神经网络构建中水用水量预测模型,经过实例数据验证,证实预测模型具有一定的预测精度,能够达到预期效果,预测数据可以作为约束条件应用于中水供水优化调配研究中。     

基于BP神经网络的自动扶梯能耗预测方法

提出了一种基于BP神经网络的自动扶梯参数建模及自动扶梯能耗预测方法,可以根据不同型号自动扶梯的不同参数预测出该型号自动扶梯的能耗.通过夏天和冬天预测结果的对比分析,进一步分析了环境温度对自动扶梯能耗的影响.     

基于BP神经网络的供水管网压力预测

预测供水管网的压力,对实现优化运行和降低能耗具有重要的意义。供水管网是十分复杂而且非线性的大型系统,目前一般使用微观或者宏观模型对其某点压力进行预测,采用微观建模方法建立的供水管网压力预测模型往往出现数值求解效率低而且不够准确的问题。根据供水网络的特点并利用采集的供水压力数据,建立城市供水网络某点压力的BP神经网络预测模型,预测的结果表明该模型对城市供水网络压力具有良好的预测性。     

基于BP神经网络的再生混凝土抗压强度预测

再生混凝土抗压强度影响因素多、力学性能易劣化,为提高再生混凝土品质,必须对其强度特性进行深入研究。针对常规回归分析方法预测再生混凝土存在的问题,利用非线性映射能力良好的BP神经网络算法进行再生混凝土抗压强度预测。该预测模型以粗骨料吸水率、水灰比和水泥掺入比作为输入层,以再生混凝土28 d抗压强度作为输出层,中间隐含层节点数为10。仿真结果表明,该模型平均相对误差仅为3.04%,线性相关系数大于0.94,该方法具有简单高效的特点。     

露天高陡边坡结构数字识别与破坏模式分析

岩体是由结构面和岩石组成的复合地质体,结构面的存在会在一定程度上降低岩体质量和露天矿山边坡稳定性。本文总结了常见的边坡破坏模式,以某露天高陡边坡为研究对象,开展基于Sirovision系统的岩体结构面调查与统计分析工作,获取了研究区域内48条结构面。采用K-means聚类算法得到3组优势结构面产状,发现区域边坡有发生楔形体破坏的可能,经计算楔形体在3种不同工况下的安全系数满足规范要求,表明区域边坡处于较为稳定状态。     

基于BP神经网络的公路网规模预测研究

对公路网规模与经济发展的关系进行了分析,利用格兰杰因果检验法筛选指标,建立了基于BP神经网络的公路网规模预测模型,并对安徽省公路网合理规模进行了预测,以促进公路网建设与发展。     

带锚FRP受剪加固梁非剥离破坏模式BP网络预测

对带可靠锚固FRP受剪加固混凝土梁的非剥离剪切破坏模式做了细化分类,即包括FRP断裂控制的破坏、受压区混凝土(达到极限应力状态)压碎控制的破坏、FRP断裂与混凝土压碎同步发生的界限破坏等3种模式;利用BP神经网络建立了带锚纤维受剪加固梁破坏模式的智能预测模型,与31根非剥离破坏加固梁试验的对比结果显示:模型总体精度达到90%,说明建立的破坏模式网络预测模型适用于带锚纤维受剪加固梁非剥离剪切破坏模式的判别。     

基于BP神经网络的管网维修管径预测分析

以MH水司2004-2012年供水管网维修数据作为研究对象,以BP神经网络模型为研究方法,构建了MH水司供水管网维修的预测模型,对供水管网中待维修管道和管件的管径分布作了短期趋势预测。预测结果表明,该模型的预测精度较高,平均偏差最大为0．0054,均方差最大为0．0077;并给出了DN≤50、50〈DN≤100、100〈DN≤150、150〈DN≤200、200〈DN≤300、300〈DN≤500、500〈DN≤800和800〈DN≤1600的管道维修数量在历年和年内管道维修记录统计分析结果中的变化规律。     

采用BP神经网络模型对东北地区水库水水质的预测研究

采用BP神经网络建立了东北地区某水库水的浊度预测模型,同时针对该水库的地域特点,重点研究了冰封期对水源水水质预测的影响。结果表明,以浊度为预测对象,将水库的水质数据按照是否进入冰封期进行划分后建模,预测效果比划分之前有较明显的提高。     

基于BP神经网络的静压桩承载力时间效应预测

基于珠海软土地区3根PHC管桩隔时复压试验数据,采用BP神经网络建立了静压桩承载力时间效应的BP神经网络模型来预测静压桩的长期承载力。在建模过程中将桩长、桩截面积、土体摩擦角、土体变形模量、渗透系数、最终压桩力及休止期等与静压桩承载力密切相关的7个参数引入到输入层,用Visual Basic语言编制了以最终压桩力和休止期为主要输入因素的计算程序,程序可以对比显示计算和实测曲线。在样本训练和学习过程中,任意选取2根桩的试验数据来预测第3根桩的长期承载力。通过对施工现场工程桩的试算,预测结果与实测值较为吻合,表明提出的BP神经网络模型用于预测静压桩长期承载力是切实可行的。     

造价估测方法的研究和BP神经网络模型的应用

比较分析了现行的造价估测模型的特点及其存在的问题,突出BP神经网络模型进行造价估测的理论优势,引入工程分类思想,以学校类建筑为例,建立了BP神经网络估测模型并进行了造价估测.     

基于神经网络的GPS水准方法的研究与分析

分别将BP网络和RBF神经网络应用于GPS水准高程拟合研究,在此基础上,选择某一地区的GPS水准实测数据进行了高程拟合实验,并将得到的最后精度进行了对比分析,得出基于BP神经网络模型在GPS高程异常拟合中具有较高的精度,并提出科学建议。     

基于MATLAB BP神经网络的岩溶渗漏污染预测一例

本文以摆纪磷石膏堆场为研究对象,采用了地下水物质迁移模型中的"黑箱"模型,即运用MATLAB的BP神经网络建立磷石膏堆场岩溶渗漏污染预测模型,实现了人工神经网络对堆场岩溶渗漏污染的预测。在岩溶渗漏管道为单一管道类型时,模型预测值基本与实测值吻合,误差较小,效果较为理想。但对复杂的岩溶渗漏管道类型,虽然能大致反映出污染物浓度变化的趋势,但模型精度不够,误差较大,因此还需进一步收集数据进行模型的优化,使其达到理想的预测效果。     

一种BP神经网络纸币图像识别方法的研究

介绍了BP神经网络的结构特点与原理,基于此种方法,对几种纸币的面额与方向进行了识别,其中权值的修改算法采用LM算法,并对算法的基本思路作了阐述,识别仿真结果表明,BP神经网络具有较高的准确性。