MIV-PSO-BP神经网络用户热负荷预测

提出利用MIV-PSO-BP神经网络预测用户热负荷。MIV-PSO-BP神经网络基于BP神经网络,利用PSO算法优化神经网络初始参数,采取MIV算法筛选与输出变量相关程度最大的输入变量。以绝对误差、均方根误差作为指标,评价MIV-PSO-BP神经网络的预测效果。结合箱线图,比较BP神经网络、MIV-PSO-BP神经网络的预测相对误差分散程度与异常点数量。与BP神经网络相比,MIV-PSO-BP神经网络的预测效果更理想。由BP神经网络、MIV-PSO-BP神经网络的预测结果相对误差箱线图可知,MIV-PSO-BP神经网络预测结果相对误差集中,异常点少;BP神经网络预测结果相对误差分散,异常点多。MIV-PSO-BP神经网络预测准确性、稳定性更高。     

MIV-PSO-BP神经网络用户热负荷预测

提出利用MIV-PSO-BP神经网络预测用户热负荷。MIV-PSO-BP神经网络基于BP神经网络,利用PSO算法优化神经网络初始参数,采取MIV算法筛选与输出变量相关程度最大的输入变量。以绝对误差、均方根误差作为指标,评价MIV-PSO-BP神经网络的预测效果。结合箱线图,比较BP神经网络、MIV-PSO-BP神经网络的预测相对误差分散程度与异常点数量。与BP神经网络相比,MIV-PSO-BP神经网络的预测效果更理想。由BP神经网络、MIV-PSO-BP神经网络的预测结果相对误差箱线图可知,MIV-PSO-BP神经网络预测结果相对误差集中,异常点少;BP神经网络预测结果相对误差分散,异常点多。MIV-PSO-BP神经网络预测准确性、稳定性更高。     

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.     

mRMR和PSO算法对神经网络预测模型优化效果

提出利用最大相关和最小冗余(mRMR)算法、粒子群优化(PSO)算法,对BP神经网络预测模型进行优化。对某住宅楼进行供热负荷预测,评价3种神经网络预测模型(BP神经网络预测模型、mRMR-BP神经网络预测模型、PSO-mRMR-BP神经网络预测模型)的预测效果。在3种神经网络预测模型中,BP神经网络预测模型的预测效果最差,PSO-mRMR-BP神经网络预测模型的预测效果最佳。与BP神经网络预测模型相比,经过mRMR算法对输入变量进行筛选以及PSO算法对初始参数进行优化,PSO-mRMR-BP神经网络预测模型的预测效果显著提高。     

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。     

驱动桥路试噪声主观评价的神经网络预测系统

以驱动桥路试噪声的客观评价指标为基础,应用回归分析、前馈神经网络、径向基神经网络等技术研究路试噪声主观评价的预测方法.结果表明,回归分析、神经网络均能识别出主观评价的不可接受样本,其中神经网络的预测准确度更高.比较前馈神经网络和径向基神经网络的准确性和易用性,最终建立基于前馈神经网络的主观噪声预测系统.     

基于神经网络纳米海工混凝土电阻率预测

为探究神经网络对混凝土电阻率预测的可行性,文中通过wenner四电极法测量Cl-侵蚀和干湿循环耦合作用下纳米混凝土的电阻率,利用BP神经网络和Elman神经网络对电阻率测量结果进行预测。预测结果表明,BP神经网络的预测效果要优于Elman神经网络,BP神经网络的预测误差更低,其输入和输出变量之间的相关性更强,在混凝土相关研究中利用神经网络具有一定的实用性。     

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     

基于神经网络算法的人脸识别

本文基于神经网络算法在人脸识别中的应用进行了研究,结果表明当前神经网络算法人脸识别算法分为:卷积神经网络人脸识别、循环神经网络人脸识别。     

基于卷积神经网络的烟雾浓度检测方法

采用当今流行的卷积神经网络对烟雾图片进行处理,介绍了卷积神经网络的基本原理,设计了一个典型的卷积神经网络,介绍了卷积神经网络在预测图像烟雾浓度上的应用。     

用响应面方法分析特殊地下岩体空间的可靠性

在地下岩体空间等复杂结构系统的可靠性分析中,得到极限状态方程的解析表达式往往是非常困难的。因而提出了采用响应面方法结合数值试验对其进行拟合,在此基础上求系统的可靠度,并将其应用干某地下尾矿库库体系统稳定的可靠性分析。     

基于神经网络法的自锚式悬索桥可靠度研究

自锚式悬索桥造型美观,且不需要庞大的锚碇。其将主缆锚固于加劲梁上,受力发生了极大的变化。因此,研究自锚式悬索桥的可靠性十分必要。采用BP神经网络法拟合可靠度计算的极限状态函数,引入粒子群算法优化神经网络法的初始权值,实现函数拟合的双优化,新算法则利用MATLAB编程实现。极限状态函数显化后,结合蒙特卡洛法计算自锚式悬索桥在正常使用极限状态下的可靠度。     

基于遗传算法的土坡三维可靠度分析

 边坡稳定分析的三维安全系数方法和三维可靠度分析方法一般均需人为给定一个与滑坡体宽度相关的参数或仅针对固定三维滑面进行分析计算。由于这样计算得到三维安全指标并不是最小值，因此难以反映边坡真正的安全度水平。引入随机场局部平均计算模型，考虑土性参数的空间相关性，边坡存在一个最小可靠指标对应的三维滑坡形态，这为采用优化方法进行土坡稳定三维可靠度分析奠定基础。对最小三维可靠度指标与三维临界滑面存在的缘由进行分析。遗传算法是一种优秀的全局寻优算法，可以有效解决边坡稳定分析临界滑面搜索问题。引入土性参数的空间相关模型，结合边坡稳定的三维简化毕肖普方法，直接以边坡稳定的三维可靠度指标为优化目标，建立基于遗传算法的边坡稳定三维可靠度分析方法。该方法无需滑坡宽度的假定，可以得到真正的边坡稳定三维可靠指标及对应的三维临界滑面。算例说明该方法的有效性。     

An improvement of the response surface method

The coupling of the Monte Carlo method and the finite element method for the reliability analysis of structures leads often to a prohibitive computational cost. The response surface method is a powerful reliability method that approximates the limit state function with a polynomial expression using the values of the function at specific points. This type of analytical function replaces the exact limit state function in the Monte Carlo simulation. Therefore, the computational effort required for the assessment of the reliability of structural systems can be reduced significantly. The position of the sample points and the type of polynomial response surface have been investigated by several authors and the performance of the response surface method is still under discussion. In this paper an improvement of the response surface method is proposed. An iterative strategy is used to determine a response surface that is able to fit the limit state function in the neighbourhood of the design point. The locations of the sample points used to evaluate the free parameters of the response surface are chosen according to the importance sensitivity of each random variable. Several analytical and structural examples are considered to demonstrate the advantages of the proposed improvement.     

基于模式-遗传-神经网络的流变参数反演

介绍了一种岩石流变多参数反演的智能方法。该方法把遗传算法和神经网络有机结合起来,并在遗传算法中嵌入模式搜索加速优化进程;该方法基于均匀设计获得的样本进行神经网络学习,用模式–遗传–神经网络进行岩体流变参数的最优辩识。该方法用经过最佳预测学习算法训练的神经网络来表达岩体流变参数和位移之间的映射关系,除具有一般遗传算法的优点外,还提高了参数反演的精度,节省了参数反演的计算时间,使得某些原来用传统优化方法在时间上几乎无法进行的参数反演如今变为可能,并用工程实例验证了此方法的可行性与优越性。     

响应面方法在边坡稳定可靠度分析中的应用

以Janbu法为例，研究隐式功能函数边坡工程稳定可靠度计算方法。首先分析非圆弧滑动边坡变形力学模式安全系数计算步骤和过程，提出采用类似力学模式的安全系数计算作为试验手段。借用响应面思想，利用试验结果拟合近似安全系数计算方程从而替代隐式方程，并建立近似极限状态方程。利用其计算可靠度指标和验算点，然后将安全系数计算近似方程、隐函数计算方程和验算点结合起来，确定新的展开点和抽样点，并进行近似方程再拟合、可靠度指标的循环计算直到收敛。这些研究构成状态方程为隐函数时的可靠度近似计算方法。最后通过不同计算方法的对比，验证该近似方法的准确性和合理性，并采用近似方程分析灰木露天矿边坡的稳定可靠性。     

大跨度斜拉桥智能可靠度评估方法研究

针对既有大跨度斜拉桥的评估管理系统中的可靠度评估问题,提出了基于RBF网络与Monte Carlo结合的可靠度评估方法。建立了招宝山大桥快速分析的RBF网络模型,网络训练样本按均匀设计方法,考虑几何非线性因素由ANSYS软件分析得到。对运营期的招宝山大桥进行了两类失效模式,三种极限状态下的可靠度评估,并分析了不同活载模式、不同功能函数及不同检测期对可靠度评估结果的影响。分析表明:基于RBF-MC的可靠度分析方法具有速度快、精度高的优点,并能同时计算多极限状态下的结构可靠指标,特别适合在基于可靠度的桥梁管理系统中采用;活载布置方式、选取的功能函数均影响可靠度评估的结果,招宝山大桥不同检测期可靠度水平变化不大,且均处于安全可靠状态。     

基于BP网络响应面的海水侵蚀混凝土强度可靠性分析和耐久性评价

提出了基于神经网络与响应面法相结合的结构可靠度计算的几何分析方法 ,通过得出的可靠指标对受海水侵蚀混凝土进行了耐久性评价。数值试验表明 ,该方法建立的神经网络模型可以很好地拟合真实的极限状态函数 ,在混凝土耐久性评价中具有广阔的应用前景     

RBF网络模型响应面法用于边坡稳定性分析

建立了基于RBF(径向基函数)网络模型的响应面方法,用以解决实际工程中常用的功能函数无法明确表达的可靠度计算问题,介绍了该方法的建立过程,并将其应用到膨胀土大坝的稳定性分析中,表明用RBF网络模型的响应面方法预测边坡稳定性是可行的。     

结构可靠度分析的全局响应面法研究

对功能函数不能明确表达的可靠度分析问题,常采用响应面法。本文提出把响应面区分为局部响应面和全局响应面。常用的二次多项式响应面及常规的神经网络响应面均属于局部响应面,其仅在验算点附近(±σ)处与真实极限状态曲面符合较好。本文提出的全局神经网络及模糊神经网络响应面、改进全局神经网络及模糊神经网络响应面则属于全局响应面,其在全局范围均与真实极限状态曲面符合良好,故其对全局有较好预测效果。文中对以上各种响应面法计算效果及其对全局预测效果通过算例进行了对比分析,其中改进全局神经网络及模糊神经网络响应面法计算精度较好,进行有限元分析次数最少,该方法用于大型复杂结构的可靠度分析,可相应提高工作效率和解题质量。