改進(jìn)遺傳神經(jīng)網(wǎng)絡(luò)建筑基坑沉降預(yù)測模型

皮爾—遺傳神經(jīng)網(wǎng)絡(luò)在預(yù)測深厚軟基沉降中的應(yīng)用——依托某高速公路應(yīng)用塑料排水板堆載預(yù)壓法處理深厚軟基的工程實踐．運用皮爾一遺傳神經(jīng)網(wǎng)絡(luò)對其沉降觀測結(jié)果進(jìn)行了分析、預(yù)測．研究結(jié)果顯示該方法預(yù)測精度高，說明這種方法對軟土地基沉降的預(yù)測是有效的．

遺傳神經(jīng)網(wǎng)絡(luò)計算公路沉降——把基于遺傳算法的人工神經(jīng)網(wǎng)絡(luò)用于巖土工程領(lǐng)域，建立遺傳神經(jīng)網(wǎng)絡(luò)公路沉降計算模型。通過工程參數(shù)監(jiān)測數(shù)據(jù)來訓(xùn)練遺傳神經(jīng)網(wǎng)絡(luò)以獲得網(wǎng)絡(luò)神經(jīng)元的連接權(quán)值。獲得滿意的權(quán)值后，用遺傳神經(jīng)網(wǎng)絡(luò)來計算高等級公路沉降，取得了較好的計...

通過分析城市深基坑沉降量時間序列的非線性動力學(xué)系統(tǒng),認(rèn)為該時間序列具有混沌特性.在此基礎(chǔ)上,通過相空間重構(gòu)的方法建立了用于城市深基坑沉降量預(yù)測的混沌神經(jīng)網(wǎng)絡(luò)模型;并利用此模型對上海某深基坑沉降量進(jìn)行了預(yù)測,取得了較為滿意的預(yù)測效果.

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

以bp人工神經(jīng)網(wǎng)絡(luò)模型為基礎(chǔ),建立預(yù)測模型,以小區(qū)某棟建筑物1期～8期的沉降觀測數(shù)據(jù)為輸入數(shù)據(jù)和輸出數(shù)據(jù),對網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練,并對9期～12期實際觀測值與預(yù)測值進(jìn)行了比較,結(jié)果比較理想,從而驗證了采用bp人工神經(jīng)網(wǎng)絡(luò)模型進(jìn)行建筑物沉降的預(yù)測是可行的。

提出了根據(jù)實測數(shù)據(jù)構(gòu)造神經(jīng)網(wǎng)絡(luò)變形預(yù)測模型的基本思路,構(gòu)造出基于bp算法的神經(jīng)網(wǎng)絡(luò)變形預(yù)測模型,并給出應(yīng)用實例分析。結(jié)果表明,神經(jīng)網(wǎng)絡(luò)應(yīng)用于變形預(yù)測效果良好,具有一定參考價值和指導(dǎo)意義。

由于地下工程巖土力學(xué)參數(shù)的復(fù)雜性,在實際工程設(shè)計和施工中,要想得到比較準(zhǔn)確的巖土力學(xué)參數(shù)是比較困難的,而巖土參數(shù)對地下工程的設(shè)計和施工的成敗具有很重要的意義。本文利用遺傳神經(jīng)網(wǎng)絡(luò)優(yōu)化算法結(jié)合數(shù)值模擬試驗對地下工程巖土力學(xué)參數(shù)進(jìn)行優(yōu)化反分析,并取得了良好的效果。

bp神經(jīng)網(wǎng)絡(luò)-灰色系統(tǒng)聯(lián)合模型預(yù)測軟基沉降量——目前軟基沉降預(yù)測多采用指數(shù)曲線和雙曲線延伸法，其結(jié)果不夠理想，神經(jīng)網(wǎng)絡(luò)在此方面的運用也存在一定的局限，雖然gm(1，1)模型在軟基沉降預(yù)測領(lǐng)域已得到運用，但在已有的案例中所使用的等時距模型都沒有明確說明...

借助人工神經(jīng)網(wǎng)絡(luò)模型,建立了可依據(jù)現(xiàn)場量測信息對軟基路堤沉降量隨時間而發(fā)展的過程進(jìn)行動態(tài)預(yù)報的分析方法。其要點是:建立公路軟基沉降預(yù)測的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu),并將前期沉降觀測值作為樣本,通過神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的訓(xùn)練尋求沉降及其主要影響因素的內(nèi)在關(guān)系,據(jù)以預(yù)測后期沉降量

基于人工神經(jīng)網(wǎng)絡(luò)理論,提出了根據(jù)前期沉降觀測資料進(jìn)行沉降預(yù)測的人工神經(jīng)網(wǎng)絡(luò)模型,并用于汕汾高速公路預(yù)壓荷載卸荷時間預(yù)報.研究表明,所建議的模型較傳統(tǒng)沉降預(yù)測模型具有顯著的優(yōu)越性,應(yīng)用前景廣闊.

公路軟基沉降函數(shù)干涉神經(jīng)網(wǎng)絡(luò)預(yù)測模型——建立了基于函數(shù)干涉神經(jīng)網(wǎng)絡(luò)的公路軟基沉降預(yù)測模型。工程實例表明，所建議的模型外延性好，而且，可以由較短預(yù)壓期內(nèi)沉降觀測資料預(yù)測遠(yuǎn)期沉降發(fā)展，與傳統(tǒng)沉降預(yù)測模型相比具有顯著的優(yōu)越性，工程應(yīng)用前景廣闊．

針對已有的遺傳bp神經(jīng)網(wǎng)絡(luò)土地利用變化預(yù)測模型存在bp神經(jīng)網(wǎng)絡(luò)隱層節(jié)點不易確定、創(chuàng)建過程煩瑣等問題,本文利用輸入層與隱藏層神經(jīng)節(jié)點數(shù)量關(guān)系原理確定隱層節(jié)點,在sheffield工具箱環(huán)境下進(jìn)行遺傳算法的編程,簡化遺傳bp神經(jīng)網(wǎng)絡(luò)土地利用變化預(yù)測模型的創(chuàng)建.結(jié)果表明,利用輸入層和隱含層節(jié)點數(shù)量關(guān)系創(chuàng)建的遺傳bp神經(jīng)網(wǎng)絡(luò)土地利用變化預(yù)測模型,可以實現(xiàn)土地利用變化的預(yù)測,而且在效率和精度上均優(yōu)于傳統(tǒng)bp神經(jīng)網(wǎng)絡(luò)模型,且操作簡便.

為了提高工廠從國外引進(jìn)的以bland-ford公式為基礎(chǔ)的冷軋不銹鋼帶軋制力模型的計算精度,將基于遺傳算法的bp神經(jīng)網(wǎng)絡(luò)與現(xiàn)有變形阻力和軋制壓力解析數(shù)學(xué)模型相結(jié)合,建立了變形阻力和軋制壓力修正模型。將在生產(chǎn)現(xiàn)場采集的部分過程記錄數(shù)據(jù),進(jìn)行分類和預(yù)處理后作為訓(xùn)練樣本用于訓(xùn)練遺傳神經(jīng)網(wǎng)絡(luò)模型。將其他現(xiàn)場實測數(shù)據(jù)用于驗證所建的軋制力模型,計算結(jié)果表明所建的軋制力模型具有較高的計算精度。

目前,機(jī)械故障診斷技術(shù)逐漸朝著智能化的方向發(fā)展,使用人工神經(jīng)網(wǎng)絡(luò)對故障進(jìn)行診斷的優(yōu)勢較為明顯。傳統(tǒng)神經(jīng)網(wǎng)絡(luò)的收斂較慢,并且較為容易陷入到局部最小,所以就提出了改進(jìn)的神經(jīng)網(wǎng)絡(luò)。根據(jù)相應(yīng)的問題描述,實現(xiàn)了神經(jīng)網(wǎng)絡(luò)故障預(yù)測模型的改進(jìn),將機(jī)械故障作為例子,創(chuàng)建機(jī)械故障預(yù)測模型實現(xiàn)故障的預(yù)測,通過對比改進(jìn)神經(jīng)網(wǎng)絡(luò)和傳統(tǒng)神經(jīng)網(wǎng)絡(luò),說明此方法的有效性。

人工神經(jīng)網(wǎng)絡(luò)是在模仿人腦處理問題的過程中發(fā)展起來的新型智能信息處理理論,通過對人工神經(jīng)網(wǎng)絡(luò)及bp網(wǎng)絡(luò)的基本原理與特征的分析,建立了工程估價預(yù)測模型.

**資訊http://www.***.*** **資訊http://www.***.*** **資訊http://www.***.***

遺傳神經(jīng)網(wǎng)絡(luò)模式下的工程造價快速估算研究——針對工程項目建設(shè)前期對造價估算誤差大、難度大、編制時間長的特點，通過設(shè)立以人工智能技術(shù)為基礎(chǔ)的新型造價快速估算方法，可以使工程項目初期造價估算更合理、準(zhǔn)確、快捷，并為項目投資評估及投標(biāo)報價提供依據(jù)。

運用小波理論和神經(jīng)網(wǎng)絡(luò)理論不同結(jié)合方法建立地表變形預(yù)測模型。文中先建立了較為普遍的松散型的小波去噪神經(jīng)網(wǎng)絡(luò)模型和緊致型的小波神經(jīng)網(wǎng)絡(luò)模型,分析了小波去噪和bp神經(jīng)網(wǎng)絡(luò)的隱含層節(jié)點數(shù)選取過程。基于實測數(shù)據(jù)分析可得:三種模型的預(yù)測效果較單一的bp神經(jīng)網(wǎng)絡(luò)預(yù)測效果更好;基于小波變換的神經(jīng)網(wǎng)絡(luò)預(yù)測模型的平均絕對百分比誤差為0.15,優(yōu)于另兩種模型的預(yù)測精度。

針對基坑變形預(yù)測中信息的灰色性和數(shù)據(jù)的非線性性,提出用灰色神經(jīng)網(wǎng)絡(luò)預(yù)測基坑變形的新方法。用一樁錨聯(lián)合支護(hù)體系實例進(jìn)行了預(yù)測研究,得到支護(hù)體系的不同預(yù)測模型的組合預(yù)測值。研究結(jié)果表明:灰色神經(jīng)網(wǎng)絡(luò)預(yù)測誤差比gm(1,1)預(yù)測模型小;與bp預(yù)測模型相比,前期誤差大,后期誤差小。在基坑變形監(jiān)測中,為了更準(zhǔn)確地預(yù)測基坑變形,可以采用灰色神經(jīng)網(wǎng)絡(luò)預(yù)測與bp預(yù)測相結(jié)合的方法進(jìn)行預(yù)測。

針對工程項目建設(shè)前期對造價估算誤差大、難度大、編制時間長的特點,通過設(shè)立以人工智能技術(shù)為基礎(chǔ)的新型造價快速估算方法,可以使工程項目初期造價估算更合理、準(zhǔn)確、快捷,并為項目投資評估及投標(biāo)報價提供依據(jù)。

簡單地介紹了bp神經(jīng)網(wǎng)絡(luò)與灰色系統(tǒng)gm(1,1)模型原理,并利用matlab語言及其工具箱,結(jié)合某深基坑工程的地表沉降監(jiān)測數(shù)據(jù)編制了預(yù)測預(yù)報程序,實現(xiàn)了地表沉降數(shù)據(jù)的預(yù)測預(yù)報。分析了這2種模型的預(yù)測結(jié)果。

空調(diào)系統(tǒng)的負(fù)荷與諸多影響因素之間是一種多變量、強(qiáng)耦合、嚴(yán)重非線性的關(guān)系,且這種關(guān)系具有動態(tài)性,因而傳統(tǒng)方法的預(yù)測精度不高。而動態(tài)回歸神經(jīng)網(wǎng)絡(luò)能更生動、更直接地反映系統(tǒng)的動態(tài)特性。針對這個特點,建立了基于elman型神經(jīng)網(wǎng)絡(luò)的空調(diào)負(fù)荷預(yù)測模型,并進(jìn)行了實例預(yù)測。文中還比較了elman網(wǎng)絡(luò)和bp網(wǎng)絡(luò)結(jié)構(gòu)的建模效果,仿真實驗證明了elman神經(jīng)網(wǎng)絡(luò)具有動態(tài)特性好、逼近速度快、精度高等特點,說明elman網(wǎng)絡(luò)是一種新穎、可靠的負(fù)荷預(yù)測方法。