DE-BP神經(jīng)網(wǎng)絡(luò)橋梁損傷評(píng)估

對(duì)人工神經(jīng)網(wǎng)絡(luò)的發(fā)展及基本原理作了簡要介紹,重點(diǎn)介紹了橋梁損傷智能診斷中常用的bp神經(jīng)網(wǎng)絡(luò)模型的結(jié)構(gòu)及其國內(nèi)外的主要研究成果,指出了bp神經(jīng)網(wǎng)絡(luò)的一些缺陷并提出了相應(yīng)的改進(jìn)方法,最終對(duì)人工神經(jīng)網(wǎng)絡(luò)在橋梁損傷智能診斷發(fā)展應(yīng)用作了展望。

改進(jìn)的小波神經(jīng)網(wǎng)絡(luò)在橋梁損傷中的預(yù)測(cè)研究——提出基于bp算法的小波神經(jīng)網(wǎng)絡(luò)改進(jìn)算法。仿真結(jié)果表明它避免了bp神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)的盲目性和局部最優(yōu)等非線性優(yōu)化問題，簡化了訓(xùn)練，具有較強(qiáng)的函數(shù)學(xué)習(xí)能力和推廣能力。該算法成功應(yīng)用于橋梁損傷預(yù)測(cè)，具有廣泛的...

針對(duì)傳統(tǒng)目標(biāo)威脅估計(jì)方法和bp神經(jīng)網(wǎng)絡(luò)的不足,在bp神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)上,建立了基于動(dòng)態(tài)變結(jié)構(gòu)bp神經(jīng)網(wǎng)絡(luò)的目標(biāo)威脅估計(jì)模型。該模型通過在權(quán)值向量更新公式中引入沖量函數(shù),加快了網(wǎng)絡(luò)的搜索速度和精度,保證了網(wǎng)絡(luò)獲得全局最優(yōu)值;通過實(shí)時(shí)調(diào)整隱含層節(jié)點(diǎn)數(shù)目,可以將網(wǎng)絡(luò)結(jié)構(gòu)優(yōu)化,極大地提升了網(wǎng)絡(luò)的靈活性。仿真結(jié)果表明,與傳統(tǒng)目標(biāo)威脅估計(jì)方法和bp神經(jīng)網(wǎng)絡(luò)相比,動(dòng)態(tài)變結(jié)構(gòu)bp神經(jīng)網(wǎng)絡(luò)具有更好的預(yù)測(cè)能力和收斂速度,可以快速、準(zhǔn)確地完成目標(biāo)威脅估計(jì)。

針對(duì)傳統(tǒng)住宅區(qū)片價(jià)評(píng)估方法的不足,將bp神經(jīng)網(wǎng)絡(luò)應(yīng)用于住宅區(qū)片價(jià)評(píng)估,并將其評(píng)估結(jié)果與回歸分析模型結(jié)果進(jìn)行比較,結(jié)果表明基于人工神經(jīng)網(wǎng)絡(luò)的評(píng)估優(yōu)于回歸分析模型,將神經(jīng)網(wǎng)絡(luò)模型應(yīng)用于住宅區(qū)片價(jià)的評(píng)估是可行的。

對(duì)于分段懸澆施工的大跨度預(yù)應(yīng)力混凝土橋梁結(jié)構(gòu),開展預(yù)應(yīng)力鋼束張拉狀況評(píng)估與分析是保證施工質(zhì)量的重要控制手段。結(jié)合某橋的施工控制,介紹了人工神經(jīng)網(wǎng)絡(luò)方法,并建立了13個(gè)輸入?yún)?shù)的神經(jīng)網(wǎng)絡(luò)評(píng)估模型,通過敏感度分析修正模型參數(shù),并運(yùn)用區(qū)間分析法對(duì)含隨機(jī)誤差和少樣本情況下的張拉判定結(jié)果進(jìn)行離差分析和預(yù)應(yīng)力張拉狀況的評(píng)估與判定。

對(duì)現(xiàn)有橋梁的評(píng)估方法作了簡要介紹,重點(diǎn)討論了常用的bp人工神經(jīng)網(wǎng)絡(luò)模型,并將bp模型應(yīng)用到橋梁結(jié)構(gòu)檢測(cè)評(píng)估中,指出人工神經(jīng)網(wǎng)絡(luò)在橋梁結(jié)構(gòu)的檢測(cè)評(píng)估方面一定有很好的發(fā)展前景。

鑒于目前常用的橋梁狀態(tài)評(píng)估方法存在較大的人為主觀性和隨意性,且無法考慮歷史評(píng)估數(shù)據(jù)對(duì)當(dāng)前狀態(tài)的影響,因此不能準(zhǔn)確地反映出橋梁當(dāng)前的真實(shí)狀態(tài),依據(jù)貝葉斯推斷中考慮先驗(yàn)信息影響的特點(diǎn),提出了一種b-tbu模型的方法,在對(duì)當(dāng)前狀態(tài)的評(píng)估中,考慮歷史評(píng)估數(shù)據(jù)的影響,對(duì)某座橋梁近20年的狀態(tài)進(jìn)行重新評(píng)估.評(píng)估結(jié)果表明：采用b-tbu模型方法可大幅度提高狀態(tài)評(píng)估的準(zhǔn)確性,使橋梁各年份狀態(tài)評(píng)估的準(zhǔn)確度均提高到90%以上;同時(shí)將bp神經(jīng)網(wǎng)絡(luò)、elm神經(jīng)網(wǎng)絡(luò)等算法初步引入b-tbu模型,對(duì)該b-tbu模型方法進(jìn)行訓(xùn)練學(xué)習(xí).其結(jié)果表明,采用神經(jīng)網(wǎng)絡(luò)類方法,各年份狀態(tài)評(píng)估的準(zhǔn)確度也保持在80%左右.

對(duì)于分段懸澆施工的大跨度預(yù)應(yīng)力混凝土橋梁結(jié)構(gòu),開展預(yù)應(yīng)力鋼束張拉狀況評(píng)估與分析是保證施工質(zhì)量的重要控制手段。結(jié)合某橋的施工控制,建立了小波神經(jīng)網(wǎng)絡(luò)模型,該模型有13個(gè)輸入?yún)?shù),通過敏感度分析修正模型參數(shù),可對(duì)混凝土橋梁結(jié)構(gòu)進(jìn)行定量評(píng)估。

介紹了徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)和bp神經(jīng)網(wǎng)絡(luò)模型的特點(diǎn),提出了基于神經(jīng)網(wǎng)絡(luò)的橋梁結(jié)構(gòu)等級(jí)評(píng)估方法,討論了這兩種神經(jīng)網(wǎng)絡(luò)模型的誤差及其收斂速度

鑒于目前常用的橋梁狀態(tài)評(píng)估方法存在較大的人為主觀性和隨意性,且無法考慮歷史評(píng)估數(shù)據(jù)對(duì)當(dāng)前狀態(tài)的影響,因此不能準(zhǔn)確地反映出橋梁當(dāng)前的真實(shí)狀態(tài),依據(jù)貝葉斯推斷中考慮先驗(yàn)信息影響的特點(diǎn),提出了一種b-tbu模型的方法,在對(duì)當(dāng)前狀態(tài)的評(píng)估中,考慮歷史評(píng)估數(shù)據(jù)的影響,對(duì)某座橋梁近20年的狀態(tài)進(jìn)行重新評(píng)估.評(píng)估結(jié)果表明:采用b-tbu模型方法可大幅度提高狀態(tài)評(píng)估的準(zhǔn)確性,使橋梁各年份狀態(tài)評(píng)估的準(zhǔn)確度均提高到90％以上;同時(shí)將bp神經(jīng)網(wǎng)絡(luò)、elm神經(jīng)網(wǎng)絡(luò)等算法初步引入b-tbu模型,對(duì)該b-tbu模型方法進(jìn)行訓(xùn)練學(xué)習(xí).其結(jié)果表明,采用神經(jīng)網(wǎng)絡(luò)類方法,各年份狀態(tài)評(píng)估的準(zhǔn)確度也保持在80％左右.

為了有效地對(duì)地下人防工程結(jié)構(gòu)進(jìn)行損傷診斷,提出了以結(jié)構(gòu)前三階振型變化率絕對(duì)值之和作為損傷診斷標(biāo)識(shí)量,結(jié)合bp神經(jīng)網(wǎng)絡(luò)技術(shù)對(duì)某淺埋地下人防工程結(jié)構(gòu)進(jìn)行損傷診斷。實(shí)例計(jì)算分析表明:通過計(jì)算給定人防工程結(jié)構(gòu)的損傷診斷標(biāo)識(shí)量,經(jīng)過bp神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)、聯(lián)想、記憶和分類,能較準(zhǔn)確地識(shí)別淺埋地下人防工程結(jié)構(gòu)的損傷位置和損傷程度,識(shí)別精度較高。

文章建立了具有18項(xiàng)評(píng)價(jià)指標(biāo)和3層神經(jīng)網(wǎng)絡(luò)的建筑學(xué)專業(yè)評(píng)估模型,通過對(duì)評(píng)估結(jié)果的預(yù)測(cè),使得各個(gè)院?？梢愿玫淖栽u(píng)以加強(qiáng)建筑學(xué)本科教學(xué)的管理,提升建筑學(xué)專業(yè)學(xué)生的專業(yè)知識(shí)。通過實(shí)證檢驗(yàn)表明,基于bp神經(jīng)網(wǎng)絡(luò)建立的評(píng)價(jià)模型在建筑學(xué)專業(yè)評(píng)估中的應(yīng)用是可行的。

風(fēng)險(xiǎn)評(píng)估是項(xiàng)目風(fēng)險(xiǎn)管理過程中最困難、最耗時(shí)的一個(gè)過程,論文給出了項(xiàng)目風(fēng)險(xiǎn)評(píng)估的基本流程和評(píng)價(jià)方法,采用模擬生物神經(jīng)元基本功能的bp神經(jīng)網(wǎng)絡(luò)技術(shù)建立了風(fēng)險(xiǎn)評(píng)估模型;并通過matlab神經(jīng)網(wǎng)絡(luò)工具箱學(xué)習(xí)訓(xùn)練該網(wǎng)絡(luò)模型。經(jīng)測(cè)試數(shù)據(jù)驗(yàn)證,結(jié)果比較準(zhǔn)確,具有廣泛的實(shí)用性。

關(guān)于準(zhǔn)確地識(shí)別軟件風(fēng)險(xiǎn)因素,深入研究軟件項(xiàng)目風(fēng)險(xiǎn)評(píng)估問題,由于軟件項(xiàng)目的復(fù)雜性和軟件風(fēng)險(xiǎn)因子的不確定性和模糊性,無法采用傳統(tǒng)數(shù)學(xué)方法建立準(zhǔn)確軟件項(xiàng)目風(fēng)險(xiǎn)評(píng)估模型。由于傳統(tǒng)的數(shù)學(xué)評(píng)估模型的評(píng)估準(zhǔn)確率比較低,為了提高軟件項(xiàng)目評(píng)估準(zhǔn)確率,提出一種bp神經(jīng)網(wǎng)絡(luò)的軟件項(xiàng)目風(fēng)險(xiǎn)評(píng)估方法。軟件項(xiàng)目風(fēng)險(xiǎn)評(píng)估方法采用專家系統(tǒng)構(gòu)建軟件項(xiàng)目風(fēng)險(xiǎn)評(píng)估指標(biāo)體系,后對(duì)評(píng)估體系進(jìn)行預(yù)處理,消除評(píng)估體系之間重復(fù)和無用的信息,并將非線性學(xué)習(xí)能力優(yōu)異的bp神經(jīng)網(wǎng)絡(luò)輸入,通過bp神經(jīng)網(wǎng)絡(luò)自適應(yīng)學(xué)習(xí)得到的最優(yōu)軟件項(xiàng)目評(píng)估模型,在matlab平臺(tái)上進(jìn)行驗(yàn)證性仿真。結(jié)果表明,算法提高了軟件項(xiàng)目風(fēng)險(xiǎn)評(píng)估的準(zhǔn)確率,克服了傳統(tǒng)數(shù)學(xué)評(píng)估模型的缺陷,評(píng)估的結(jié)果更具科學(xué)性,在軟件項(xiàng)目風(fēng)險(xiǎn)評(píng)估中提供了有效的方法。

考慮到常規(guī)bp神經(jīng)網(wǎng)絡(luò)算法容易陷入局部最優(yōu)解,所建立的網(wǎng)絡(luò)遺傳流量檢測(cè)模型檢測(cè)效率低,準(zhǔn)確率不高等問題,提出一種改進(jìn)型ga優(yōu)化bp神經(jīng)網(wǎng)絡(luò)算法,并使用其建立網(wǎng)絡(luò)遺傳流量檢測(cè)模型。常規(guī)遺傳算法在搜索過程中,往往會(huì)由于出現(xiàn)影響生產(chǎn)適應(yīng)度高的個(gè)體而對(duì)遺傳算法搜索過程產(chǎn)生影響的現(xiàn)象發(fā)生,因此需要對(duì)常規(guī)遺傳算法進(jìn)行改進(jìn)。使用的方法是通過混合編碼方式進(jìn)行改進(jìn),同時(shí)對(duì)交叉算子、變異算子、交叉概率以及變異概率等參數(shù)進(jìn)行優(yōu)化修正。使用kddcup99數(shù)據(jù)庫中的網(wǎng)絡(luò)異常流量數(shù)據(jù)進(jìn)行實(shí)驗(yàn)研究,研究結(jié)果表明,所提出方法的檢測(cè)性能要明顯優(yōu)于常規(guī)算法,其對(duì)bp神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)、權(quán)值以及閾值進(jìn)行同步優(yōu)化,避免了盲目選擇bp神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)參數(shù)帶來的問題,避免了常規(guī)bp神經(jīng)網(wǎng)絡(luò)容易陷入局部最優(yōu)解的問題。

研究目的:中國鐵路建設(shè)項(xiàng)目是實(shí)施"一帶一路"戰(zhàn)略的重要組成部分,而海外鐵路修建的風(fēng)險(xiǎn)評(píng)估是項(xiàng)目的首要環(huán)節(jié)。本文首先綜合各項(xiàng)風(fēng)險(xiǎn)因素,主要分析鐵路建設(shè)項(xiàng)目沿途的亞洲及歐洲部分國家,建立了鐵路建設(shè)項(xiàng)目風(fēng)險(xiǎn)評(píng)價(jià)體系；其次,針對(duì)亞歐兩個(gè)大洲政治經(jīng)濟(jì)文化上的差異,使用了不同的訓(xùn)練算法建立了兩個(gè)獨(dú)立的bp神經(jīng)網(wǎng)絡(luò)模型。研究結(jié)論:(1)本文針對(duì)亞洲和歐洲不同的情況,利用不同的函數(shù)建立了bp神經(jīng)網(wǎng)絡(luò)模型來進(jìn)行風(fēng)險(xiǎn)評(píng)價(jià)；(2)通過所創(chuàng)建的神經(jīng)網(wǎng)絡(luò)模型,在鐵路建設(shè)目標(biāo)國宏觀風(fēng)險(xiǎn)評(píng)價(jià)中,只需專家給出目標(biāo)國各個(gè)風(fēng)險(xiǎn)的評(píng)分,就可以得出目標(biāo)國的總體建設(shè)風(fēng)險(xiǎn)評(píng)分,無需再進(jìn)行繁瑣的人工總體評(píng)分；(3)本研究結(jié)果可用于高速鐵路建設(shè)風(fēng)險(xiǎn)評(píng)估。

針對(duì)房產(chǎn)稅征收對(duì)住宅房產(chǎn)價(jià)格批量評(píng)估的需求問題,該文提出融合gis和bp神經(jīng)網(wǎng)絡(luò)的住宅房產(chǎn)批量評(píng)估模型。該模型以特征價(jià)格理論為依據(jù),利用gis數(shù)據(jù)分析方法構(gòu)建了16個(gè)住宅房產(chǎn)價(jià)格的影響因子及量化指標(biāo),對(duì)房產(chǎn)交易案例庫及待估房產(chǎn)進(jìn)行批量量化,然后利用bp神經(jīng)網(wǎng)絡(luò)挖掘房產(chǎn)估價(jià)因子與價(jià)格之間的對(duì)應(yīng)關(guān)系,對(duì)量化的待估房產(chǎn)進(jìn)行批量評(píng)估,并開發(fā)了相應(yīng)的軟件系統(tǒng)。該文以贛州市章貢區(qū)10處待估房產(chǎn)為例,對(duì)模型進(jìn)行驗(yàn)證。結(jié)果表明,估算出的房產(chǎn)價(jià)格與實(shí)際成交價(jià)格接近,模型具有較高準(zhǔn)確性。

分析了傳統(tǒng)的工程偽裝評(píng)價(jià)方法的不足，較全面地考慮了影響工程偽裝效能的因素，建立了客觀的評(píng)價(jià)模型，設(shè)計(jì)了兩級(jí)神經(jīng)網(wǎng)絡(luò)，初步提出了評(píng)價(jià)模型中各因素的指標(biāo)級(jí)，構(gòu)建了基于bp神經(jīng)網(wǎng)絡(luò)的工程偽裝效能評(píng)估系統(tǒng)，該系統(tǒng)可以實(shí)現(xiàn)對(duì)工程偽裝效能的客觀評(píng)估。

bp神經(jīng)網(wǎng)絡(luò)是目前應(yīng)用最為廣泛的網(wǎng)絡(luò)模型,本身具有良好的學(xué)習(xí)性能和預(yù)測(cè)功能。本文將bp神經(jīng)網(wǎng)絡(luò)引入對(duì)高校各專業(yè)畢業(yè)生在校所學(xué)專業(yè)和畢業(yè)后從事職業(yè)的對(duì)口性所進(jìn)行的評(píng)估中,以提高各高校教育資源的使用效能,同時(shí)有助于各學(xué)生重新審視其所學(xué)專業(yè)。

通過zopp方法綜合研究我國主要tot項(xiàng)目在融資、經(jīng)營、管理中的問題,建立tot項(xiàng)目融資風(fēng)險(xiǎn)評(píng)估指標(biāo)體系,利用bp神經(jīng)網(wǎng)絡(luò)構(gòu)建tot項(xiàng)目融資風(fēng)險(xiǎn)評(píng)估模型,并通過matlab對(duì)模型進(jìn)行仿真,為tot項(xiàng)目融資風(fēng)險(xiǎn)評(píng)估提供一種新的方法。

風(fēng)險(xiǎn)評(píng)估是項(xiàng)目風(fēng)險(xiǎn)管理過程中最困難、最耗時(shí)的一個(gè)過程,采用bp神經(jīng)網(wǎng)絡(luò)技術(shù)建立了風(fēng)險(xiǎn)評(píng)估模型;并通過神經(jīng)網(wǎng)絡(luò)工具箱訓(xùn)練該網(wǎng)絡(luò)模型,對(duì)物流項(xiàng)目風(fēng)險(xiǎn)進(jìn)行評(píng)估。經(jīng)測(cè)試數(shù)據(jù)驗(yàn)證,結(jié)果比較準(zhǔn)確,具有廣泛的實(shí)用性。

為了確定軟件開發(fā)項(xiàng)目中不確定因素的影響,提出基于bp神經(jīng)網(wǎng)絡(luò)的軟件項(xiàng)目風(fēng)險(xiǎn)評(píng)估模型。首先,構(gòu)建了軟件項(xiàng)目風(fēng)險(xiǎn)識(shí)別的temp(technology、environmen、tmanagemen、tprocess)模型;其次,在temp識(shí)別模型基礎(chǔ)上建立了包括17種風(fēng)險(xiǎn)指標(biāo)在內(nèi)的軟件項(xiàng)目風(fēng)險(xiǎn)評(píng)估指標(biāo)體系;再次,利用bp神經(jīng)網(wǎng)絡(luò)建立了風(fēng)險(xiǎn)評(píng)估模型;最后,通過matlab實(shí)例證明該風(fēng)險(xiǎn)評(píng)估模型的有效性和可行性。