基于RBF神经网络的镍基TiN纳米复合镀层显微硬度预测

针对神经网络在预测复合镀层性能方面的应用情况,以及传统的BP神经网络存在缺陷;通过对RBF神经网络的基本原理和特点的研究,建立了利用RBF神经网络对Ni-TiN纳米复合镀层显微硬度进行预测的模型。通过实验数据验证了所建立的RBF神经网络模型具有很高的精确度,其最小相对误差可达0.62%,而且所建立的预测模型具有优化工艺参数的功能,对复合镀层的其它性能进行预测具有指导意义。     

证据理论结合灰色神经网络混合识别方法在苏通长江大桥状态预测中的应用

为解决千米级斜拉桥在施工过程中由于观测噪声及初始构件误差等因素影响下的结构响应预测问题,提出了D-S证据理论与灰色神经网络结合的混合识别方法。融合后的混合识别方法,在数据不完备的情况下,具有良好的预测功能。根据实际结构识别结果验证了方法的有效性和准确性,分析并比较了本文方法与传统识别方法的结果。实践研究表明,参数预测的D-S证据理论与灰色神经网络混合识别方法能够显著改善传统方法的识别准确性问题。     

基于灰色 Elman 神经网络的爆破飞石距离预测研究

针对单一神经网络预测方法存在一些不足,将建立灰色关联分析法与 Elman 神经网络的耦合模型,对爆破飞石最大飞散距离进行预测研究。首先,利用灰色关联分析方法对数据进行预处理,确定各影响因素与爆破飞石距离之间的关联度;然后,根据关联度的大小,选择关联度较大的影响因素作为 Elman 神经网络的输入层数据;最后,用神经网络的功能对数据进行训练和预测。研究结果表明：利用灰色关联分析方法确定主要影响因素作为输入层,比单一使用 Elman 神经网络的预测精度更高,达到95％以上。     

隧洞开挖爆破振动监测与振速预测分析

根据盛洪卿隧道泄水洞开挖爆破施工实际情况,选定合适的爆破监测方案.结合现场监测数据,分别采用经验公式线性回归法和BP神经网络法对爆破振动速度进行预测并将2种预测结果进行了比较分析.结果表明,线性回归法对地质条件具有依赖性,而BP神经网络方法可以较全面地考虑爆破振动速度的多种影响因素,且具有误差小、精度高等特性,因而应用BP神经网络方法预测爆破振动速度是有效可行的.     

基于BP神经网络模型的爆破飞石最大飞散距离预测研究

首先将BP神经网络模型引入爆破飞石距离的预测研究,以最小抵抗线、炸药单耗、单孔最大药量作为影响爆破飞石最大距离的主要因素,建立了爆破飞石预测的BP神经网络模型,然后以某露天矿山深孔台阶松动爆破为例,利用爆破施工过程中收集的原始资料和爆破飞石监测数据,对建立的BP神经网络模型进行了训练,最后应用经训练的BP神经网络模型对爆破飞石距离进行了预测.与实测值比较后发现,BP网络模型的预报结果非常接近实测值,能够满足工程实践的要求,是一种有效的预测爆破飞石最大距离的方法.     

基于BP神经网络的汽油辛烷值预测

辛烷值是汽油最重要的品质指标,传统的测试方法不适合在线测试。BP神经网络通过训练和学习可以实现预测的功能。本文介绍了BP神经网络的相关知识及其在汽油辛烷值预测中的应用。通过对网络输出结果的分析,证明了该网络的有效性。     

建筑给排水施工质量通病浅谈及技术分析

随着国民经济实力日益雄厚,人们生活水平不断提高,进而对建筑工程的质量控制以及施工技术要求越来越高。在建筑给排水施工过程中,其施工质量的好坏直接影响建筑项目的整体质量和使用功能,因此,建筑工程施工过程中,对给排水工程的施工质量要进行严格控制,提高其施工技术含量,保证给排水工程质量达到规定的标准,进而完善和提高建筑工程的整体质量和使用功能。     

用ANN法对房间空调冷负荷进行预测的讨论

通过影响空调负荷的参数的研究,认为空调负荷是一个动态过程;结合神经网络的内在特点和功能,对某一空调系统的冷负荷进行了预测,结果能满足计算要求.在这基础上考虑了为提高神经网络预测空调负荷准确性还应进一步开展的工作.     

投资决策阶段的可行性预测研究

本文主要研究建设项目的投资决策阶段的特点,与神经网络相结合,充分发挥神经网络的预测能力,达到对前期各阶段进行有效预测的目的。本文引入BP神经网络,首先,将BP神经网络引入到投资决策阶段的可行性预测中,通过对影响可行性预测的各因素的了解和认识,运用BP神经网络进行充分预测,从而得到当只有单一因素变化时,项目是否可行。     

桥梁施工控制方法的初步探讨

在桥梁施工中结构参数及其计算分析模型、不断变化的温度、施工工艺及监测方法、混凝土弹性等因素都会影响桥梁状态,因此需要对施工进行有效控制,尤其是影响因素更应全面进行了解,以便于制定有针对性的控制方案。桥梁施工应针对其结构应力、变形及稳定性等方面合理控制,主要是控制结构变形。本文对桥梁施工控制方法进行了较深入地探讨,并提出灰色预测控制是一种具有明显效果的反馈控制方法。     

论如何使用企业定额来预测施工项目成本

有效的控制施工企业的成本，是提升建筑施工企业竞争力的关键。企业定额的编制是预测和控制旖工项目成本的前提。本文分析了当前我国施工企业定额控制法预测施工项目成本存在的问题，并提出了企业定额控制法预测施工项目成本的策略。     

基于误差修正 NLSTM 神经网络的无人机航迹预测

无人机产业近年来发展迅猛,在军用和民用方面都拥有广泛的应用前景。无人机的航迹记录在其航行过程中发挥着重要作用,无人机的航迹预测也成为当前世界研究的热点,使用神经网络进行航迹预测更可以充分发挥其优势。首先对国内外学者关于航迹预测的文献进行了梳理,根据航迹预测的原理对目前飞行器航迹预测算法进行了总结和分类,针对利用神经网络模型预测无人机航迹并逐步改进模型以提高预测精度的问题进行了研究。接着对于传统神经网络模型预测精度不够高的问题,提出一种带误差修正的嵌套长短期记忆 (ENLSTM) 神经网络预测模型。ENLSTM 在嵌套长短期记忆网络模型的基础上引入了误差修正项,从而使得预测精度更高。最后使用 BP、RNN、LSTM 和 ENLSTM 四种神经网络模型分别对无人机的真实航迹数据和模拟航迹数据进行仿真实验,得出结论：循环神经网络相对 BP 神经网络在无人机航迹的预测上更具有优势,基于基础循环神经网络的逐步改进提升了模型的预测能力,ENLSTM 模型对于无人机的航迹预测具有更好的效果。     

结构施工过程中节段参数的连续识别

通过考虑施工因素的相关性,将随机结构分析的概念引入结构施工过程的节段参数识别中。再考虑施工过程中结构体系不断变化的特点,进行系统重构,将节段参数的相关信息引入识别过程。最后根据最大后验概率的参数估计准则,推导得到了对多个节段参数的均值和方差进行连续识别的递进估计算法。数值算例的结果显示,通过考虑实际施工中的相关信息,本文方法对结构施工过程中的节段参数不仅能进行有效的识别,还具有良好的预测功能,可对施工过程控制进行指导。     

神经网络对结构地震反应的预测及试验研究

本文基于神经网络对非线性系统具有辨识和预测功能，并结合具有二阶收敛效应的Levenberg—Marquardt算法，采用一多层前馈网络对建筑结构的地震反应进行了预测。首先以一三层钢筋混凝土结构的振动台试验数据对网络结构进行批量训练，然后用未曾训练的地震波数据对结构进行地震反应预测，并与试验数据进行对比，分析结果表明：Lev—enberg—Marquardt算法能快速收敛，神经网络能准确地预测结构的地震反应。     

浅论建筑工程施工管理

随着我国经济的快速增长,建筑行业的规模不断的扩大,施工项目不断的增加,这就对施工中的管理水平提出了更高的要求。施工管理水平的好坏,对建筑工程各项工作的开展都会产生极大的影响。本文分析了建筑工程项目的特点,并进一步对施工的安全管理、质量管理、费用预测管理、进度管理和人才管理进行了具体的阐述。     

基于神经网络的膜法薏苡仁油脱胶过程动态模拟和预测

应用BP神经网络对膜法薏苡仁油脱胶过程的膜通量动态模拟与预测.研究了神经网络的构建、训练、结果测试和模型泛化,并用得到的神经网络对不同运行条件下(操作压力和温度)膜通量进行预测.结果表明:神经网络能够很好地模拟膜法脱胶过程的通量变化,预测结果与实验实测结果能够很好的吻合.与传统模型法相比,神经网络能快速简便地得到模拟和预测膜分离过程.     

浅谈高速铁路路基沉降量预测方法

高速铁路的路基沉降量控制,是在高速铁路设计与施工中必须要考虑的主控因素。因此在对路基进行大规模施工前,都要进行路基的沉降量观测,再结合沉降量的观测数据来进行路基沉降量的预测。路基沉降量的预测常用方式涉及到很多领域与学科综合运用,工作难度较大,长期以来,这也是高铁路基施工人员所面临的技术难题。本文对路基沉降预测中的几个典型的研究方法进行了介绍,归纳起来可以分为灰色系统法、遗传算法、曲线法和BP神经网络法。     

客运专线路基动态施工控制及沉降预测

依据合武(合肥-武汉)I标段设置路基沉降观测的数据,提出了对高速铁路路基施工进行动态控制方程的公式形式和工后路基沉降预测的依据与具体实现,并结合典型观测数据进行分析和路基施工控制,确保路基质量、沉降、工期要求.     

离心法制备Al-16%Si FGM中初晶硅分布BP算法的预测

采用正交试验法及改进的BP神经网络考察了型温、浇温及转速对离心法制备Al-16%Si 梯度功能材料中初晶硅分布厚度的影响,得到了本研究条件下影响初晶硅分布相对厚度程度大小的顺序为型温＞转速＞浇温.BP神经网络预测结果与正交分析及实验结果一致,但神经网络更方便,且可预测由于条件限制而无法进行的实验.     

基于BP神经网络的微差爆破震动预测研究

爆破震动危害是矿山安全评估的一个重要指标,爆前对其震动预测,做好安全防护,是保证矿山安全生产的重要措施。爆破对象及其地质情况的不确定性、爆区周边环境的复杂性,使得震动监测难以用一套统一的公式进行准确预测。人工神经网络可实现复杂环境、多因素影响下的仿真模拟,利用BP神经网络建立爆破震动预测模型,将爆破的原始数据及监测数据输入模型,利用Matlab软件自带的神经网络软件包自编程序对其进行训练,使得模型的传递函数达到最优。实践证明,将模型用于爆前震动预测,能够有效的预测震动,指导施工。