基于bp神經(jīng)網(wǎng)絡(luò)的單樁極限承載力預測——從基樁高應(yīng)變動測試驗的結(jié)果中提取特征參數(shù)，組成反映基樁豎向承載力的特征向量，利用bp神經(jīng)網(wǎng)絡(luò)的非線性映射特性和學習能力，建立了特征向量和單樁豎向極限承載力之間的一種對應(yīng)關(guān)系，實例研究表明，人工神經(jīng)網(wǎng)絡(luò)的預測...

闡述了bp人工神經(jīng)網(wǎng)絡(luò)原理,分析了地基承載力的影響因素,以云安縣六都—高要大灣二級公路(云浮段)新建工程勘察數(shù)據(jù)為例,通過建立神經(jīng)網(wǎng)絡(luò)模型并對模型進行訓練,結(jié)果表明,該模型比較精確,可在今后勘察工作中運用。

基于wpnn與數(shù)據(jù)融合技術(shù)的樁基承載力預測方法研究- 工程事故分析 基于wpnn與數(shù)據(jù)融合技術(shù)的樁基承載力預測方法研究 摘要：為了能夠快速并較準確的預測樁基的承載能力，達到在施 工過程中減少或不做試樁的效果，以單樁為例，分析了影響豎向承載 能力的量化因素及非量化的因素，利用小波概率神經(jīng)網(wǎng)絡(luò)(wpnn)與 數(shù)據(jù)融合技術(shù)的聯(lián)想和預測功能，得出承載力和這些因素的關(guān)系。通 過對鉆孔灌注樁的靜載試驗數(shù)據(jù)分析，選擇了wpnn與數(shù)據(jù)融合技 術(shù)的方法對試驗數(shù)據(jù)進行分析，建立了合理的模型進行承載力預測， 6根單樁的承載力的預測值與實測值吻合較好，證明了該方法在預測 樁基豎向承載能力時可以滿足工程實際的需要。 關(guān)鍵詞：樁基承載力,小波概率神經(jīng)網(wǎng)絡(luò)(wpnn),數(shù)據(jù)融合,預測 隨著大跨度橋梁結(jié)構(gòu)的迅速發(fā)展，樁基礎(chǔ)的應(yīng)用日趨廣泛。近年 來，由于成樁工藝、檢測手段的不斷完善，樁基礎(chǔ)

基于遺傳-bp神經(jīng)網(wǎng)絡(luò)預測單樁豎向承載力——在遺傳算法改進bp神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)上，利用遺傳算法的全局優(yōu)化能力和bp神經(jīng)網(wǎng)絡(luò)的較強的高次非線性能力和自學習能力，建立預測單樁豎向承載力的遺傳一bp神經(jīng)網(wǎng)絡(luò)模型。通過利用濟南地區(qū)現(xiàn)場試樁資料對該模型進行訓練和...

基于珠海軟土地區(qū)3根phc管樁隔時復壓試驗數(shù)據(jù),采用bp神經(jīng)網(wǎng)絡(luò)建立了靜壓樁承載力時間效應(yīng)的bp神經(jīng)網(wǎng)絡(luò)模型來預測靜壓樁的長期承載力。在建模過程中將樁長、樁截面積、土體摩擦角、土體變形模量、滲透系數(shù)、最終壓樁力及休止期等與靜壓樁承載力密切相關(guān)的7個參數(shù)引入到輸入層,用visualbasic語言編制了以最終壓樁力和休止期為主要輸入因素的計算程序,程序可以對比顯示計算和實測曲線。在樣本訓練和學習過程中,任意選取2根樁的試驗數(shù)據(jù)來預測第3根樁的長期承載力。通過對施工現(xiàn)場工程樁的試算,預測結(jié)果與實測值較為吻合,表明提出的bp神經(jīng)網(wǎng)絡(luò)模型用于預測靜壓樁長期承載力是切實可行的。

為了對民航系統(tǒng)安全運行狀態(tài)進行科學的分析和預測,針對反映民航系統(tǒng)安全運行狀態(tài)的重要指標之一——飛行事故萬時率,采用bp神經(jīng)網(wǎng)絡(luò)的時間序列非線性預測模型及方法,對其進行了分析研究和仿真驗證,計算結(jié)果表明,該預測方法是可行的,并與實際具有較好的一致性。

根據(jù)長期的工程實測資料,利用高層建筑物靜載實驗數(shù)據(jù)對模型進行了檢驗,并選取了典型的樣本進行了預測值的誤差分析,結(jié)果表明,預測的結(jié)果和靜載實驗數(shù)據(jù)吻合較好,從而證實了wpnn預測方法具有較好的可靠性和工程應(yīng)用價值。

神經(jīng)網(wǎng)絡(luò)在單樁承載力預測中的應(yīng)用——運用基于bp神經(jīng)網(wǎng)絡(luò)的組合預測模型對phc樁的極限承載力進行預測。分別利用灰色gm（1，）模型和bp神經(jīng)網(wǎng)絡(luò)對樁在荷載作用下的沉降進行估算，然后利用人工神經(jīng)網(wǎng)絡(luò)中的bp網(wǎng)絡(luò)對所得的結(jié)果進行組合預測；最后利用lagrange算法...

采用神經(jīng)網(wǎng)絡(luò)方法對自密實混凝土受彎梁的正截面承載力進行模擬.以影響自密實混凝土梁受彎承載力的主要因素(抗壓強度、截面尺寸、配筋率等)為參數(shù),以構(gòu)件的受彎極限承載力為網(wǎng)絡(luò)輸出,建立多層前饋神經(jīng)網(wǎng)絡(luò)來描述其非線性關(guān)系.利用不同研究者的32組試驗數(shù)據(jù)對網(wǎng)絡(luò)進行訓練和測試.測試表明,建立的神經(jīng)網(wǎng)絡(luò)模型對32組試驗數(shù)據(jù)具有良好的模擬精度,可作為預測自密實混凝土梁受彎承載力的一種新的計算方法.

為提高纖維增強復合材料(frp)加固混凝土軸壓柱承載力的計算精度,建立了frp加固混凝土軸壓柱承載力的bp神經(jīng)網(wǎng)絡(luò)預測模型.利用大量試驗數(shù)據(jù)對神經(jīng)網(wǎng)絡(luò)模型進行訓練,并用訓練成熟的神經(jīng)網(wǎng)絡(luò)模型對frp加固混凝土軸壓柱的承載力進行了預測.通過模型預測值與試驗結(jié)果的比較,證明該模型的預測結(jié)果具有一定的可信度,最大誤差不超過15%,比其他計算模型的精度高.

在遺傳算法與誤差反向傳播網(wǎng)絡(luò)(bp網(wǎng)絡(luò))結(jié)構(gòu)相結(jié)合的基礎(chǔ)上,提出了利用改進的遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò)進行水資源承載力綜合評價的新方法,將該方法應(yīng)用于淮河流域水資源承載力綜合評價,實例表明是可行的,為水資源承載力定量分析開辟了新的途徑.

本文利用人工神經(jīng)網(wǎng)絡(luò)建立了方形鋼管混凝土的神經(jīng)網(wǎng)絡(luò)bp模型。對方鋼管混凝土軸壓短柱,選取試件長度、截面的寬度、鋼管的厚度、混凝土的抗壓強度及鋼材的屈服強度5個影響軸壓短柱極限承載力的主要因素作為輸入單元,選用45組數(shù)據(jù)作為訓練集,8組數(shù)據(jù)作為測試集,建立了一個3層的bp神經(jīng)網(wǎng)絡(luò)預測模型,仿真預測結(jié)果要比現(xiàn)有計算理論更準確。

將bp神經(jīng)網(wǎng)絡(luò)用于電力負荷預測。給出了具體的數(shù)據(jù)處理方法、神經(jīng)網(wǎng)絡(luò)構(gòu)造及預測結(jié)果評價方法。在南京市夏季電力負荷統(tǒng)計數(shù)據(jù)集上面的實驗結(jié)果表明,bp神經(jīng)網(wǎng)絡(luò)能夠?qū)﹄娏ω摵蛇M行較好地預測。

提出一種采用bp神經(jīng)網(wǎng)絡(luò)算法來預測深基坑沉降的方法,結(jié)合具體工程實例,構(gòu)建了預測深基坑周邊地表沉降具體bp神經(jīng)網(wǎng)絡(luò)模型,預測結(jié)果表明,該模型有較高的預測精度,可作為預測沉降的一種新方法。

確定單樁極限承載力的神經(jīng)網(wǎng)絡(luò)方法——利用樁基靜載試驗的荷載～沉降數(shù)據(jù)，由神經(jīng)網(wǎng)絡(luò)建立荷載與沉降之間的映射關(guān)系，按規(guī)范可確定或推測樁基極限承載力。通過7根樁的實例分析，表明該方法是有效的，具有較好的實用價值。

應(yīng)用徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)預測單樁極限承載力——在徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的基本原理基礎(chǔ)上，通過對影響單樁極限承載力因素的分析，建立了單樁極限承載力設(shè)計的grnn模型，并進行了實例分析。計算結(jié)果具有較高的精度和收斂速度快等特點，是一種行之有效的預測單樁極限...

針對bp神經(jīng)網(wǎng)絡(luò)學習時間長、收斂速度慢等缺陷,借助小波分析理論,將母小波平移和伸縮構(gòu)成的小波基作為神經(jīng)網(wǎng)絡(luò)的激勵函數(shù),通過指導網(wǎng)絡(luò)的初始化和參數(shù)選取,使網(wǎng)絡(luò)以較簡單的拓撲結(jié)構(gòu)實現(xiàn)函數(shù)逼近,利用網(wǎng)絡(luò)訓練建立起承載力與其影響因素之間的非線性關(guān)系。在相同結(jié)構(gòu)和參數(shù)下,與bp神經(jīng)網(wǎng)絡(luò)進行分析對比。結(jié)果表明:利用小波變換對數(shù)據(jù)時頻局域化分析的能力并結(jié)合人工神經(jīng)網(wǎng)絡(luò)的自學習功能,使得小波神經(jīng)網(wǎng)絡(luò)預測模型具有較強的逼近和容錯能力,預測結(jié)果比傳統(tǒng)的bp神經(jīng)網(wǎng)絡(luò)具有更快的收斂速度和更高的精度。

負荷預測是電力規(guī)劃的基礎(chǔ),傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)預測方法存在對初始網(wǎng)絡(luò)權(quán)值設(shè)置敏感、收斂的速度慢、容易陷入局部極小值等缺點。文中引入遺傳算法先對神經(jīng)網(wǎng)絡(luò)的初始值進行優(yōu)化,再通過神經(jīng)網(wǎng)絡(luò)進行學習和訓練,得出的結(jié)果再經(jīng)bagging方法集成,目的是提高其準確率。通過matlab仿真進行實驗,結(jié)果表明,基于bagging算法集成遺傳神經(jīng)網(wǎng)絡(luò),能夠克服傳統(tǒng)bp神經(jīng)網(wǎng)絡(luò)的缺點,可較快收斂又不易陷入到局部極值中,具有較強的泛化能力,同時也大大提高了網(wǎng)絡(luò)的預測精度。

公路貨運量受多種因素影響,各因素的作用機制通常不能準確地用數(shù)學語言進行描述。采用廣義回歸神經(jīng)網(wǎng)絡(luò)(grnn)對貨運量進行分析及預測。通過對1995~2003年南京市公路運量的歷史數(shù)據(jù)進行分析和處理,對網(wǎng)絡(luò)進行訓練和擬合,用2004~2005年的實際數(shù)據(jù)進行模型檢驗,結(jié)果證明了grnn用于貨運量預測的有效性。

通過對公路貨運量的預測方法進行研究比較,并根據(jù)公路貨運量形成的復雜和非線性等特點,建立bp神經(jīng)網(wǎng)絡(luò)預測模型.利用黑龍江省公路貨運量及其相關(guān)影響因素的實際數(shù)據(jù),確定網(wǎng)絡(luò)輸入與輸出樣本,并對bp神經(jīng)網(wǎng)絡(luò)預測系統(tǒng)進行訓練和預測.通過對網(wǎng)絡(luò)輸出的誤差曲線圖的分析,驗證bp神經(jīng)網(wǎng)絡(luò)預測系統(tǒng)的精確性和簡單方便性,提高了公路貨運量預測的精確性.

公路客運量和貨運量預測是一個復雜的非線性問題,由于影響因素較多,難以用普通的數(shù)學方法建模,而建立bp神經(jīng)網(wǎng)絡(luò)可以表達這些非線性問題。根據(jù)公路客運量貨運量歷史數(shù)據(jù)及其相關(guān)影響因素數(shù)據(jù)建立了bp神經(jīng)網(wǎng)絡(luò)預測模型。利用實際數(shù)據(jù)確定網(wǎng)絡(luò)輸入與輸出樣本,對bp神經(jīng)網(wǎng)絡(luò)預測系統(tǒng)進行訓練和預測。通過對網(wǎng)絡(luò)輸出預測結(jié)果與實際數(shù)據(jù)的分析,驗證了bp神經(jīng)網(wǎng)絡(luò)預測系統(tǒng)的精確性和方便性,提高了公路客運貨運預測的精確性。

本文把信息擴散原理和神經(jīng)網(wǎng)絡(luò)相結(jié)合,提出一種工程造價的估測方法,并給出計算實例。