基于径向基神经网络的基坑支护位移预测方法

简要分析了径向基神经网络相对于BP神经网络的优点,利用径向基神经网络建立了基坑支护水平位移的预测方法并编制了基于径向基神经网络的支护位移预测程序.结合实际工程监测数据中的基坑支护结构水平位移数据,对网络进行训练并利用训练好的网络对基坑支护结构的水平位移进行了预测.从预测结果与实测结果的对比分析来看,利用径向基神经网络对基坑支护水平位移进行预测是可行的,其精度符合工程实际的要求.     

基于RBF的可靠性工作项目风险综合评价方法研究

利用径向基神经网络优秀的函数逼近和空间插值能力,提出基于径向基神经网络的可靠性工作项目风险综合评价模型。在对原始数据进行“效益型”归一化处理的基础上,采用三层径向基神经网络,利用遍历法得到隐层节点数,进行径向基神经网络的创建与训练,用来进行可靠性工作项目风险的仿真评价。实例表明,该方法具有很好的评价效果。     

斜拉桥损伤识别的径向基函数(RBF)神经网络设计

在文~［１］中用径向基函数神经网络讨论了梁格形式的桥梁构件损伤识别,文~［１］对文~［２］做了改进,识别效果大大改善。本文尝试用径向基函数神经网络对斜拉桥构件损伤进行识别,验证指标函数及径向基网络的设计参数。     

基于K-L变换和径向基函数神经网络的滚动轴承故障模式的识别

径向基函数(RBF)神经络是一种三层前馈型神经网络,它具有较强的非线性函数逼近能力和分类能力。根据径向基函数神经网络的优点,在对滚动轴承振动信号故障特征分析的基础上,应用K-L变换将所测取的振动相关特征矢量转化为独立的特征矢量,利用其主特征值建立径向基函数神经网络,并用该网络对滚动轴承的故障模式进行了识别。理论和试验证明了该方法的有效性,且具有较高的识别精度。     

基于模糊逻辑--径向基函数网络协作系统的交通事件自动检测算法

事件检测算法是事件管理系统的关键内容。利用神经网络和模糊逻辑结合系统进行事件检测是目前的研究热点 ,有两种形式 :模糊神经网络和模糊逻辑———神经网络协作系统 ,本文提出了基于模糊逻辑和径向基函数网络协作系统的事件自动检测算法 ,用径向基函数网络描述模糊逻辑 ,综合两者的优点。为了反映交通检测参数的相对变化 ,本文提出了新的交通流参数模糊化方法———二次高斯概率法。仿真数据表明 ,本文所提出的算法性能优越 ,适于工程应用     

基于数据挖掘的冷水机组能耗预测

为了充分利用能源站冷水机组实际运行数据,提高能耗预测准确率,提出了一种基于数据挖掘算法的冷水机组能耗预测模型。该模型包含3个主要步骤:数据预处理、模型建立及分析、结果表述。在模型选择上,利用支持向量机、径向基函数神经网络及决策树3种算法建模并对比分析。结果表明:基于数据挖掘的能耗预测模型有较好的实用性与可靠性;相比其他2种模型,径向基函数神经网络模型的均方根误差值平均降低了0.661,相关系数达到0.999,即径向基函数神经网络的能耗预测准确率最高,建模效果最佳。     

改进的RBF网络在区域需水预测中的应用

利用径向基函数神经网络,建立了区域用水量预测模型,改进了RBF网络学习方法;根据某地区近年来影响用水量主要影响因素的数据对该网络进行训练,并用训练好的网络模型对该区域以往和今后不同年份的用水量进行预测;对以往用水量预测结果表明该模型有较高预测精度、通用性和客观性.     

基于神经网络-蒙特卡罗法的隧道初衬可靠度研究

对于功能函数是隐函数的可靠性分析问题,传统的有限元蒙特卡罗法计算量极大。为了克服此缺点,提出了径向基神经网络-有限元蒙特卡罗法(RBF-MCS)。通过样本训练,创建了径向基神经网络模型。利用ANSYS软件中的可靠度分析模块,分析了基本随机变量对隧道初衬轴力的灵敏度大小的顺序。通过此方法和传统的有限元蒙特卡罗法分别计算了大瑶山隧道初衬的轴力和可靠度,并进行了对比分析。基于径向基神经网络-有限元蒙特卡罗法(RBF-MCS)的计算结果与施工实际吻合较好,通过现场观察也没有发现喷层混凝土压裂破坏,可见计算结果是符合实际的。径向基神经网络-有限元蒙特卡罗法比传统有限元蒙特卡罗法更加适合复杂结构的计算,具有更高的效率、精度和适用性。     

施工阶段大跨径预应力混凝土刚构桥腹板开裂机理

进行了大跨径预应力混凝土刚构桥腹板开裂机理研究,基于弹性力学平面问题分析方法,推导了集中荷载作用下的板件应力函数表达式,绘制了不同受压边长与集中荷载长度比(d/a)下的横向应力曲线,拟合了集中荷载作用下构件的横向应力求解函数,构造了混凝土刚构桥腹板在预应力集中荷载作用下等效压力矩形的选取方法,并基于平面应力的表达式提出了在三维情况下沿预应力轴线的横向应力计算方法。通过建立某预应力混凝土刚构桥0~3#段实体有限元模型,分析施工过程中刚构桥混凝土腹板在不同等级预应力作用下的开裂情况。结果显示:有限元裂缝模拟与实桥腹板开裂范围一致,有限元应力分析结果下限值与推导的横向应力求解函数计算结果接近,变化趋势一致,印证了横向应力函数求解方法的正确性。     

径向基网络在结构设计与分析中的应用

详细地介绍了径向基(RBF)神经网络的结构和基本原理。基于RBF神经网络能够逼近任意非线性函数的特点,提出了一种基于RBF神经网络建立结构分析模型的方法。与BP网络的仿真结果对比表明,所建立RBF神经网络模型收敛速度快,拟合精度高,适用于复杂结构的建模问题。     

岩石SHPB测试中试样恒应变率变形的加载条件

 从分析霍布金逊压杆测试中试样变形应力、入射应力、反射应力和透射应力的相互关系入手,获得满足试样恒应变率变形所需的加载条件,即只有当加载应力和试样的变形应力具有相同的变化规律时,试样变形才处于恒应变率状态。试验结果表明,整形器法和异形冲头法都能在一定程度上实现试样的恒应变率测试,双试样法实际是整形器法的一个特例。整形器法更适合于理想弹脆性岩类的测试,异形冲头法对具有幂函数型本构曲线岩类和未知本构特征材料的测试有利,并且可重复性好。能产生半正弦波的异形冲头法可减小波形弥散对测试结果的影响。     

SHPB试验中合理加载波形比选分析

针对SHPB试验中如何选择合理加载波形问题,将矩形波、坡形波、三角波和常规梯形波等入射波形统一表达为不同升时的梯形波,并给出其加载应力路径方程。首先,计算分析了加载持续时间和最大应力幅值相同情况下,采用不同升时梯形波和半正弦波加载时,试件应力平衡时间t′_u随波阻抗比β变化情况,以及不同β的试件应力均匀性变化特征。其次,从试件应力平衡时间和应力均匀性角度分析两种加载波形的优劣性。升时t′_r=2、4的梯形波优于半正弦波,半正弦波优于t′_r≥7的梯形波;而t′_r=0、1、3、5、6的梯形波与半正弦波加载时t′_u曲线变化过程中出现了交叉现象,交叉前半正弦波优于此升时的梯形波,交叉后两者优劣性相反。最后,提出试验中合理加载波形的选择与确定。即无论β为何值,t′_r=2或4的梯形波加载时,试件均能获得较短应力平衡时间和较好应力均匀性,试验中应将t′_r=2的梯形波作为最佳加载波形优先选用,其次可考虑选用t′_r=4的梯形波;此外,计算给出不同β值对应的其他合理加载波形以便试验中选用。     

冲击载荷作用下硬岩层裂破坏的理论和试验研究

 理论分析半正弦冲击入射加载波形下的层裂破坏特性，推导产生层裂破坏的位置和层裂厚度。利用改进的霍普金森压杆装置产生的半正弦波形对花岗岩试件进行层裂破坏试验。采用高速摄像仪记录试件层裂破坏的全过程。试验结果表明：岩石试件在半正弦入射加载波形情况下，首先如理论推导结果一样只产生了一层层裂破坏，但是随着时间的推移，岩石试件后续又产生了多层层裂；高速摄影仪和动态应变仪所采集到的分析结果均表明后续产生的层裂是由于入射加载过程中已经对岩石试件产生了损伤，以致在很弱的残余反射波作用下继续产生破坏而出现多层层裂。因此，研究岩石等脆性材料的层裂破坏规律，不但要根据最大拉应力瞬间断裂准则分析入射加载波和反射卸载波相互作用所产生的破坏效应，而且要考虑损伤对材料的影响。理论分析和试验方法对研究岩石的层裂破坏及其他相关特性具有一定的指导意义。     

铁路桥梁混凝土工程造价大数据计算模型优化设计

基于大数据分析,对铁路桥梁混凝土工程造价计算模型的优化进行了研究。通过分析BP神经网络模型原理,发现该模型多输入多输出因素的非线性网络关系处理能力与本工程造价计算的非线性映射关系相吻合。利用计算机软件MATLAB中的BP神经网络工具箱进行搜索和查询,对于所采集得到的混凝土工程样本数据进行学习训练,把各项模型模拟数据结果和实际得到的样品数据结果进行比较分析,本研究构建的BP神经网络工程造价计算模型的误差率为3.29%,可满足铁路桥梁混凝土工程造价计算的精度要求。     

岩石SHPB试验中子弹形状对加载波形的数值模拟

利用有限元分析软件LS-DYNA对几种不同几何形状入射子弹在霍普金森压杆试验实验中产生的加载波形进行了数值模拟,在入射杆尺寸与撞击速度恒定的情况下,重点探讨入射子弹的几何形状对于加载波形的影响,为设计能打出近似理想半正弦波(或钟形波)的子弹提供理论依据。模拟研究发现:等截面子弹长度与加载波持续时间成正相关;锥形子弹末端截面直径越小,加载波上升沿时与脉冲持续时间越长,同时波形也越趋向于钟形波,但应力峰值则降低;对于本文设计的变截面子弹,其等截面段越长,加载波形越趋向于半正弦波。     

概率积分法参数辨识的多尺度核偏最小二乘回归方法

 针对传统的偏最小二乘回归(PLS)、人工神经网络(ANN)、支持向量机(SVM)等非线性建模方法在概率积分法参数辨识中存在着预测效果差的不足,提出概率积分法参数辨识的多尺度核偏最小二乘回归(multi-scale KPLS)方法。首先,构建满足容许条件的多尺度高斯核函数;然后,对学习样本进行模糊聚类,以最优分类个数作为多尺度高斯核函数的尺度个数,并采用10次10折交叉验证按照网格搜索方法确定核函数的宽度;最后,详细论述multi-scale KPLS的建模过程。通过实例将multi-scale KPLS的预测结果与3种传统的PLS方法、径向基神经网络(RBF-NN)和SVM模型进行对比分析。结果表明：multi-scale KPLS顾及建模样本的多尺度特性,其预测精度明显高于其他预测模型;multi-scale KPLS有效地克服了各影响因素之间的多重共线性对预测结果的不利影响,具有较强的稳健性;multi-scale KPLS适用于多个因变量对多个自变量的概率积分法参数辨识问题,其建模参数均可自适应确定,在建模效率上优于RBF-NN和SVM。     

基于改进GA-SVR算法的隧道工程三维弹塑性模型参数的智能辨识

将支持向量回归（SVR）算法引入岩土工程数值计算模型参数的辨识中可以充分发挥SVR算法的小样本、泛化性好和全局最优化的优点。但现阶段标准的SVR算法只能解决一维输出变量的回归问题，这就使其在反分析领域的应用受到限制。引入一种改进的SVR算法，这种算法通过将多维输出变量回归转化为多层标准一维输出变量回归来解决这个问题，并与十进制编码的遗传算法相结合，形成改进的GA-SVR算法，用遗传算法搜索最优的SVR模型参数以建立最优的待辨识参数与位移之间的非线性映射关系，然后用遗传算法进行待辨识参数的最优辨识。为对比这种改进GA-SVR算法的效果，将遗传算法与BP神经网络相结合，形成GA-BP算法且编制相应的计算程序。将这两种算法运用于同样的隧道工程三维弹塑性模型参数的智能辨识，数值算例表明改进的GA-SVR算法较GA-BP算法可以取得更高的辨识精度和更好的计算效率，可运用于类似岩土工程计算参数的辨识。     

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.     

堆石坝参数反演的蚁群聚类RBF网络模型

 将蚁群算法与径向基(RBF)网络相结合,提出一种用于堆石坝力学参数反演的蚁群聚类径向基网络模型。该模型用蚁群聚类算法搜索RBF网络基函数中心,模拟蚁群觅食聚类的概率转移特性,所得到的聚类结果类间离散度和比传统K均值聚类结果小,能够得到更合理的基函数中心,从而获得较准确的坝体参数和位移之间的非线性映射关系。在进行参数灵敏度分析的基础,对一座堆石坝的反演分析表明,蚁群聚类RBF网络模型可有效地求解堆石坝多参数反演问题,反演结果优于BP网络模型和K均值RBF网络模型。     

A Backpropagation Neural Network Model for Semi-rigid Steel Connections

Abstract: The analysis of semirigid steel structure connections based on exact theoretical modeling, which is demanding and time consuming if all the nonlinear parameters of the problem are taken into account, can be avoided provided that enough experimental measurements exist and an appropriate predictor can be constructed from them. A supervised learning backpropagation neural network approach is proposed in this paper for the construction of this model free predictor. A number of experimental momentrotation curves for single-angle and single-plate beam-to-column connections are used in this paper to train the neural network. The trained network provides us with an estimator for the mechanical behavior of the steel structure connection element.