基于可拓学的砂土液化等级评价研究

砂土液化等级的判别方法多种多样,考虑的因素有多有少．但不同判别方法中考虑的因素,由于评分标准的不同不可以任意相互选用,导致了传统砂土液化等级判别方法的局限性．可拓评判则从可拓集合理论出发,建立多指标性能参数的等级评定模型,通过定量的数值表示评价结果,这样可以使评价指标最优化地接近实际的土质情况,评价结果自然比传统评价方法更加准确．结合改进的层次分析法（The Analytic Hierach Process）,应用可拓理论对砂土的液化等级进行评价,较好地解决了工程中的实际问题．     

基于可拓学的砂土液化等级评价研究

砂土液化等级的判别方法多种多样,考虑的因素有多有少.但不同判别方法中考虑的因素,由于评分标准的不同不可以任意相互选用,导致了传统砂土液化等级判别方法的局限性.可拓评判则从可拓集合理论出发,建立多指标性能参数的等级评定模型,通过定量的数值表示评价结果,这样可以使评价指标最优化地接近实际的土质情况,评价结果自然比传统评价方法更加准确.结合改进的层次分析法(The Analytic Hierach Process),应用可拓理论对砂土的液化等级进行评价,较好地解决了工程中的实际问题.     

基于SOFM神经网络的砂土液化评价

提出应用自组织特征映射(SOFM)神经网络进行砂土液化评价,根据实测资料和行业规范,建立具有7个输入参数,4个输出类别的SOFM神经网络模型对砂土液化的严重程度做出评价.实例研究表明,应用SOFM神经网络评价砂土液化高效可行,为砂土液化的研究提供了新方法.     

基于神经网络理论的砂土液化的判别

本文探讨了用神经网络方法来研究土的抗液化性能与土参数之间的非常复杂的非线性关系,并对实例进行网络测试,测试结果与其它液化判别方法所得的结果相比要更为可靠。     

基于神经网络理论的砂土液化的判别

本文探讨了用神经网络方法来研究土的抗液化性能与土参数之间的非常复杂的非线性关系 ,并对实例进行网络测试。测试结果与其它液化判别方法所得的结果相比要更为可靠     

基于GIS的安全系数法在区域砂土液化评价中的应用

砂土液化研究是一项复杂的系统的工作,是岩土工程界重要的研究方向.在工程勘测中,仅凭有限的单孔钻探资料推测建设区域的整体液化情况是缺乏科学性的.因此,在综合了液化判别规范的基础上提出液化安全系数法,并借助GIS相关理论和方法,以ArcGIS软件为平台在实例中得以应用,实现了对区域的砂土液化分级预测,为基于有限资料下的大区域砂土液化判别及预测提供了可行有效的途径.     

补偿模糊神经网络在砂土液化势评价中的应用

在分析砂土液化影响因素的基础上,选取震级、地面加速度最大值、标准贯入击数、比贯入阻力、相对密实 度、平均粒径、地下水位等7个因素作为评价指标,建立了砂土液化势评价的补偿模糊神经网络模型。通过对网 络的学习训练和仿真检验,表明补偿模糊神经网络是进行砂土液化势预测评价的有效手段。     

应用GRNN模型对给水管网水质的综合评价

给水管网水质是多种污染因子的综合作用结果。为克服水质综合评价过程中的随机性与评价专家主观上的不确定性,利用神经网络的非线性和良好的函数逼近特性,建立了给水管网水质评价的广义回归神经网络(GRNN)模型。该模型具有网络结构自适应确定及输出与初始权值无关等优良特性。通过对在水质评价各等级间随机内插足够数量的训练样本的训练,确定合适的光滑因子。通过实例验证了模型评价结果与实际情况的一致性,为给水管网水质的评价提供了一种新方法.     

荆州长江大桥桥基场地砂土液化试验分析

对荆州长江大桥桥基场地进行砂土液化试验,由试验结果得到砂土层在不同振动次数下的抗液化强度和地震作用时的等效平均剪应力,对两者进行比较,从而可知砂土层发生液化的可能性.由液化的深度和液化指数,对桥基进行了液化评价,评价的结果可以给大桥的桥基设计提供相关的参数.     

砂土液化判别的人工神经网络方法

应用人工神经网络原理，根据地震液化的实测资料，建立了 ８个因素综合考虑的预测砂土液化的ＢＰ神经网络模型．通过实例计算与模型评价，验证了该模型的科学性、高效性并较规范法具有更高的预测精度，不仅为砂土液化提供了又一新的研究方法，而且为进一步完善规范公式提出了建议．     

基于概率神经网络的高校毕业生学位评审预测

客观地、高效地、准确地对高校毕业生获得学位进行评审,是高校面临的一个重要问题.本文首先提取影响毕业生学位的评审五大指标：学习成绩、实习成绩、论文成绩、英语四级、计算机等级,然后建立了概率神经网络的高校毕业生学位评审模型.Matlab仿真实验表明,该方法评审学位简单快速且准确率较高,具有良好应用前景,也为今后高校学位评审提供一个新视角.     

基于广义预测的非线性神经网络控制器

广义预测控制(GPC)是针对线性系统提出的一种控制方法,而神经网络具有对一般非线性函数的逼近能力。首先介绍基于GPC的神经网络控制系统的组成,进而提出采用两层线性神经网络构造预测器,采用E lamn型动态递归网络构造控制器,从而实现对非线性对象的快速控制,仿真结果说明了该算法的有效性。     

非线性多元回归分析的神经网络方法

提出了利用前馈神经网络进行非线性多元回归分析的方法,该方法能有效解决传统多元回归分析难以解决的非线性多元回归问题;并提出了进行非线性多元回归分析的BP改进算法,通过实例验证了其有效性.     

基于广义回归神经网络的交通流预测模型

将广义神经网络技术引入到交通流量的长期预测中,介绍了广义神经网络模型的理论基础和网络结构,建立了天津市某路口交通流量的数学模型,并通过调查数据对交通流进行了预测,测试结果表明,该方法有一定的适用性.     

粉土地震液化等级评判的人工神经网络技术应用

据地震液化的实测资料,即地震荷载下实测的各项土的物理力学参数,利用BP人工神经网络理论,建立粉土液化等级评别的反向神经网络模型进行判别,与现有的方法比较,具有通用性、客观性、科学性。因人工神经网络具有良好的非线性映射能力,可以灵活方便地对多成因的复杂的未知数进行高度的建模。神经网络兼有概念直观,公式简洁,标准化编程和易于实现等优点。     

基于BP神经网络的战场网络攻击效能评估

战场网络攻击效能评估是网络攻击研究的重要内容.为了评估战场网络攻击效能,构建了战场网络攻击能力评估指标体系,提出了基于BP神经网络的评估方法,给出了构造样本的方法,并用构造的样本对BP神经网络进行训练,最后利用Matlab软件对该网络进行了仿真.通过与模糊综合评判法得出的评估结果相比较,验证了该方法的有效性.该方法减少了评估中人为因素的影响,使评估结果更可信.     

基于神经网络的装备保障资源评估

科学的评估装备保障资源对提高部队保障能力及装备保障指挥决策具有重要的现实意义;基于人工神经网络理论及 BP(back propagation)网络原理,建立了装备保障资源评估模型,初步形成对装备保障资源各基本内容的评估。最后,结合装甲装备保障资源实例进行了分析。