BP神经网络在交通工程安全评价中的应用

在道路安全评价的方法中很多方法难以准确反映各因素间的相互关系,在信息来源不完整,评价规则矛盾等复杂的情况下,往往难以运用,通过BP神经网络在道路安全评价中的运用,结果表明BP神经网络方法能够对道路安全评价进行量化,其评价结果具有合理性。     

基于Matlab的BP神经网络在泥石流危险性评价中的应用

由于泥石流孕育环境、成灾条件及其诱发因素等的随机性、不确定性和模糊性,决定了泥石流是一种非常复杂的非线性系统。人工神经网络因其具有较强的自组织性、自适应性和自学习能力等优势,更适合于解决非线性问题。本文基于Matlab程序建立了区域泥石流危险性评价的BP神经网络模型,并将该模型应用于凉山州德昌县22个乡镇的区域泥石流危险性评价中,取得了良好的应用效果,评价预测的准确率高达95%。该方法不仅解决了泥石流危险度评价因子和评价等级之间的复杂非线性关系,而且过程简单,结果不受人为因素的影响,是一种具有应用价值、有效的泥石流危险性评价方法。     

基于BP神经网络模型的建筑工程项目风险评价

为了适应现代化建筑工程项目风险评价的要求,需要建立一个合理的风险评价指标体系与一个有效的风险评价模型。首先分析了一般的风险评价模型的优缺点,确定了以层次分析法与BP神经网络相结合的风险评价模型;其次根据现代化建筑工程项目的特点建立了合理的风险评价指标体系,再次说明了评价指标体系与风险程度相关性表示的方法;最后建立了合理的BP神经网络模型。     

BP神经网络模型在建筑沉降预测中的应用

在系统介绍了BP神经网络预测模型在建筑沉降预测中的应用,对建模步骤做了阐述之后,建立BP神经网络预测模型对某建筑物的沉降变形做了预测。在对预测结果进行分析后发现该模型在沉降预测方面有较高的实用价值。     

改进BP神经网络模型在隧道变形分析中的应用

针对传统的BP神经网络模型在数据拟合方面存在网络收敛速度慢,预测精度不高的缺点,提出一种改进的BP神经网络模型的方法。利用改进后的模型对某一地铁隧道变形监测数据进行分析和预报,并结合MATLAB软件编写的数据处理程序实现改进前后两种模型对同一数据处理结果的对比分析,验证改进后模型的有效性和可靠性。     

基于BP神经网络的建筑工程地质勘察钻孔质量评价

建筑工程地质勘察钻孔质量评价是一项多目标、多因素、多层次的复杂工程。在总结传统影响钻孔质量各类因素的基础上,构建了建筑工程地质勘察钻孔质量综合评价指标体系,综合运用BP神经网络理论建立了钻孔质量BP网络评价模型。该模型能够很好地反映各钻孔质量评价指标与综合评价结果之间复杂的非线性关系,降低钻孔质量评价过程中的主观因素影响。为了验证该评价模型的可靠性与实用性,对评价模型进行了检测并进行实例应用,结果表明可将其用于建筑工程地质勘察钻孔质量评价。     

BP神经网络在MOA故障诊断中的应用

介绍了BP神经网络在MOA故障诊断中的应用情况。运用Matlab神经网络工具箱对避雷器故障进行训练,比较可知,采用改进的自适应修改学习率算法,具有较好的网络收敛性能和稳定性,并且能够有效解决局部最小问题,但是隐含层神经元数目只能通过试凑法得到。实例分析表明,运用神经网络方法能较为准确诊断避雷器故障,能够有效地克服单纯隶属函数对正常运行工况的误诊断。     

BP神经网络在旧建筑再利用社会评价中的应用

在城市发展进程中现存的旧建筑是拆旧建新还是进行改造,应进行社会影响评价;在此评价过程中要体现以人为本的精神,公众也应参与到评价中来。本文利用BP人工神经网络,将主、客观性评价指标的评价结果经与模糊集所对应的评价值规范化处理后,作为输入单元的输入值,合理地解决主、客观性指标的综合评价问题,可以在社会影响评价中更充分地体现社会上不同团体和个人的利益与观点,有助于旧建筑改造再利用社会评价的开展。     

BP神经网络在工程造价估算中的应用

建设项目工程造价估算对发包人和承包人进行决策具有至关重要的作用,运用BP神经网络理论,结合实例给出了用于建设项目工程造价估算的BP神经网络模型,仿真实验表明,采用该模型的估算结果是令人满意的。     

基于改进BP神经网络的公共市政工程质量评估模型

基于改进BP神经网络提出一种公共市政工程质量评估模型,并对构建过程展开研究,顺利完成了模型研究操作.实验结果表明,其评估参数准确度高,评估准确率相较于传统模型研究的评估准确率高15％.     

基于遗传算法的BP神经网络模型在地下水动态预测中的应用研究

地下水系统是一个复杂的非线性动力系统,地下水系统的输出(地下水位)与输入(降水入渗、蒸发、人工开采等)具有非常复杂的非线性关系。神经网络以其强大的处理非线性系统的能力而在地下水水位预测中得到了广泛的应用,它与传统的统计分析模型相比,具有更好的持久性和适时预报性,且能用于解决同时存在多个自变量和多个因变量的地下水系统预报问题。但是由于网络输入存在多重共线性,导致网络泛化能力不高,降低了网络的预测性能;并且在求解时易陷入局部极小,且收敛速度慢。针对以上问题提出了基于遗传算法的BP神经网络地下水动态预测模型。先用遗传算法优化确定BP网络的初始权阀值,然后应用LMBP算法在这个解空间里对网络进行精调,搜索出最优解或近似最优解。这样既实现了两者的优势互补,发挥了神经网络广泛的映射能力和遗传算法的全局搜索能力,也加快了网络的学习速度,综合提高了整个学习过程中的逼近能力和泛化能力。本文以Matlab7为平台设计了计算过程和具体的实现方式,还以分布于元宝露天矿区的6眼监测并为例,分别采用基于遗传算法的BP神经网络模型和BP神经网络模型对研究区的地下水位进行了短期预测,从对比分析的结果来看基于遗传算法的BP神经网络模型明显优于BP神经网络模型,是一种预测短期地下水位比较理想的预测模型。     

地下水系统BP网络模型的设计与实现

本文以某水源地地下水动态信息系统为例 ,介绍了BP神经网络模型的设计和实现方法。实际应用表明 ,基于BP神经网络的地下水动态预测信息系统具有简便、实用、高效的优点 ,在模拟和预测有多输入多输出的地下水系统方面显示出强大功能     

基于BP神经网络的过渡环境热舒适评判模型

突变环境下的人体热反应是由许多主客观因素所决定的,利用神经网络具有通过学习最佳逼近非线性映射的能力,将其应用于突变环境下人体热反应的研究,具有一定的可行性。本文通过局部非均匀环境与背景均匀环境之间的过渡实验,利用Matlab工具,分别建立了向热环境过渡和向冷环境过渡的整体热感觉以及头部执感觉的BP(Back Propagation)神经网络热舒适评判模型。经验证,该模型对不同工况过渡后的逐时热感觉预测较为准确,从而为非均匀环境与均匀环境之间过渡的热舒适模型的建立提供了一种可借鉴的方法。     

基于BP神经网络对BT项目风险的评价

BT融资模式是加快城镇化发展过程中,大型基础设施项目建设的主要融资方式,准确地对BT工程项目的风险等级进行评价,有助于降低投资人的风险损失。为了更好地评价BT工程项目的风险等级,克服传统风险分析方法的不足,建立BP神经网络模型。本文以A市地铁BT工程项目为例,首先建立该项目的风险评价指标体系,然后确定合适的BP神经网络模型参数。在大量经验数据的基础上,对BP神经网络模型进行了训练与检测,通过试验发现构建18-17-1三层BP神经网络模型对风险等级的评价结果精度最高。最后通过此模型对A市地铁BT工程项目的风险等级进行了评价,取得较好的效果。     

基于BP神经网络的项目投资风险评价

风险项目投资具有高风险、高收益的特点,科学、准确的评价方法对项目投资至关重要.传统的评价方法主观因素太强,而人工神经网络模型克服了传统项目评价依赖专家经验的弊端,为项目投资风险评价开辟了新途径.本文首先阐述了BP神经网络的原理,然后结合实例给出了用于项目投资风险评价的UP神经网络模型,仿真试验表明,采用该模型的结果是令人满意的.     

基于改进BP 神经网络的建筑施工安全评价

通过分析我国建筑施工安全生产的现状,在评价方法选择以及评价指标体系的建立方面,都在传统评价方法的基础上进行了改进,在BP 神经网络的模型中引入了动量因子mc,从而克服了BP 神经网络运算次数多,易陷入局部最优等缺点。利用改进的BP 神经网络模型对建筑施工安全进行评价,找出施工中影响安全的主要因素,为建筑施工的危险辨识和制定相应控制措施提供依据,以指导人们有效地控制施工中的不安全因素,避免和减少施工中事故的发生。     

BP神经网络和RBF神经网络在墩柱抗震性能评估中的比较研究

通过仿真实例,对BP神经网络和RBF神经网络在墩柱抗震性能评估中的应用进行了比较研究.训练和仿真结果表明,BP神经网络和RBF神经网络均能很好地对墩柱的延性进行抗震性能评估,并且,在相同精度要求下,RBF神经网络比BP神经网络的训练速度更快,效率更高,充分体现了RBF神经网络的优越性.同时也总结了BP神经网络和RBF神经网络所存在的不足.实际应用中,可以以此结论为指导来设计神经网络.     

基于神经网络的城市投资环境评价探讨

阐述了神经网络方法在城市投资环境评价领域中的应用模型及其操作算法，并给出了应用实例。指出了该方法较之传统方法有其优越性，但不能取代传统方法。     

基于GA的BP神经网络在砂土液化评价中的应用

BP神经网络是一种应用面较广的神经网络,但存在明显缺陷:学习收敛速度慢,易陷入局部极小。遗传算法具有良好的搜索全局最优解的能力。在探讨训练样本选取的基础上,耦合遗传算法和BP神经网络构建了遗传网络并应用于砂土液化的评价,通过与动量梯度下降算法改进的BP神经网络对比,表明了基于遗传算法的BP神经网络在砂土液化评价中的优越性。