基于BP神经网络的改良黄土强度参数预测

选用新型固化材料SH改良黄土,以室内土工试验数据为学习样本和测试样本,通过BP神经网络模型就含水率对改良黄土力学参数的影响进行了预测分析,结果表明:隐含层函数为正切tansig函数、输出层为对数logsig函数、隐含层神经元数为9时训练次数最少,模型误差最小;根据试验数据建立了非线性预测模型,预测结果与试验数值基本吻合,内摩擦角的平均误差为0.5%,黏聚力的平均误差为7.74%,内摩擦角的预测效果优于黏聚力的,但整体误差较小,且都在土工试验允许误差范围内,可见将BP神经网络应用到力学参数的预测中是合理的。     

基于BP神经网络的改良盐渍土强度预测研究

为了研究固化盐渍土的力学性能,在实验室内配制成人工盐渍土,分析固化剂掺量、温度和加载速率3个影响因素,通过改良土的无侧限抗压试验,得到了48组不同影响因素下人工盐渍土样的强度值。根据所得数据结果,利用BP神经网络建立改良盐渍土的单轴抗压强度预测模型,预测结果误差均小于0.1,且均方根误差为0.027,确定系数为0.985,表明该模型具有良好的预测效果。     

基于BP神经网络的黄土湿陷起始压力的预测陈佳玫

黄土的湿陷起始压力是评价黄土湿陷性的重要指标之一。影响黄土湿陷起始压力的因素有很多,且各因素间并非独立,通过分析各物性指标间的相关性确定塑性指数、含水率、干密度作为影响黄土湿陷起始压力的因素。本文提出并建立了黄土湿陷起始压力的人工神经网络预测模型,选取新疆伊犁地区黄土的数据作为神经网络模型的学习和预测样本,将神经网络模型的预测结果与实际结果对比可知二者误差小于10%。利用陕西彬县黄土数据验证了网络模型的通用性,说明用人工神经网络方法计算黄土湿陷起始压力准确、可靠,建立了一种计算湿陷起始压力的新方法。     

基于BP神经网络的重塑黄土冻融过程抗剪强度劣化特性研究

冻融循环导致黄土强度的损伤规律十分复杂,传统单一因素评价方法难以确定冻融过程黄土抗剪强度指标损伤规律与多因素之间的量化统计关系。基于此,首先针对西安Q3重塑黄土进行室内冻融试验,得到不同干密度、含水率及冻融次数下的抗剪强度指标数据;然后采用BP神经网络算法对试验数据进行学习训练,得到各因素与抗剪强度指标间的预测模型。研究发现:黄土试样黏聚力随冻融次数增加呈指数衰减趋势;黏聚力随含水率和干密度增加分别表现出线性衰减和增加特征且冻融后黏聚力与含水率和干密度的变化曲线近似重合;内摩擦角呈波浪形变化趋势且波动范围较小,无明显变化。冻融过程黄土黏聚力神经网络模型的预测值和试验值之间相对误差较小,表明该方法具有较好的预测精度,能够综合描述诸因素与黏聚力的量化关系。     

基于BP神经网络的区域需水预测

本文基于BP神经网络L-M的改进算法,建立人工神经网络区域需水预测模型,选取GDP、人口、粮食作为区域需水预测因子,将BP神经网络模型应用到文山州区域需水预测中,并运用MATLAB神经网络工具箱进行模拟计算.     

基于BP神经网络的义乌市降水量预测

水资源已经极大地制约了义乌市的经济发展,对义乌市降水量的预测,意义十分重大。BP神经网络具有自学习、自组织和容错性等一系列优点,用其来进行降水量预测是可行的。经过多次试预测,选出12月NINO-3区海表平均温度作为预测因子,义乌市5—6月的降水总量为预测对象。将1981—1999年12月NINO-3区海表平均温度的数据作为网络训练样本,2000—2002年义乌市5—6月的降水总量作为测试样本。网络测报结果平均误差为15.90%,预报情况良好。     

基于BP神经网络预测区域农业用水量

在农业用水量预测中,避开复杂系统的内部因素及其相互联系,只考虑产量、降水、非耕地耗水量和土地利用系数等影响因素。运用多层前馈网络的误差反向传播算法,通过输入输出因子规格化处理及因子的选取与修正,进行区域农业用水量预测。将BP神经网络训练方法用于典型区进行预报检验,最大相对误差在12%以下,所有结果从定性上都是一致的。     

基于正交试验的黄土泥流运动分析

中国西北地区广泛分布着黄土且较厚,近些年,由于人们对泥流沟道的改造和环境的变化,泥流灾害在黄土地区不断加剧。本次研究,利用泥流沟道模型结合正交试验设计研究泥流的运动特性,得出流量对泥流平均速度影响最大,其次是容重,最后是坡度。泥流瞬时速度随时间变化表现出波的一些特性,波峰、波谷的交替变化表明,泥流运动时下垫层、沟谷形态对泥流运动影响较大。容重一定时,流量越大,瞬时速度变化范围越大。泥流在运动过程中存在明显的阵流,流量越大阵流次数越多,可以建立某一地区的阵流图,为泥流的预警和防治提供参考。     

基于BP神经网络的吉林省中部旱情预测

本文选择以吉林省具有气象监测要素的中部三个墒情站进行BP模型预测。以2002-2009年降水、蒸发、气温、风速、土壤含水率均为实测资料。通过采用BP神经网络模型进行预潮分析,预测姑果显示,平均绝对误差为-0．9,60％预测值偏小,相对误差小于±10％占70％、小于20％占93％,相对误差能够满足预测要求。表明模型预测精度较高。可以用于实际工作中。     

基于EEMD的BP神经网络边坡预测研究

针对边坡变形中非平稳和非线性的数据处理问题,提出一种基于集合经验模态分解(EEMD)和BP神经网络相结合的边坡变形预测新算法(EEMD-BP)。该算法先对边坡变形序列进行EEMD分解,有效分离出隐含在时序中具有不同尺度特征的子序列,进而对各子序列建立BP神经网络预测模型,最后叠加各子序列预测值得到边坡变形最终预测结果。与GM(1,1)和BP神经网络模型对比分析表明,该算法预测精度较高,在边坡变形波动剧烈时段,也能保证较优的局部预测值和较好的全局预测精度。     

基于BP神经网络的区域地下水位动态预测

地下水系统是一个高度复杂系统,地下水位与其影响因素之间存在非线性映射关系,人工神经网络则是处理非线性问题的有效方法。把影响区域地下水位动态的5个主要因素作为网络输入向量,地下水位本身作为网络输出向量,采用快速BP算法构造地下水位动态预测的BP神经网络模型,最后将该模型应用于河套灌区义长灌域地下水位动态预测。结果表明,BP神经网络用于区域地下水位动态预测时有较高的精度。     

基于BP神经网络的义乌市水资源需求量预测

针对区域水资源需求量的预测问题,由影响义乌市水资源需求量变化的三类影响因子——经济发展与水资源量不协调因素、人口因素和水环境破坏因素三类入手,运用BP神经网络模型对该区域水资源需求量进行预测,通过网络学习训练得出义乌市2010年水资源需求量为2.684103×108m3。其结果可为政府决策者制定与水资源相协调的区域发展规划提供一定的参考。     

基于BP神经网络的宁夏水资源需求量预测

利用宁夏2000-2010年的需水量数据,提取了人口数、GDP、工业总产值和降水量为主要影响因子,采用主成分分析法对影响水资源需求量的8个因子进行了分析。将此作为输入样本构建BP神经网络模型,用训练测试好的神经网络对2011和2012年水资源需求量进行了预测,预测结果为宁夏水资源规划管理提供参考。     

基于BP神经网络的建筑工程造价快速预测

快速而可靠的估算工程造价直接影响着招投标决策的合理性。该文根据建筑工程概预算原理,提出以主要特征指标作为典型样本、将字符型转化为数值型特征指标的快速估价方法,在主要特征指标中增加造价指数;并以实例结合带有动量项自适应BP神经网络开展了工程造价的估算。实例计算表明,在考虑造价指数时实例工程造价误差为1.06%,远高于文献[1]的工程造价误差3.02%,提高了工程造价估算精度。该模型具有较高的可行性和可靠性,为工程造价的快速估算提供了一种有效途径。     

膨润土石灰改良黄土强度及微观结构试验研究

黄土工程性能较差,必须经过处理才能作为路基填料使用。为了提高黄土路基的承载力,更好地解决黄土路基的工程病害问题,在黄土路基填料中加入膨润土和石灰,通过不同组合掺量的膨润土-石灰-黄土的无侧限抗压强度试验与核磁共振试验,分别从土体强度和孔隙结构的角度出发,研究各掺量膨润土-石灰对黄土路基填料强度及孔隙结构的改良效果。试验结果表明：膨润土可以有效填充黄土的孔隙,石灰能使土体内分散的颗粒连成整体,并使土体无侧限抗压强度提高4.01倍;改良黄土的无侧限抗压强度随着养护龄期的增大而增大;与素黄土相比,改良黄土的孔隙度降低,大孔隙占比显著减少。通过微观电镜扫描发现土颗粒之间连成整体,且颗粒间的大孔隙也基本被填充。因此,膨润土和石灰对黄土填料的改良效果较为显著。     

硅锰渣改良黄土的强度变形特性试验研究

为解决黄土路基的工程地质问题,提高固体废弃物的循环利用,文章提出了利用硅锰渣对黄土进行改良的研究思路。通过室内试验对硅锰渣改良黄土的强度和变形特性进行分析,结果表明,随着硅锰渣掺量的增加,改良土的强度先增大后减小,其无侧限抗压强度及抗剪强度的最大值出现在掺量为16%的试样中,且最优养护龄期为14 d。另外,硅锰渣改良土的压缩性降低,压缩系数减小,压缩模量增大。掺量为16%时,硅锰渣改良土的压缩特性指标最优,在养护至14 d时,其压缩系数减小至0.078 MPa^-1,为低压缩性土。     

深圳市供水量BP神经网络预测

城市供水量受多种因素的共同影响。以深圳市最近20多年的供水量历史数据为基础,建立了一种基于时间序列的供水量BP神经网络预测模型。该模型的平均相对误差为4.96％。根据建立的深圳市供水量BP神经网络模型的预测结果,未来深圳市近期(2005年)的年供水量将达到52 630万m3,远期(2010年)的年供水量将达到56 142万m3。     

基于BP神经网络的重塑黄土冻融过程渗透特性研究

冻融循环导致黄土渗透特性的变化规律十分复杂,传统单一因素评价方法难以确定冻融过程黄土渗透系数与多因素之间的量化统计关系。基于此,首先对西安Q3重塑黄土进行冻融过程三轴渗透试验,得到不同干密度、含水率、围压及冻融次数下的渗透系数;然后采用BP神经网络算法对试验数据进行学习训练,建立各因素与渗透系数间的预测模型。研究结果表明:重塑黄土渗透系数变化规律,随围压增大,其值逐渐减小,且减小幅度先快后慢;随干密度和初始含水率增大,其值先增大后减小;随冻融次数增加,其值逐渐增大,且上升幅度先急后缓。冻融过程黄土渗透系数神经网络模型预测值和试验值之间相对误差较小,表明该方法具有较好的预测精度,能够综合描述诸因素与渗透系数的量化关系。     

基于MATLAB下BP神经网络的边坡稳定性预测

将MATLAB中的BP神经网络引入到边坡稳定性研究中,但由于标准的BP算法存在收敛速度慢、容易陷人局部极小点等缺点,为此采用各种改进及优化的算法,以寻求更适合边坡稳定性预测研究的算法。本文结合了大量边坡实例,经过理论分析和实例测试,能显著提高训练速度、减少收敛周期,达到很好的边坡稳定性预测结果。     

基于BP神经网络算法下的边坡安全预测

边坡的实时变形一直是岩土工程界关心的问题,由于不同工程的条件不同,影响边坡位移的因素较多,进而使其变化趋势复杂.为了得到边坡位移与稳定性的关系,采用BP神经网络算法与强度折减法综合对土质边坡安全系数进行预测.结果显示:通过强度折减法计算出边坡位移,并获取较完善的BP神经网络样本数据,当迭代次数达到足够时,完全可以忽略预测结果与实际结果的误差;通过实际工程中的边坡监测数据,然后由建立的BP神经网络能够较为准确的输出边坡的强度折减系数,进而得到相应的安全系数.