遗传算法BP神经网络在隧洞围岩分类中的应用

针对目前神经网络训练易陷入局部极小点问题，用遗传算法优化神经网络的连接权，并在遗传进化过程中采取保留最优个体的策略，建立了基于遗传算法的BP神经网络的模型，并应用于解决水工隧洞围岩分类这一非线性和不确定性较大的实际问题，证明了这种方法是科学可行的。     

模糊综合评判在岩体质量分类中的应用

结合工程岩体具有多样性、可变性、不确定性(随机性、模糊性)和不完全性等特点,从模糊数学综合评判理论出发,建立了多指标性能参数的岩体质量评定模型,通过定量的数值表示评价结果,以使评价指标最优化地接近实际工程地质情况。     

地下工程中的岩体质量分类

岩体质量分类是地下工程建设中重要的基础性工作。根据勘察资料,采用多种岩体质量分类方法,对锦州天桥石油液化气硐库场地岩体质量进行了分级,给出了适宜建库的位置,为洞库设计与施工方法的选择提供依据。     

基于MCS-TOPSIS耦合模型的岩体质量分类研究

 岩体质量分类是各类岩土工程实践问题的基础,由于岩体指标参数的模糊性和随机性,故岩体质量分类表现出不确定性,而现有分类模型则忽略了这种参数不确定性对分类结果造成的影响。考虑到分类指标参数的不确定性,在岩体质量分类问题中引入概率描述的可靠度分析方法,提出一种蒙特卡洛模拟(Monte Carlo simulation,简称MCS)和逼近理想解排序法(technique for order preference by similarity to ideal solution,简称TOPSIS)耦合模型。该模型由两部分组成：通过博弈论赋权方法获取分类体系中指标的权重,并结合TOPSIS模型来建立可靠度分析中的极限状态方程;基于MCS方法由TOPSIS模型构建的极限状态方程进行随机的不确定性分析,并通过概率函数给出最终的分类结果。通过25组测试样本对基于博弈论组合赋权的TOPSIS模型进行测试,结果显示该模型的误判率为0,表明MCS-TOPSIS模型中确定性分析的合理性。最后通过Matlab语言编制计算程序,分别由确定性分析和不确定性分析的角度来探讨水布垭地下洞室厂房围岩质量分类。研究结果表明：采用MCS-TOPSIS模型进行岩体质量分类是可行的,该模型具有较高的准确度且易于实现,具有一定的工程应用价值。该研究为岩体质量分类提供了一种新思路。     

可拓评判方法在岩体质量分类中的应用

岩体质量分类方法多种多样,考虑的因素有多有少。但不同分类方法中考虑的因素,由于评分标准的不同不可以任意相互选用,导致了传统岩体质量分类方法的局限性。可拓评判则从可拓集合理论出发,建立多指标性能参数的质量评定模型,通过定量的数值表示评价结果,这种评判方法最大的优点是可以从各种分类方法中选用不同的考虑因素进行综合评价,这样可以使评价指标最优化地接近实际的工程地质情况,分类结果自然比传统分类方法更加准确。结合隶属度的概念,应用可拓理论对岩体进行分类,从不同的分类方法中选取最适合工程实际的评价指标,提出了一种定量的指标权重的确定方法,较好地解决了工程中的实际问题。     

距离判别分析法在岩体质量等级分类中的应用

将距离判别分析法应用于岩体质量等级分类问题中,建立岩体质量等级分类的距离判别分析模型,选用单轴抗压强度、岩体声波纵波速度、体积节理数、节理面粗糙度系数、节理面风化变异系数和透水性系数6项指标作为距离判别分析模型的判别因子,以工程岩体实测数据作为学习样本进行训练,建立相应线性判别函数对待判样本进行分类。研究结果表明,距离判别分析模型分类性能良好,预测精度高,回判估计的误判率很低,是岩体质量等级分类的一种有效方法,可以在实际工程中进行推广。     

钻孔全孔壁光学成像在岩体分类中的应用

在岩土工程勘察中,对岩体的分类主要依据岩体完整程度来划分,通常用岩体与岩块的压缩波速度之比的平方来判断完整程度;用钻孔全孔壁光学成像法来辅助判断,可起到更加直观的描述。     

分形理论在岩体质量评价中的应用研究

简要地回顾了岩体质量评价体系,提出了一种利用分形分布与概率的联系来评价岩体质量的方法,并给出了相应的岩体质量评价的标准。研究表明,分维数D能够弥补岩石质量指标RQD在评价岩体质量中的某些不足,可以作为评价岩体质量的一个定量指标。     

基于神经网络的岩体渗透系数反演方法及其工程应用

基于人工神经网络方法，根据岩体渗流场的水头观测数据的注水试验先验信息，建立了一种含水层参数识别数值方法。介绍了采用神经网络方法反演混凝土大坝岩石基础和混凝土帷幕渗透系数的工程实例。工程实际应用表明，所提出的反演方法得到的渗透系数代入到有限元模型，水头预报值具有比较高的精度。     

边坡岩体质量评价及其应用

本文应用RMR体系和Q体系对宣钢近北庄铁矿边坡岩体质量进行了评价，在此基础上估算了岩体强度和变形参数，为探索边坡岩体的变形、破坏规律提供了依据，该方法简单易行，能较好地反映岩体的实际状态，是解决岩体稳定问题的重要途径。     

BP神经网络模型在地下水质量评价中的应用

介绍了BP神经网络的基本原理和计算方法。采用6-11-5三层拓扑结构的BP神经网络模型对伊通河下游地下水质进行评价,并与内美罗指数法、模糊综合评判法和物元可拓法评价结果比较。结果表明BP神经网络计算简便、评价结果客观准确,很好地反映了地下水质量的总体状况。     

基于人工神经网络的水质污染综合评价方法

针对地下水水质污染综合评价工作的需要，本文提出基于B－P算法的人工神经网络模型，并用该模型对某地的水质污染作了综合评价。评价结果表明，该方法简便可靠，预测精度高，具有通用性和客观性。     

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.     

基于改进BP神经网络的工程建设项目评标方法研究

针对评标工作中专家的主观性、随意性和倾向性所带来的偏差,运用改进BP算法,构建了建设工程项目评标的神经网络模型。该模型能够较好地适应各影响因素之间的非线性关系,并通过附加动量法的自学习、自适应能力,提高了收敛速率,从而避免了局部极小值,提高了精度。通过仿真试验,验证了该模型的科学性和有效性。     

基于BP神经网络的照度计算方法

本文介绍了将BP神经网络应用于照度计算中,建立网络模型,在MATLAB环境下进行仿真的方法。与传统照度计算方法相比,BP神经网络计算获得的结果较理想。     

改进的BP神经网络在高速铁路变形分析中的应用

将BP(back propagation)神经网络应用于高速铁路变形分析中,依据BP算法的特性,采用通过加入动量项的方法来提高BP算法的运算速度,并对此改进方法进行了实例论证。     

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。     

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。     

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。