基于灰色BP神经网络的沉降预测模型应用研究

通过对灰色BP神经网络模型的分析与研究,给出了灰色BP神经网络的建模方法,建立了基于灰色BP神经网络的建筑物沉降预测模型,通过工程实例数据分别对GM(1,1)模型和灰色BP神经网络模型进行验证,得到了灰色BP神经网络的预测效果要比单纯的灰色GM(1,1)预测模型精度要高的结论,本模型为解决建筑物基础沉降预测分析提供了一种新的方法.     

基于神经网络的山区公路桥梁造价预测

针对山区高速公路桥梁工程造价管理的难点,本文采用误差反向传播人工神经网络模型(简称BP网络模型)和模糊数学相结合的方法,以桥梁工程特征为参数,对山区高速公路桥梁工程造价进行管理和预测.其中用模糊数学理论对山区高速公路造价数据进行筛选,作为训练样本;再采用神经网络BP算法,通过三层前馈神经网络实现山区高速公路桥梁的工程特性与造价之间的复杂非线性映射,得到桥梁工程的造价预测模型.根据本文提出的造价预测模型估算得到的造价与样本的实际造价误差可控制在10％的范围内,因此,该神经网络估测桥梁造价的模型可用于山区高速公路的桥梁工程造价估算,并为有一定经验的造价工程师提供了一种实用的工具和方法.     

爆破块度预测的神经网络方法研究

在简要阐述了神经网络BP模型及其反传算法一般原理的基础上,基于工程实例,建立了堆石坝料开采爆破块度预测的神经网络BP模型,并将网络预测值与R-R、G-G-S分布模型拟合值进行了比较,结果证明网络预测模型是可靠的.     

爆破块度预测的神经网络方法研究

在简要阐述了神经网络BP模型及其反传算法一般原理的基础上,基于工程实例,建立了堆石坝料开采爆破块度预测的神经网络BP模型,并将网络预测值与R－R、G－G－S分布模型拟合值进行了比较,结果证明网络预测模型是可靠的。     

基于神经网络的高速公路交通流预测模型及其应用

以宏观动态交通流模型为基础,分析了模型中各个参数之间的函数关系,给出了基于BP 神经网络理论的高速公路交通流预测模型建立的方法,对高速公路进行建模,该模型可以通过对高速公路交通流信息的实时采集对参数进行动态的修正,达到交通流信息预测的准确性要求.     

基于支持向量机方法的短时交通流量预测方法

在总结已有多种预测模型的基础上,充分考虑了交通本身所存在的非线性、复杂性和不确定性,提出了一种基于支持向量机的短时交通流量预测模型。实例数据验证结果和基于BP神经网络的预测模型的对比结果表明,该模型在精度、收敛时间、泛化能力、最优性等方面均优于基于BP神经网络的预测模型。     

基于神经网络模型的建筑物变形预测

提出了根据实测数据构造神经网络变形预测模型的基本思路,构造出基于BP算法的神经网络变形预测模型,并给出应用实例分析。结果表明,神经网络应用于变形预测效果良好,具有一定参考价值和指导意义。     

一类新的预测模型及其应用

对时间序列的一类预测模型进行了研究，把灰色模型与BP神经网络模型组合建模，通过实例分析取得好的效果。     

大坝安全监测量的组合预测模型研究

鉴于传统数学模型和神经网络等预测模型在大坝安全监测领域应用中存在预测精度不高的问题，分析探讨了BP神经网络模型和统计预测模型的各自建立方法，在此基础上提出了一种新的组合预测模型，结合实测数据对此组合预测模型进行了检验。通过实例表明，该组合预测模型不仅很好地克服了BP神经网络模型和线性回归模型的缺陷，亦提高了预测精度，在大坝安全监测量预测中具有较强的实用性。     

基于小波神经网络的某边坡预测研究

边坡的地表位移监测是滑坡安全监控中的重要内容,对监测资料进行及时、合理和有效的分析,获取滑坡变形规律和安全状况是滑坡监测的重要工作之一。文章将基于BP算法的小波神经网络预测模型引入变形监测预报中,对工程实例进行了预测。结果表明小波神经网络预测可以取得良好的效果,且自适应预测能力较强。     

基于GA的BP网络模型在水文计算中的应用

分析了BP神经网络的缺陷和遗传算法GA的特点,在对BP网络模型进行多方面改进的基础上,提出了基于GA的BP网络模型算法,该算法利用遗传算法全局寻优能力强的特点,可克服神经网络易陷入局部极小、收敛速度慢的缺陷.研究表明,基于GA的BP神经网络模型用于水文计算是有效可行的,该算法具有广泛的应用前景.     

基于BP神经网络算法的手写数字识别技术研究

BP神经网络由于具有高度的并行结构和并行处理能力,以及固有的非线性特性和自学习、自组织、自适应能力等,特别适合应用于模式识别。以BP神经网络为背景,研究手写数字识别技术,在考虑诸多因素的情况下,最终设计一种能够提供良好识别的方法。根据研究目标,设计BP神经网络模型,并针对BP神经网络的缺陷提出BP神经网络算法的改进,提高了神经网络的性能。MATLAB仿真实验表明,改进后的BP神经网络可以对手写数字进行快速、准确地识别,具有广泛的应用前景.     

人工神经网络用于岩体工程的方法改进

岩体工程问题往往具有高度的复杂性和非线性 ,而人工神经网络是非线性的动力系统 ,是解决这类问题最有效方法之一 .但经典BP网络模型存在着收敛速度慢、稳定性差、易陷入局部极小的缺陷 .本文针对神经网络拓扑结构、数据的预处理、学习算法三方面的改进作了较系统的介绍 .实例研究表明改进后的BP网络性能良好 ,该方法在工程中具有广阔的应用前景     

堤与坝管涌发生的机理及人工智能预测与评定

分析了管涌发生的过程和影响管涌发生的因素,提出了一种预测判定管涌发生可能性的机理模型.根据机理模型从影响堤防和土石坝管涌发生的诸多复杂因素中选出既便于测量、建立观测又对管涌发生影响显著的几种因素作为系统输入,把理论机理模型和改进的BP人工神经网络模型相结合,建立预测判定堤防和土石坝中管涌发生的人工智能方法,对管涌发生的可能性因子进行了预测.并通过数据库功能,在应用中不断增加训练样本的规模,使神经网络能够学习到更全面的知识.预测结果的精度较高,表明该方法是可行的.     

神经网络在工程估价中的应用

在建设项目管理中前期工程估价是一项十分重要的工作,根据神经网络原理和工程造价估算的特点,提出了基于BP 神经网络的工程估价模型.经实例检测,其精度基本可以满足实际工程投资估算的需要.因此,神经网络在这方面有很好的应用前景.     

基于BP神经网络的工程项目风险评价

工程项目风险评价是工程项目管理的一个重要环节,将神经网络理论引入工程项目风险评价,建立了工程项目风险评价的BP神经网络模型,并通过实例对模型进行了验证。     

基于BP神经网络的河南开封市住房需求预测

影响住房需求的因素众多,错综复杂,并且具有非线性的特征。本文通过对住房需求影响因素的分析,用8P神经网络来购建住房的需求模型。根据河南开封市的有关统计数据,用BP神经网络优化算法进行住房需求预测,并与多元回归预测方法进行对比。结果表明,BP神经网络具有较好的适应性和较高的预测精度。     

BP神经网络优化模型在水体富营养化预测的国内进展

在湖泊富营养化已成为世界性的水污染治理难题的今天,富营养化预测模型应用广泛,已取得较大发展。文章介绍了运用BP人工神经网络预测水体富营养化的计算过程,综合论述了学者们在预测水体富营养化时水体中BP人工神经网络模型联合各种算法的优化情况,由此可以看出,足够多的样本是BP神经网络进行学习训练的关键;各种联合模型比普通BP人工神经网络模型更加准确、有效;多种联合模型并未运用于水体营养化评价方面;联合模型优化的BP人工神经网络必将具有巨大的价值和发展前景。     

改进BP神经网络在水轮机特性数据处理中的应用

针对原有的水轮机特性数据处理方法的不足,提出了一种改进的BP算法对水轮机特性数据进行处理.采用改进BP神经网络算法进行数据处理时,不需要依赖于具体的函数关系表达式,即可对已知离散数据进行拟合,并将提出的改进BP算法与元胞自动机理论所建立模型的计算结果进行了分析比较.计算结果表明:改进的BP神经网络算法不仅能够有效处理水轮机特性数据,而且具有很高的计算精度,可应用于水轮机的控制和优化运行当中,为进一步研究水轮机的运行性能奠定了理论基础.