BP与小波神经网络短时交通流预测对比研究

短时交通量预测是实时管理、调度城市交通的基础。采用小波神经网络方法预测短时交通量,给出了小波变换的基本原理,选取母小波为隐含层基函数构建小波神经网络的基本框架。选取南京市某路段为实例,通过对比传统BP神经网络说明小波神经网络的准确性。实验表明,两种神经网络预测方法都具有一定的准确性,小波神经网络优于BP神经网络。     

小波神经网络预测混凝土强度研究

小波神经网络是将小波理论和神经网络理论结合起来的一种神经网络 ,它避免了BP神经网络结构设计的盲目性和局部最优等非线性优化问题 ,大大简化了训练 ,具有较强的函数学习能力和推广能力及广阔的应用前景。小波神经网络用于混凝土强度预测的结果表明 ,它比传统的BP神经网络的收敛速度快 ,预测精度高     

基于小波分析的神经网络在混凝土测强曲线拟合中的应用

将小波母函数嵌入人工神经网络的神经元形成紧致型小波神经网络,将此种网络用于混凝土非破损检测的测强曲线拟合和预测,提升了纯粹的BP神经网络的拟合和预测精度,效果远胜于最小二乘拟合和预测.通过一个算例对小波神经网络的高精准性和非性线逼近能力进行了验证,对实验数据进行了统计分析,结论表明小波神经网络优于BP神经网络.     

小波神经网络的改进及在GPS高程拟合中的应用研究

本文首先介绍了GPS拟合和小波神经网络,重点是介绍小波神经网络的改进,及其在GPS高程拟合中的应用,为增强对比性,拟合的结果将与小波神经网络和二次曲面拟合、平面拟合的结果进行对比,证明对小波神经网络改进后收敛速度将加快,能更好地应用到GPS高程拟合。     

BP小波神经网络模型及其在交通事件检测中的应用

本文将小波变换和BP神经网络进行紧致型结合,提出了基于BP小波神经网络的高速公路交通事件检测算法,即采用小波函数代替BP神经网络的隐层节点函数,相应的输入层到隐层的权值以及隐层阈值分别由小波函数的尺度参数和平移参数代替,以上下游检测器的速度、流量和占有率作为算法的输入,采用梯度下降法进行网络训练,构建适合于交通事件检测的小波神经网络模型。最后在Matlab中实现了对新加坡AYE仿真数据的实例分析,并将其与现有的经典算法进行了对比分析。结果表明,BP小波神经网络算法在检测率和平均检测时间方面具有明显的优势。     

基于小波神经网络的拦渣坝变形分析研究

本文介绍了小波分析与神经网络有机结合的小波神经网络的基本原理,并将其应用于某大型拦渣坝变形监测实例中,通过将所建立的模型与常规BP神经网络训练和预测结果的比较,可以看出小波神经网络在拦渣坝的变形预测中具有收敛速度快、预测精度高的特点。     

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。     

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。     

高层建筑物沉降监测

主要采用小波神经网络法对高层建筑物的沉降进行监测,对小波神经网络模型的构建进行分析,同时结合威海市的高层建筑沉降值监测,确定小波神经网络监测法的准确度以及误差,通过分析发现,小波神经网络监测法具有更高的准确度以及较低的误差,适用于高层建筑物沉降的监测。     

基于小波神经网络的边坡预报模型研究

边坡变形具有复杂性、随机性、不确定性、地域性、时效性等的特性,对边坡进行精确的预报一直是一个难题。针对此问题,本文建立了基于小波分析的神经网络预报模型来对边坡变形进行研究,结果表明小波神经网络预测模型具有更灵活有效的函数逼近能力,预报的精度高,并通过实例验证了小波神经网络预测模型的高精度性。