基于BP神经网络的砂士液化势判别

本文从影响砂土液化的多个因素入手，根据不同因素的相对贡献率，应用人工神经网络基本原理，建立多参数综合评价砂土液化的BP网络模型，对砂土液化的严重程度做出了客观评价。     

基于BP神经网络的砂土液化势判别

本文从影响砂土液化的多个因素入手，根据不同因素的相对贡献率，应用人工神经网络基本原理，建立多参数综合评价砂土液化的BP网络模型，对砂土液化的严重程度做出了客观评价。     

膨胀土野外速判分级方法研究

为探索膨胀土的野外快速判别方法,以南水北调中线引江济汉工程膨胀土渠坡段为例,选取土体颜色、地层岩性、粘着程度、结核物含量4个野外速判因子,并根据部分已确定的膨胀土分级结果,反分析了各因子的分级敏感度与权重,建立了膨胀土野外快速判定多因子权重专家打分系统。经验证,该专家打分系统可实现膨胀土膨胀潜势的野外快速判别,具有较好的适用性,可为膨胀土地区工程勘察及治理方案的设计提供有益的指导。     

高速公路工程膨胀土判别与分类研究

目前,国内外膨胀土判别与分类的方法很多,所选择的指标和标准也不一样,但并不完全适合公路工程。通过对襄荆高速公路膨胀土的工程特性研究,并参考目前各种膨胀土的判别与分类方法,提出适合襄荆高速公路的膨胀土判别与分类方法,供同类工程参考。     

膨胀土的判别及其危害防治

文章阐述了膨胀土的判断方法及几种防治措施。     

膨胀岩的判别分级与隧洞工程

在分析泥质膨胀岩的影响因素，讨论国内外泥质膨胀岩的判别准则及分级标准的基础上，提出了隧洞工程中膨胀岩判别分级方法的建议，探讨了甘肃省上第三系黏土类岩石的膨胀特性。     

基于Logistic回归模型的膨胀土判别与分类

采用《公路工程地质勘察规范》(JTG C20—2011)推荐的自由膨胀率、塑性指数、标准吸湿含水率作为膨胀土判别与分类指标,将膨胀潜势分为非、弱、中等、强膨胀土4个等级。以某高速公路沿线土样为例,利用SPSS软件建立了土膨胀潜势分级的有序Logistic回归模型,并利用所建模型对待判土样进行判别,结果与实际一致。研究结果表明:有序Logistic回归模型的判别性能良,能客观反映膨胀土分类的复杂状况,具有较好的工程应用前景。     

基于PCA-BPNN的膨胀土自由膨胀率预测

为了准确地对膨胀土进行分类,将主成分分析方法（PCA）和BP神经网络方法（BPNN）相结合,进行膨胀土自由膨胀率预测研究。首先,对影响自由膨胀率的几个物性指标数据进行主成分分析,得到主成分数据序列;然后,根据主成分数据序列建立输入样本并应用BP神经网络进行训练,得到PCA-BPNN预测结果,从而预测自由膨胀率。采用南阳膨胀土数据进行实例分析,结果表明,该模型比单一BP神经网络预测方法的效果更好。     

路基膨胀土判别和分类的属性测度模型

将属性数学理论应用于膨胀土的综合评判中,建立路基膨胀土判别与分类的属性测度模型.首先根据对膨胀土的评判要求,结合高速公路路基膨胀土的判别与分类实践,提出用于膨胀土综合判别的评价指标.然后根据属性数学理论构造单指标属性测度函数,以属性测度函数计算单指标属性测度,以客观性权重对指标进行赋权以计算多指标综合属性测度,以该综合属性测度对膨胀土的膨胀等级进行判别.最后以置信度准则进行膨胀土胀缩等级的属性识别.实例研究表明,该模型的评价结果与评判法、模糊综合评判法的评价结果基本一致.     

BP人工神经网络在岩体质量分级中的应用

通过金沙江某水电站的野外地质调查获取了丰富的基础地质资料后,针对其地质特点,提炼出岩石单轴抗压强度(R)、岩石质量指标(RQD)、岩体风化程度、节理组数(Jn)、节理粗糙系数(Jr)、节理蚀变系数(Ja)和地下水状态7个对岩体质量起控制作用的因素作为神经网络模型的输入变量。基于MATLAB软件平台设计的人工神经网络,通过具有较强代表性的116组样本数据的训练得到了稳定性好、可信度高的岩体质量分级网络模型。在对36组测试数据分析后,发现该模型的仿真结果具有较高的准确度和良好的吻合度,能够满足实际工程需要。     

基于BP神经网络的来水量预测模型

针对径流量长期变化的因果关系复杂特性,常规的中长期水文预报模型又很难满足精度要求,提出了基于BP神经网络的来水量预测模型。结合实际径流数据,验证了模型的预报精度,可用来进行中长期水文预报。     

基于BP神经网络的大跨桥梁结构混凝土温度预测

讨论了大体积混凝土水化热时的温度应力对于桥梁结构的影响,表明温度监控对于大体积混凝土结构的必要性,根据洛阳瀛洲大桥拱肋中心部位浇筑过程的水化热温度场的变化为研究对象,对建立的BP神经网络进行优化训练,并用此BP神经网络预测温度变化值并与有限元仿真得到的温度结果进行了比较。     

膨胀土分类的PCA-ELM模型及应用

为更合理确定膨胀土类别,将主成分分析(PCA)与极限学习机(ELM)相结合,提出一种膨胀土分类的PCA-ELM模型。选取能充分反映膨胀土类别的液限、塑性指数、<2 μm胶粒含量与自由膨胀率4项指标进行分析,运用主成分分析对各指标进行相关性处理,依据方差累计贡献率得出2个主成分。将70%的样本划分为训练集,30%划分为测试集,将训练集作为极限学习机输入,并采用十折交叉验证以优化模型参数,从而得到最优分类模型。然后将测试集作为最优模型输入,得到分类结果。最后,选用2个工程实例共32个样本对所建立模型进行验证,结果表明:该模型分类结果与实际较吻合;训练集与测试集分类精度分别达94.20%和79.00%,并具有较快的训练速度。PCA-ELM模型适用于大规模数据的分类预测。     

基于BP神经网络的建筑工程造价快速预测

快速而可靠的估算工程造价直接影响着招投标决策的合理性。该文根据建筑工程概预算原理,提出以主要特征指标作为典型样本、将字符型转化为数值型特征指标的快速估价方法,在主要特征指标中增加造价指数;并以实例结合带有动量项自适应BP神经网络开展了工程造价的估算。实例计算表明,在考虑造价指数时实例工程造价误差为1.06%,远高于文献[1]的工程造价误差3.02%,提高了工程造价估算精度。该模型具有较高的可行性和可靠性,为工程造价的快速估算提供了一种有效途径。     

基于MATLAB下BP神经网络的边坡稳定性预测

将MATLAB中的BP神经网络引入到边坡稳定性研究中,但由于标准的BP算法存在收敛速度慢、容易陷人局部极小点等缺点,为此采用各种改进及优化的算法,以寻求更适合边坡稳定性预测研究的算法。本文结合了大量边坡实例,经过理论分析和实例测试,能显著提高训练速度、减少收敛周期,达到很好的边坡稳定性预测结果。     

基于BP神经网络的施工企业信用评价

讨论了施工企业信用评价在建设市场经济中的重要作用,建立了施工企业信用评价的评价指标。并根据此评价指标体系建立了施工企业信用评价的BP神经网络模型,并进行了施工企业信用的预测,为业主正确选择承包商提供了依据。     

基于灰色关联分析与BP神经网络模型的日参考作物蒸发蒸腾量预测

采用灰色系统理论中的关联分析方法,对影响作物蒸发蒸腾量的各个气象因素进行关联度分析,挑选出影响作物蒸发蒸腾量的主要气象因子,并以这些气象因子为输入向量,以参考作物蒸发蒸腾量为输出向量,建立作物蒸发蒸腾量与主要气象因子之间的BP神经网络预测模型。实例证明：该方法简单可行,预测精度较高,能满足实际生产需要。     

基于云模型的膨胀土胀缩等级分类

由于膨胀土胀缩性受多种因素的综合影响,膨胀土胀缩等级的分类是膨胀土处理中的一个难题。选取影响膨胀土胀缩性的5个主要因素作为评判指标,根据分类标准,构建云模型及云的不确定性推理,将各评判指标的定性评语量化为分值,实现定性与定量的转换。在此基础上,利用在各级别区间内随机插值得到的20个标准样本,基于优化理论求出评判指标的客观权重,结合主观权重,得到组合权重。最后,将建立的膨胀土胀缩等级分类模型应用到某实际工程,结合权重和云的不确定性推理,得到待判样本的综合得分,并确定样本的胀缩等级,分类结果与实际情况相吻合,验证了模型的可行性和适用性,该模型可以用于类似工程的膨胀土胀缩等级分类。