群体建筑物震害特征类比预测方法与应用

为了简化震害预测工作,从以往震害实例中选取了具有典型破坏特点的建筑物作为样本,提出以房屋的结构类型、高度、建设年代、现状质量和用途为震害影响因子的震害特征类比预测方法.与传统方法比较,本文方法精度较高,作为城市群体震害预测分析是可行的.该方法应用于厦门市群体建筑震害预测,并对其震害结果进行了统计分析.     

建筑物单体震害预测新方法

为了快速有效地预测单体结构的震害,通过分析大量的单体结构样本以及不同震害影响因子的参与度系数,并参照模糊综合评判模型,建立了多因子综合分析单体结构震害的方法.震害影响因子的选取考虑了结构特点、震害特点及规范的相应要求,一般包括场地类型、结构类型、建造年代、结构的层数等.该方法的主要优点在于能以简单、可行的方式处理单体结构震害的复杂性.采用此方法对算例进行了分析.     

基于GIS和BP神经网络耦合模型的建筑物震害预测

采用COMGIS（组件式地理信息系统）技术开发了结合专业震害分析模型的建筑物震害评估系统,讨论了基于BP人工神经网络和GIS耦合模型的多层砖房震害预测．研究表明：水平成层土地震反应分析程序SHAKE91在VB菜单下可直接调用,实现地震动影响场计算的模块化;BP神经网络应用于建筑物震害预测中,能达到较理想的效果,其计算模型在系统菜单下可直接调用;系统的GIS空间分析功能可使震害预测结果与建筑物信息进行空间匹配,实现地震灾害损失快速评估。     

基于支持向量机的一般建筑震害预测方法研究

对城市中现有数量巨大的一般建筑的抗震能力进行评价,必须采用简便、实用的建筑物群体震害预测方法,才能在有限的时间内完成城市建筑物的震害预测工作.为此本文提出了基于支持向量机的建筑物群体震害预测方法,详细说明了基于支持向量机进行建筑物震害预测的步骤和方法.同时,本文利用建立的基于支持向量机的震害预测模型,对3栋现有建筑进行了震害预测,并将预测结果与单体震害预测结果进行了对比.研究结果表明,基于支持向量机的建筑物震害预测方法是一种可以用于建筑物群体震害预测的良好方法.     

武汉市城区建筑抗震性能评价系统的开发及研制

为了简化武汉市城区建筑抗震性能评价工作,一方面通过从以往震害实例选取具有典型破坏特点的建筑物作为样本,另一方面从武汉市城区建筑进行单体抽样计算建立样本库,以建筑的结构类型、用途、层数、建设年代和场地类型为震害影响因子的震害特征类比预测方法,研制开发了武汉市城区建筑抗震性能评价系统,并通过与实际建筑结构的抗震鉴定结果进行对比验证了该系统的可靠性.该系统应用于武汉市城区建筑抗震性能的评价工作,并对其结果进行了分析.     

基于范例推理的城市建筑物震害预测方法研究

以往的震害预测方法往往需要调查建筑物的详细力学特性参数,这对个别社区的范围是可行的,但对整个城市的震害预测,则需要耗费巨大的财力、物力,因此需要研究适用于城市群体建筑物的快速震害预测方法.提出基于范例推理的建筑物震害预测方法,该方法通过建筑物震害范例的表示、索引、检索和调整模型,并运用Access建立了建筑物震害范例库,实现了基于灰色关联分析确定属性权重和欧式距离、曼哈顿距离、模糊相似优先及神经网络等的4种检索方法来预测城市未知建筑物的震害结果.该方法能够在较少的投资和时间下,迅速给出城市的震害预测结果.最后将该方法应用于厦门市的建筑物震害预测,结果表明该系统具有良好的可操作性和结果可靠性.     

小波神经网络组合时序模型在径流预报中应用

构建小波与人工神经网络组合时序模型,该模型利用morlet小波基函数取代人工神经网络的激发函数,通过平移因子和伸缩因子确定小波基函数,采用误差逆向传播算法训练网络和预测.利用此模型对赣江河段上外洲水文站月径流变化趋势进行预测,并将其计算结果与BP神经网络进行比较,结果表明利用小波神经网络进行时间序列预测效果较理想.     

不同方法构建建筑能耗模型比较

为了能够准确预测建筑能耗,以人工神经网络中的前馈神经网络和物理原理建立的建筑模型作为能耗方案进行预测分析,并建立了从外部和内部获得热量的系统方程.以办公楼为例,对比两模型对能耗预测结果的准确性,并且输入实际参数值,将计算结果与实际值进行对比分析.采用EnergyPlus进行了参数分析,以评估不同参数对预测结果的影响.结果表明,两种模型均适用于能耗预测,内部负荷对能耗预测的影响更为显著.     

GA神经网络在证券市场预测中的应用研究

以股市的可预测性为基础,以可量化股价影响因素作为输入变量,提出了将遗传算法与BP算法相结合用于股市价格预测的人工神经网络模型学习算法;建立了基于人工神经网络的股价预测模型。通过对海信电信(600060)的股票收盘价和大盘指数为预测目标进行了股市预测的仿真,并尝试预测未来一天内超短线存在机会,实验结果验证了股价预测模型的可行性。     

预测城市用水量的人工神经网络模型研究

为了提高多层前馈神经网络权的学习效率,引入变尺度方法来训练神经网络的权值,并根据训练误差自适应调整学习系数和动量因子.将该方法应用于城市用水量预测中,建立了非线性人工神经网络预测模型.该模型考虑了城市工业用水重复利用率、用水人口、经济发展等众多因素对用水量需求的影响,具备系统决策功能.杭州市预测实例表明,建立的模型及其相应计算方法具有较高的预测精度和准确度.     

结构损伤神经网络辨识系统的实现

阐述了利用神经网络建立结构损伤 辨识系统的过程，并对系统建立过程中训练样本的选取和预处理问题进行了说明。通过对缺陷板结构损伤辨识的实例分析，说明了基于人工神经网络的损伤辨识系统的正确性。     

用于有机化学品生物活性预测的人工神经网络

对人工神经网络用于化学品生物活性预测中遇到的技术问题进行了系统的研究,提出了防止网络训练过拟合及局部最小的方法,对影响网络收敛的各技术参数的选择进行了探讨。确定的人工神经网络计算软件用于实际有机化学品生物活性预测,效果优于文献报道结果。     

应用人工神经网络的建筑结构主动控制研究

首先采用自适应Ｂ－Ｐ学习算法训练的前馈神经网络,研究了应用人工神经网络进行建筑结构主动控制的理论问题。其次具体构造了一个四层Ｂ－Ｐ网络给遭受地震荷载作用的建筑结构提供控制力。最后由单自由度系统遭受地震荷载作用时的控制算例说明所建议的方法是有效的。     

基于人工神经网络的钢筋混凝土异型节点抗剪承载力预测

研究了利用神经网络技术分析钢筋混凝土框架异型节点抗震性能的可行性．从前馈神经网络原理分析出发，利用神经网络方法研究了低周反复荷载作用下的钢筋混凝土框架异型节点抗剪承载力与各主要影响因素之间复杂的非线性关系，并建立了承载力的BP神经网络预测模型．通过与试验结果相对比，新方法获得了令人满意的结果．分析结果表明神经网络计算在钢筋混凝土框架异型节点的抗震行为和力学特性研究领域是一种切实可行且极具发展潜力的新方法．     

结构损伤识别神经网络方法研究

阐述了利用神经网络建立结构损伤辨识系统的过程,并针对结构损伤识别中训练样本多、难以取舍的情况,采用了一种基于正交设计思想的样本选取方法,来构造网络训练所需的“最小”样本集。通过对缺陷板结构损伤识别的实例分析,说明了基于人工神经网络的损伤辨识系统的正确性。     

基于带有偏差单元的IRN模型的大体积混凝土温度预测与控制

分析了大体积混凝土温度的各种影响因素 ,结合神经网络的特点 ,提出运用神经网络中带有偏差单元的 IRN(Internally Recurrent Net)模型进行大体积混凝土温度预测与控制的新思路。通过实验 ,该模型可达到较好的效果 ,具有一定的可操作性和实用性。为今后大体积混凝土温度预测与控制提供了可借鉴的方法。     

基于BP神经网络的高性能混凝土早龄期自干燥收缩预测

采用人工神经网络方法,建立高性能混凝土原材料配合比与其早龄期自干燥收缩之间的非线性映射关系。计算结果表明,该模型可以预测不同配合比混凝土的早龄期自干燥收缩,为高性能混凝土体积稳定性的研究提供一种思路。     

神经网络在混凝土多轴强度预测中的应用

目的 采用人工神经网络技术来处理混凝土多轴强度间的非线性关系．方法 运用BP网络模型对混凝土多轴强度试验数据进行分析，并与数学回归模型进行了比较．结果 研究表明。只要选取合适的隐层节点个数和最优化的网络结构，建立的神经网络模型可以合理地模拟具有复杂非线性关系的混凝土多轴强度模型．结论 该方法具有较高的预测能力，可以作为混凝土多轴强度准则研究的有益途径。     

钢筋混凝土染裂纹故障分析

应用人工神经网络模型,对钢筋混凝土染结构上出现的裂纹损伤对于结构固有频率下降率的影响进行了诊断和预测研究,并与传统的诊断和预测结果进行了比较,结果表明,采用神经网络技术对工程结构进行裂纹损伤故障的联合诊断和预测比传统诊断结果精确,能够更好地反映结构损伤与特征参数之间的非线性特征。     

函数型神经网络法在混凝土碳化分析中的应用

混凝土碳化是结构耐久性研究中的一个重要问题。本文首次提出庆用函数型神经网络法进行混凝土的碳化分析。该方法使用单层网络进行学习和计算,使网络的结构得以简化,收敛速度加快。将该网络应用于混凝土碳化的分析和预测。其结果优于传统的ＢＰ网络,并且学习速度有了较大的提高。