徑向基過程神經網絡油田開發(fā)指標預測

提出了一種更有效的前向網絡——徑向基函數(shù)(rbf)神經網絡,以多、高層辦公樓為例,建立了工程造價的估算模型,運用matlab語言程序實現(xiàn),同時采用同樣的樣本對bp網絡進行訓練,兩者結果比較表明,這種方法彌補了bp網絡存在的收斂速度慢,易陷入局部最優(yōu)等缺陷,從而大大提高了其實用性,是對造價估算方式的又一新的嘗試。

徑向基神經網絡在砂土液化評價中的應用——基于matlab6．5平臺鳊程，研究利用徑向基神經網絡進行砂土液化評價，探討了原始數(shù)據(jù)預處理方法、神經網絡構建、訓練、結果評價、主因子識別以廈與bp網的對比，表明了rbf網絡砂土液化評價的優(yōu)越性，同時給出了rbf網絡砂...

應用徑向基函數(shù)神經網絡預測單樁極限承載力——在徑向基函數(shù)神經網絡的基本原理基礎上，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計的grnn模型，并進行了實例分析。計算結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...

遺傳神經網絡預測路基沉降——利用人工神經網絡能夠處理大量信息能力的優(yōu)勢和遺傳算法具有全局優(yōu)化搜索的特點結合起來，形成基于遺傳算法的人工神經網絡，稱之為遺傳神經網絡。這樣的人工神經網絡避免了在學習過程中陷入局部最優(yōu)解。把它用于巖土工程領域，通過...

為了預測高速公路路基最終沉降量,首先依據(jù)影響軟土路基沉降的因素選取參數(shù)建立了bp神經網絡預測最終沉降量模型.結合成都-南充高速公路沉降實測資料及其它文獻中大量路基沉降資料,利用bp神經網絡預測了其各自最終沉降量.通過檢驗樣本驗證,預測精度較高,能夠滿足實際需要.并對bp神經網絡在公路建設中的應用提出了一些注意事項.

為了對路基沉降變化規(guī)律進行預測,避免發(fā)生工程事故,提出了將廣義回歸神經網絡模型應用于軟土地基沉降預測中的方案。通過廣義回歸神經網絡的基本理論和概念,采用實際工程數(shù)據(jù),用bp神經網絡方法和廣義回歸神經網絡方法進行了預測分析,比較了2種方法的3組預測結果。工程實例預測結果表明,廣義回歸神經網絡方法的均方誤差和決定系數(shù)表現(xiàn)都優(yōu)于bp神經網絡方法;證明該方法是可行且有效的。

本文借鑒徑向基神經網絡的理論與應用,建立了一種新型的計算配電網線損的模型。介紹了徑向基函數(shù)神經網絡的工作原理以及計算配電網線損的具體步驟,并通過算例仿真驗證了該模型的合理性與可行性。實驗證明:基于徑向基神經網絡的配電網線損的計算模型具有準確度高、模型結構簡單的優(yōu)點。

提出了應用徑向基函數(shù)神經網絡進行高層結構體系的選型,它充分運用了神經網絡高度的非線性、高度的容錯性和魯棒性、自學習、實時處理等特點。研究表明,徑向基函數(shù)神經網絡運算速度較普通bp算法快103～104倍,并且精度高,可以高效、高質地進行高層建筑結構的選型。

采用徑向基神經網絡對鋼絲繩斷絲損傷進行定量識別。首先將影響鋼絲繩斷絲損傷定量識別的6個主要因素作為輸入?yún)?shù),某截面的斷絲數(shù)量作為輸出參數(shù)建立起徑向基神經網絡模型,然后利用matlab軟件編寫該網絡的程序代碼,通過有限的學習樣本對網絡進行訓練,最后對測試樣本進行識別。經過確認,測試結果較好地反應了鋼絲繩的斷絲損傷。

基于徑向基函數(shù)神經網絡模型的砂土液化概率判別方法——以國內外25次大地震中的344組場地液化實測資料為基礎，通過徑向基函數(shù)神經網絡模型的訓練和檢驗，分析了修正標準貫入擊數(shù)與飽和砂土抗液化強度之間的非線性關系，建立了飽和砂土液化極限狀態(tài)曲線或抗液化...

圍巖分級準確與否直接關系到隧道的施工安全和工程造價。針對現(xiàn)階段圍巖分級方法存在的主要問題,結合寧績高速公路隧道群施工期圍巖定級實踐,以國標bq分級為基準,在大量現(xiàn)場測試和室內試驗的基礎上,引入徑向基函數(shù)神經網絡,并以分級結果作為遺傳—徑向基函數(shù)神經網絡的訓練樣本,建立了隧道圍巖分級的遺傳—徑向基函數(shù)神經網絡模型。應用實例表明,該模型分級結果與現(xiàn)場勘測基本一致,為隧道圍巖分級提供了一種新方法。

土壤鹽漬化是一個世界性的生態(tài)問題,同時也是資源開發(fā)和利用問題。對于鹽漬化土壤的調查是合理利用土壤的前提條件。文章應用徑向基(rbf)人工神經網絡,結合多源遙感影像對北方某地區(qū)耕地土壤鹽漬化狀況進行調查研究,取得了滿意的效果。

本文建立了基于徑向基函數(shù)(rbf)神經網絡公路工程造價的估算模型,并運用matlab語言程序將其實現(xiàn)。實例分析表明該方法彌補了傳統(tǒng)bp網絡存在的收斂速度慢,易陷入局部最優(yōu)等缺陷,基于神經網絡的公路工程造價估算方法是可行的,估算結果是可靠的。

采用傅里葉紅外光譜法(ftir)掃描42種紫花地丁(violaphilippicacar.)樣品,利用徑向基神經網絡(rbfnn)對紅外數(shù)據(jù)進行處理。結果表明,該方法可以有效鑒別野生紫花地丁和栽培紫花地丁,正確率達到95.24%,可以用來進行紫花地丁的質量控制。

神經網絡組合預測法在軟基沉降預測中的應用——通過引入神經網絡組合預測模型，對軟基沉降序列進行了非線性組合預測。預測結果表明，神經網絡組合預測的結果比各單項模型預測的結果都好，提高了軟基沉降的預測精度，可進一步推廣應用。　　

基坑變形人工神經網絡預測及其網絡參數(shù)優(yōu)化——基坑變形人工神經網絡預測受網絡參數(shù)的影響較大，選取適當?shù)木W絡參數(shù)才能得到較優(yōu)的預測結果。本文介紹了人工神經網絡原理及其網絡參數(shù)的優(yōu)化方法。以擋土樁樁頂水平位移預測為例，說明其具體預測步驟及網絡參數(shù)優(yōu)...

路網規(guī)模研究是公路網規(guī)劃的重要內容?？紤]影響公路網合理規(guī)模的多種因素,提出了一種基于bp神經網絡的公路網規(guī)模預測方法,并建立了模擬路網規(guī)模與其影響因素間的非線形關系預測模型。步驟依次為:改進傳統(tǒng)的bp算法、合理確定影響因素、建立預測模型、模型的訓練與檢驗、數(shù)據(jù)預測。預測結果表明,該方法客觀、合理,預測精度高,實用性強,具有較強的理論與實際應用價值。

介紹了一個以誤差反向傳播神經網絡(backpropagationnetworks)為核心的石油瀝青調合結果的預測系統(tǒng)。重點說明了該網絡在瀝青調合中的應用方法,闡述了在瀝青調合中引入該網絡的科學性和合理性。

針對傳統(tǒng)bp神經網絡存在的缺點,提出基于遺傳優(yōu)化的變梯度反向傳播的bp神經網絡預測方法,采用遺傳算法優(yōu)化bp神經網絡的初始權重,建立路基沉降預測模型。該模型可克服bp神經網絡模型存在的收斂速度慢、易陷入局部極小點等缺點。結合現(xiàn)場實測數(shù)據(jù),將該優(yōu)化模型與指數(shù)曲線模型、雙曲線模型、灰色預測模型和傳統(tǒng)bp神經網絡預測模型對比,結果表明改進的bp神經網絡在路基沉降預測中精度最高,適宜于廣泛推廣應用。

針對傳統(tǒng)的bp神經網絡存在的缺點,提出了用附加動量法、自適應學習速率和l-m優(yōu)化算法等幾種算法進行優(yōu)化。通過對比分析,證明了采用l-m優(yōu)化和附加動量因子算法相結合取得了最優(yōu)的預測效果。該方法克服了bp神經網絡模型存在的收斂速度慢、易陷入局部極小點的缺點。結合現(xiàn)場實測數(shù)據(jù),將該優(yōu)化模型與傳統(tǒng)的bp神經網絡預測模型對比,預測結果表明改進的bp神經網絡在路基沉降預測中精度最高,適宜廣泛采用。

基于均勻設計的神經網絡預測焊條熔化特性——利用vb語言開發(fā)了均勻設計軟件并進行配方均勻設計試驗，對神經網絡模型的建立進行了詳細的研究，用均勻設計的樣本對建立的預測纖維素型焊條熔化特性的人工神經網絡模型進行訓練，試驗結果表明：該模型可根據(jù)藥皮成分...

本文結合住宅房地產的價格理論和相關網站上的數(shù)據(jù),科學地選取影響商品住宅價格的影響指標為人均gdp、人均可支配收入、人口數(shù)量、房地產開發(fā)投資額和商品住宅建筑面積,并以此建立hedonic商品住宅價格影響因素模型。依照bp神經網絡預測的實現(xiàn)步驟,探索bp神經網絡在預測?？谑猩唐纷≌瑑r格的應用,得到2018年6月-2019年5月商品住宅價格預測值,對?？谑猩唐纷≌瑑r格的研究具有一定的指導作用。