基于多元分布模型预测土体热阻系数

土体热阻系数是决定岩土材料热性质的重要参数。为准确预测土体热阻系数,基于多元分布模型建立土体热阻系数预测模型,对所建立的预测模型进行验证分析,并与传统经验关系模型进行对比,明确所建多元分布模型的准确性。结果表明：建立的多元分布模型能够准确预测土体热阻系数,随着输入参数增加多元分布模型预测精度显著提升,其相关系数R²从0.719 5提高到0.899 5,平均值E(ε)值从1.077 8降低到1.037,变异系数COV(ε)值从0.367 5降低到0.212 1,预测精度最好的是λ-{w,ρ_d,n,S_r,c,s_a,q_c}模型,多元分布模型预测精度明显优于传统经验关系模型;对于工程性质差异显著、沉积环境复杂的不同类型土体热阻系数预测,建议根据资料选择不同类型的多元分布模型来评价其热阻系数。     

基于改进ACO-BP神经网络的盾构竖向姿态预测研究

盾构姿态偏离设计轴线会造成地表沉降过大,管片拼装困难,以及掌子面土体超挖等问题。盾构姿态偏离严重,就必须重新规划设计轴线,因此,对盾构姿态进行准确预测并进行有效控制具有重要意义。依据影响盾构竖向姿态的内、外部载荷以及工程盾构实际竖向姿态数据的分析,确定出影响盾构竖向姿态的13个关键因素,建立基于改进ACO-BP神经网络的盾构竖向姿态预测模型。以广州地铁科丰路站—萝岗站1～350环掘进工程区间为例,对预测模型进行检验。结果表明：所建立的改进ACO-BP神经网络预测模型准确率高,误差小,相比于GA-BP网络和PSO-BP网络,能更准确地预测出盾构竖向姿态。此外,还构建了盾构竖向姿态预测模型界面,增强了该方法的实用性。     

基于神经网络的预应力损失预测

简述了预应力损失的种类及影响因素,介绍了BP神经网络算法,结合预应力损失实测数据,进行了预应力神经网络预测,指出神经网络能够较准确的预测出特定构件的预应力,促进各种特定构件预应力损失情况的研究。     

基于BP神经网络的校园中水用水量预测研究

中水的科学利用可以有效节约水资源,但目前H校园中水供水系统由于运维管理模式依然处于经验调节方式,中水泵站供水能力与实际需水量不平衡,造成中水供水压力不稳定,泵站耗能高,压力过大导致管网漏损等问题。要实现管网优化调配,首要任务是对用水量进行预测,以九号宿舍楼为例,利用BP神经网络构建中水用水量预测模型,经过实例数据验证,证实预测模型具有一定的预测精度,能够达到预期效果,预测数据可以作为约束条件应用于中水供水优化调配研究中。     

基于BP神经网络的装载机作业油耗预测方法研究

铲装作业油耗是评价装载机整机性能的重要指标。本文通过分析装载机作业油耗的影响因素,并利用整机试验验证这些因素对油耗的实际影响,最终确定出铲斗斗容、驾驶员、物料种类3个主要影响因素。将3个影响因素进行归一化处理并作为BP神经网络的输入层数据,测试油耗为输出层数,据此建立BP神经网络模型。通过反复学习,得到的网络模型可以实现很好的预测精度。     

深基坑施工变形神经网络预测分析

简述了深基坑监测的目的与基本要求,通过分析深基坑工程施工变形神经网络预测的原理和特征,建立变形预测模型,并应用工程实例分析,为深基坑的安全开挖提供参考借鉴。     

小波神经网络在高铁沉降预测中的应用研究

通过试验研究,成功将小波神经网络模型应用到高铁沉降预测当中,并通过实测数据比较了当前主流使用的几种模型,结果表明小波神经网络模型具有良好的拟合精度和预测效果。通过编写高铁沉降预测软件,证明了小波神经网络模型的可行性,并得出了一些有益的结论,供同行参考。     

大体积混凝土温升神经网络预测

针对大体积混凝土温度场的非稳态特性,提出了一种基于BP人工神经网络的温升预测模型,介绍了BP神经网络预测方法在工程中的应用,预测结果表明,该模型收敛速度快,预测精度较高,从而实现了对大体积混凝土温升的准确预测。     

基于灰色神经网络PGNN模型的建筑材料价格预测方法研究

对建材价格的预测及波动趋势的准确判断是控制施工成本的关键步骤。以数据库中积累的建筑工程主要材料(预应力钢筋)的历史价格信息为样本,建立灰色GM(1,1)和BP神经网络组合模型,即灰色神经网络PGNN模型。用MATLABR2018a进行计算求解,对未来6个月的预应力钢筋价格做出预测,统计分析其变化趋势,根据预测结果为后期施工采购建筑材料提供参考。研究结果表明,灰色神经网络PGNN模型对钢筋价格的预测结果精度较高,收敛性能较好。     

热力站日供热量影响因素筛选与神经网络预测

采用相关性分析法、显著性检验法对初始影响因素进行筛选。分别筛选出与热力站日供热量具有明显相关性、显著性水平高的影响因素。分别将初始影响因素、具有明显相关性的影响因素、显著性水平高的影响因素作为神经网络输入元素,建立热力站日供热量预测模型。采用相对误差、均方根误差和决定系数分别评价预测模型预测结果可信性、稳定性、拟合效果。以显著性水平高的影响因素作为输入元素的预测模型综合性能最佳。     

基于BP神经网络的隧道岩爆预测模型研究

在分析岩爆主要影响因素的基础上,建立了基于BP神经网络岩爆预测模型,采用已有岩爆发生数据作为训练样本对网络进行训练,利用收敛的网络进行岩爆烈度预测,预测结果与实际吻合,说明利用人工神经网络预测岩爆发生烈度是一种可行的方法。     

BP人工神经网络模型在建筑物沉降预测中应用

以BP人工神经网络模型为基础,建立预测模型,以小区某栋建筑物l期～8期的沉降观测数据为输入数据和输出数据,对网络模型进行训练,并对9期～12期实际观测值与预测值进行了比较,结果比较理想,从而验证了采用BP人工神经网络模型进行建筑物沉降的预测是可行的。     

用人工神经网络方法预测分析直接蒸发冷却空调机的性能参数

针对填料表面不规则造成的数学模型无法求解的情况,利用人工神经网络优良的非线性映射能力和GLASdek填料直接蒸发冷却空调机实验测试数据,建立了三层前馈式神经网络来预测直接蒸发冷却空调机在不同工况下处理空气的能力,预测结果与实测结果吻合较好。     

模糊聚类和BP神经网络相结合的变形同步预测

研究了用模糊聚类方法分析变形点是否属于同一块变形体上,并对处于同一块变形体上的变形点建立BP神经网络同步预测模型的方法.通过分析,依据研究的方法建立的变形预测模型对变形点的变形量有很好的预测能力.     

神经网络预测在饮用水粉末活性炭应急处理中的应用

针对粉末活性炭应急处理工艺影响因素众多,经典数学模型很难精确描述多因素共同作用时的污染物去除情况,以出水的剩余污染物浓度为预测指标,结合实际试验情况,选取投加量、吸附时间、污染物种类、污染物浓度、pH、温度、有机物浓度等主要影响因素,使用BP神经网络建立粉末活性炭应急处理技术出水水质仿真及预测模型.结果显示,试验值和模拟值之间有紧密的相关性且离散程度不明显,该BP神经网络模型对粉末活性炭应急处理工艺有较好的预测能力.     

小波神经网络在水库流量预测中的应用

针对河南省某水库监测点实测的1991~2013年每月的平均流量样本进行归一化处理作为训练样本,构建了使用Morlet、Mexican hat以及高斯一阶导数小波基函数小波神经网络的预测模型实现对2014年的月平均流量的预测,并通过均方误差(MSE)和平均绝对误差(MAE)两项指标对每种网络的预测结果进行评价,从而选择较好的小波基函数作为小波神经网络的隐含层传递函数。研究表明,采用Morlet小波作为神经网络的隐含层基函数对该水库的月平均流量的预测效果要好于其他两种神经网络。     

基于BP神经网络方法计算灌区农业耗水量的研究

位于黄河流域上游干旱半干旱的青铜峡灌区是宁夏工农业生产和社会经济发展的重要地区.灌区耗水量占宁夏引黄灌区耗水量的绝大部分,因此,对该灌区耗水量研究非常必要.本论文在查阅大量国内外相关文献资料的基础上,针对灌区农业耗水量的影响因素做了分析,将引水量、排水量、降雨量、蒸发量和地下水位埋深作为最主要的影响因子,建立青铜峡河东...     

基于EKF的小波神经网络在变形预测中的应用

提出一种新颖的用于变形预测的基于扩展Kalman滤波的小波神经网络学习算法,与BP算法相比,该方法具有更好的收敛率和学习能力,并通过实例计算证明了该方法具有较高的精度和较快的计算速度。     

A neural network evaluation model for individual thermal comfort

An evaluation model for individual thermal comfort is presented based on the BP neural network. The train data came from a thermal comfort survey. The evaluation results of the model showed a good match with the subject's real thermal sensation, which indicated that the model can be used to evaluate individual thermal comfort rightly. Taken a room air conditioner as an example, the application of the NNEM in creating a microenvironment for individual was discussed. The result showed that the NNEM can play an important role of connecting individual thermal comfort with the control on the air conditioner.