BP神经网络在软土地基沉降预报中的应用

提出了软土地基沉降预报的BP人工神经网络方法,详细介绍了该方法的建模和应用实例。预报结果与实测值较为吻合,从而证明利用BP人工神经网络进行软土地基沉降预报是可行的。     

基于BP神经网络的偏压隧道拱顶沉降预测

采用BP神经网络,以香山隧道拱顶沉降监测数据为样本进行训练,得到了相应的学习曲线,并采用所建立的神经网络预测模型,对隧道拱顶沉降进行了预测,结果表明:建立的BP神经网络模型能够很好的描述既有训练样本曲线变化特征,且预测精度与既有监测数据相关,亦与预测长度有关,预测长度较长时预测结果可信度降低。     

基于改进BP神经网络的路基沉降预测实例分析

采用改进BP神经网络对路基沉降进行预测,且无需考虑影响路基沉降的各种影响因素,建立一个多输入单输出的网络模型。该方法输入和输出是同一类数据,前期实测沉降数据作为基础资料,按等时距序列输入,经指定算法计算后建立稳定的网络模型,然后对后期的沉降进行预测。通过实例分析表明该方法收敛较快,与常规预测方法相比,预测路基沉降精度高、沉降防范性强。     

基于BP神经网络法的群桩长期沉降分析

大量工程实例说明竣工后群桩还将继续发生沉降.特别对于典型的软土地区,土层软弱,具有高含水量、高压缩性、低渗透性低强度和强结构性等特性,该地区建筑物沉降具有沉降量大,沉降发展时间长的特点.据部分上海地区实测沉降数据表明,建筑物竣工时已经完成的沉降量,大部分情况下尚达不到建筑物最终沉降量的50％,沉降稳定一般都需要5～6年,有的甚至长达10年以上.且综合相关研究表明,粘性土地基沉降有其规律性,且随地区的不同而变化.通过收集47组群桩实测长期沉降,其桩长从7.5～70m,桩数从82 ～ 689根,其中最终沉降取沉降速率小于0.01mm/d时的沉降量.采用BP神经网络对42组样本进行训练,然后通过5个检验样本检验证明采用该方法.通过实例分析得出预测值和实测值较为吻合,说明利用BP神经网络预测群桩长期沉降较为可行.     

BP神经网络模型在建筑沉降预测中的应用

在系统介绍了BP神经网络预测模型在建筑沉降预测中的应用,对建模步骤做了阐述之后,建立BP神经网络预测模型对某建筑物的沉降变形做了预测。在对预测结果进行分析后发现该模型在沉降预测方面有较高的实用价值。     

基于BP神经网络的马铃薯气候产量预报模型

为了准确预测马铃薯气候产量达到趋利避害的目的,利用1980—2015年山西省大同市马铃薯产量及同期国家基准观象台观测到的气候资料,选用传统的统计回归方法和BP神经网络方法分别建立马铃薯产量预报模型。结果表明:通过二次函数曲线和最小二乘法确定马铃薯敏感期的气候因子是气温、日照和降水,其中降水对马铃薯产量的影响最大。通过改进的气候产量算法可以更好地反映气候要素与作物单产之间的函数关系。在Matlab平台上训练精度设为0.005、学习率0.01的BP神经网络方法可以很好地逼近非线性函数。用大于1/3样本进行预报检验表明,在预报精度和拟合精度上,BP神经网络模型都明显优于传统的回归模型,BP神经网络方法在马铃薯产量预报中有具有非常广泛的应用前景。     

临近基坑的建筑物沉降预报

将BP神经网络应用于深基坑开挖引起的建筑物沉降预报,编制了基于Matlab6．5平台的建筑物沉降预报计算程序,工程实例计算表明该方预测精度较高,在工程实践中有较好的实用性。     

临近基坑建筑物沉降神经网络动态预报

将BP神经网络与遗传算法结合,建立了建筑物沉降的动态预报模型。实例分析表明所建立的模型预测精度较高,预报值与实测值吻合较好,该方法对建筑物沉降的实时预报有一定的实用性。     

混合BP神经网络在城市污水量预报中的应用

对城市污水处理厂污水量的科学预测是污水处理机组协调和优化调度的基础和关键。针对传统BP神经网络在污水处理厂污水量的预测中存在收敛速度慢、预报精度低等缺陷。本文提出采用改进的粒子群优化算法优化BP神经网络的连接权值,以提高污水量预报的速度和精度。实验结果表明了该混合BP神经网络在城市污水量预报中的有效性和精确性,实现了污水处理厂各机组的优化运行和节能降耗。     

改进BP神经网络算法在基坑沉降预测中的应用

提出一种采用BP神经网络算法来预测深基坑沉降的方法，结合具体工程实例，构建了预测深基坑周边地表沉降具体BP神经网络模型，预测结果表明，该模型有较高的预测精度，可作为预测沉降的一种新方法。     

基于神经网络的城市燃气短期负荷预测

采用VC语言编写基于神经网络技术的城市燃气短期负荷预测模型,经实例验证可以较精确地预测出城市燃气短期负荷.预测模型在权值修正项中引入动量项以加速收敛,在数据输入时引入噪声,以提高网络的泛化推广能力.     

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神经网络城市燃气短期负荷预测

论述了BP神经网络的预测模型结构,提出了基于该模型的城市燃气短期负荷预测方法和程序流程,结合某城市燃气负荷数据进行了燃气负荷模拟预测,预测结果和实际情况有很好的一致性。     

基于人工神经网络的城市煤气短期负荷预测

应用人工神经网络误差反应传播模型对城市煤气管网的短期负荷进行了预测。根据城市煤气短期负荷变化的特性建立了既反映煤气负荷连续性,周期性及其变化趋势,又包含天气,气温,节假日等因素影响的短期负荷预测模型,并介绍了方法在实际中的应用。     

基于遗传算法和BP网络的岩爆预测

选取影响岩爆的一些关键指标,例如脆性系数、弹性应变能指数、应力强度比等作为输入参数,采用经遗传算法优化过的BP网络,对岩爆的发生及其烈度进行了预测.针对国内外一些地下工程的实例进行了分析计算,预测结果与实际情况是符合的,说明这种方法有一定的实际意义.     

BP神经网络在某深基坑工程监测中的应用研究

采用BP神经网络模型对某深基坑工程的变形进行了预测,通过与实测数据的对比分析表明:BP神经网络模型在深基坑工程监测中具有良好的容错性,在围护桩顶竖向及水平位移、围护桩深层水平位移、锚索内力预测方面具有较高的准确度,与实际内力及变形情况较为吻合;BP神经网络模型在地下水位预测中的准确度较低、数据结果离散性较大,不能充分反映水位变化的实际情况;BP神经网络模型在进行短期预测时准确率高,预测曲线与实测数据曲线吻合性较好;在进行锚索内力监测时,当传感器不能及时采集数据的情况下,BP神经网络能发挥预测准确数据的作用;BP神经网络模型隐含层数的选取对预测结果的准确性有一定的影响。     

BP神经网络算法对建筑保温材料性能的预测

针对建筑保温材料性能表征十分复杂、困难的情况,利用人工神经网络BP算法,建立了复合保温材料性能预测模型,模型由3层神经元组成,分别为输入层、隐含层和输出层。以炉渣复合材料性能与成分的关系为研究对象,采取108组实验数据对神经网络进行8 000次训练,神经网络输出值的平方平均误差为0.000 12。然后,选用18组实验数据对训练成熟的试验神经网络模型进行检测,并把检测样本的神经网络输出值和试验值进行比较。结果表明:所建立的网络能反映炉渣复合保温材料与材料性能之间的关系,为实验设计提供了新的思想,节省了时间和劳动力。     

利用改进的BP神经网络预测烧结砖的抗压强度

根据改进的BP神经网络基本原理，建立了烧结砖的神经网络强度预测模型．利用试验数据训练神经网络，通过工程实例，对训练过的神经网络进行了测试，并将用神经网络方法获得的结果与用传统数学回归模型计算的结果进行了对比．结果表明，该神经网络方法所得的预测值优于传统方法．     

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。     

遗传-BP神经网络法预测叶绿素a浓度变化

基于2009年—2010年对临江河回水区水质指标的监测数据,采用遗传算法结合BP神经网络的方法对回水区的叶绿素a(Chl-a)浓度变化进行动态模拟预测。通过灰色关联法确定了对Chl-a浓度有显著影响的指标与网络输入变量,即水温、DO、流速、透明度(SD)、TP、CODMn及Chl-a。模拟结果表明,遗传-BP神经网络的预测值和实测值吻合较好,其相对误差约为9.8%,模型可良好地用于次级河流回水区叶绿素a浓度的短期预测。预测结果表明,在春末夏初季节,当水库蓄水位为150～160 m时,临江河回水区富营养化潜势较高,尤其应注重临江河该时段富营养化的防控工作。