附加动量法和基于遗传算法附加动量法的实现与在沉降监测中的应用研究

在沉降监测工程实践中,根据沉降趋势的特点,而采用不同的预测算法,有助于提高沉降预测结果的精度。由于算法各自的局限性,综合不同算法各自的优势,成为目前预测算法研究的热点。本文在编程实现附加动量法和基于遗传算法的附加动量法的基础上,研究了种群规模对基于遗传算法的附加动量法收敛速度的影响,确定了种群规模的大小。最后,结合样本数据,对两种算法的收敛速度以及预测精度通过量化的指标进行比较。本文的结论对沉降监测的工程实践具有一定的借鉴意义。     

动量BP算法及其在桩基沉降研究中的应用

在说明动量BP算法及其程序实现的基础上 ,阐述了网络训练中的主要参数 (初始权值与阈值、隐层单元数、输出单元数、归一化方法、传递函数 )对训练过程的影响 ,并将动量BP算法应用于桩基沉降的研究。研究表明 ,使用一定的训练参数 ,得到的预测沉降与最终沉降量具有良好的一致性     

动量BP算法及其在桩基沉降研究中的应用

在说明动量BT算法及其程序实现的基础上，阐述了网络训练中的主要参数（初始权值或阈值、隐层单元数、输出单元数、归一化方法，传递函数）对训练过程的影响，并将动量BP算法应用于桩基沉降的研究，研究表明，使用一定的训练参数，得到的预测沉降与最终沉降量具有良好的一致性。     

灰色BP神经网络组合模型在地铁沉降监测中的应用

地铁路基沉降监测是变形监测中的一项重要内容,关系到交通运营的安全问题。为准确对地铁沉降进行预测,在灰色GM(1,1)模型及BP神经网络模型的理论知识的基础上,利用某地地铁沉降监测数据,采用灰色BP神经网络组合模型对地铁监测数据进行预测。通过监测数据和预测数据的对比分析,得出组合模型对地铁沉降数据预测较为准确、精度较高的结论。     

BP神经网络法在某输气站沉降预测中的应用

介绍了几种常用的沉降预测方法,通过详细系统的试算,建立了适用于沉降预测的BP神经网络模型,并以"川气东送"管道工程某输气站的沉降监测为研究对象,将BP神经网络法与传统的曲线法进行对比分析,论述了各种方法的优劣,明确了BP神经网络法用于沉降预测的可行性。     

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。     

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.     

改进的BP神经网络在大坝变形监测中的应用

BP算法能够为大坝的变形预报提供较好的预测值,且具有较高的精度。依据BP算法的特性,提出了通过添加学习速率自适应与附加动量项的方法来提高BP算法的运算速度;并对此改进策略进行了试验论证。     

BP神经网络在武汉地铁竖井沉降预测中的应用

利用matlab7.0神经网络工具箱为依托,将竖井前期沉降监测数据作为训练样本建立神经网络,分析各岩土参数对沉降变形的影响并结合工程实际情况确定网络输入,对训练样本之后10 d的沉降进行预测并与实测值进行对比,以武汉地铁某线施工竖井为例进行验证,结果表明:预测值与实测值基本吻合,相对误差较小,对竖井施工具有一定的指导意义。     

基于BP神经网络改进算法在地铁隧道施工中的沉降预测

为使地铁隧道在施工中沉降监测数据具有一定的预见性,分别采用了BP神经网络改进算法的预测模型、传统BP神经网络预模型以及基于时间序列的三次指数平滑法预测模型对地铁隧道施工中的沉降监测数据进行了预测。对其预测结果进行分析,得出了BP神经网络改进算法模型预测精度优于传统BP神经网络模型以及基于时间序列的三次指数平滑法模型预测精度的结论。     

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神经网络在河流叶绿素a浓度预测中的应用

采用BP神经网络改进算法,通过对津河、卫津河叶绿素a和其他10种水质因子的分析,建立了叶绿素a预测模型,并找出了对叶绿素a浓度变化影响较大的因子.结果表明,BP神经网络在河流系统叶绿素a含量的预测中,具有很好的泛化、推广能力,预测值与实测值的相关系数达到了0.8376;预测过程中,增加训练样本量或增加输入变量都可以提高预测效果;pH、溶解氧、叶绿素a本底浓度和温度是叶绿素a预测模型的主要参数,四者的相时重要性指数之和达45.7%,时网络输出的准确度有较大影响.     

基于改进BP网络的盾构隧道开挖地表沉降预测

盾构隧道施工中引起的地表沉降是衡量开挖方式是否合适的关键指标。文中在介绍BP神经网络及盾构施工引起变形情况的基础上,对基于BP神经网络的盾构隧道开挖引起的地表沉降预测进行了研究,考虑了训练样本中奇异数据的剔除,采用变步长的方法,并选取适当的动量项系数,综合考虑各种影响因素,建立了盾构隧道开挖引起的地表沉降预测的BP网络模型,并对广州地铁二号线进行了具体的预测分析。分析结果表明:理论计算结果与工程实际情况一致,误差小于5%,所建立的预测模型是令人满意的。     

土工格栅处理软土路基沉降量的BP神经网络预测

目前,土工格栅处理软土路基沉降量的预测多采用指数曲线和双曲线延伸法,其结果不够理想,采用BP神经网络逼近非线性插值方法构建等时距时间序列数据,同时建立相应的时间响应函数,预测其沉降量.计算实例表明,BP神经网络模型沉降预测结果比较准确,其最终沉降预测结果具有一定的工程应用价值.     

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。     

神经网络在结构工程健康监测中的应用探讨

建立结构损伤诊断子系统是建立大型工程结构智能健康监测专家系统的核心问题。人工神经网络技术可以实现结构损伤的自动识别与定位,具有广阔的应用前景。本文介绍基于人工神经网络的两级损伤识别策略,并对采用人工神经网络进行结构损伤诊断的网络输入参数与网络结构选择等关键问题进行了探讨。     

BP神经网络模型在地下水质量评价中的应用

介绍了BP神经网络的基本原理和计算方法。采用6-11-5三层拓扑结构的BP神经网络模型对伊通河下游地下水质进行评价,并与内美罗指数法、模糊综合评判法和物元可拓法评价结果比较。结果表明BP神经网络计算简便、评价结果客观准确,很好地反映了地下水质量的总体状况。     

基于小生境等维BP神经网络的沉降预报

针对传统BP神经网络全局优化能力低、无法学习的缺陷,引入遗传算法中的小生境技术,研究了基于小生境等维BP神经网络模型,同时利用MATLAB进行编程实现。该模型的核心思想是借助小生境遗传算法优化神经网络的连接权和阈值,进而提高了等维BP神经网络模型的全局优化能力,改善了模型的收敛性。结合宁波某大楼沉降监测实例,利用小生境等维BP神经网络、GM(1,1)模型、等维BP神经网络模型分别对沉降数据建模预测,结果表明,小生境等维BP神经网络模型更加符合实际情况、预测效果更佳。     

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.