基于修正BP神經(jīng)網(wǎng)絡(luò)算法對(duì)樁基承載力預(yù)測(cè)方法

基于bp神經(jīng)網(wǎng)絡(luò)的單樁極限承載力預(yù)測(cè)——從基樁高應(yīng)變動(dòng)測(cè)試驗(yàn)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(xué)習(xí)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(duì)應(yīng)關(guān)系，實(shí)例研究表明，人工神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)...

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(jí)公路(云浮段)新建工程勘察數(shù)據(jù)為例,通過(guò)建立神經(jīng)網(wǎng)絡(luò)模型并對(duì)模型進(jìn)行訓(xùn)練,結(jié)果表明,該模型比較精確,可在今后勘察工作中運(yùn)用。

基于wpnn與數(shù)據(jù)融合技術(shù)的樁基承載力預(yù)測(cè)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(yù)測(cè)方法研究 摘要：為了能夠快速并較準(zhǔn)確的預(yù)測(cè)樁基的承載能力，達(dá)到在施 工過(guò)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(yù)測(cè)功能，得出承載力和這些因素的關(guān)系。通 過(guò)對(duì)鉆孔灌注樁的靜載試驗(yàn)數(shù)據(jù)分析，選擇了wpnn與數(shù)據(jù)融合技 術(shù)的方法對(duì)試驗(yàn)數(shù)據(jù)進(jìn)行分析，建立了合理的模型進(jìn)行承載力預(yù)測(cè)， 6根單樁的承載力的預(yù)測(cè)值與實(shí)測(cè)值吻合較好，證明了該方法在預(yù)測(cè) 樁基豎向承載能力時(shí)可以滿足工程實(shí)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(yù)測(cè) 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(lái)，由于成樁工藝、檢測(cè)手段的不斷完善，樁基礎(chǔ)

基于遺傳-bp神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)單樁豎向承載力——在遺傳算法改進(jìn)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(qiáng)的高次非線性能力和自學(xué)習(xí)能力，建立預(yù)測(cè)單樁豎向承載力的遺傳一bp神經(jīng)網(wǎng)絡(luò)模型。通過(guò)利用濟(jì)南地區(qū)現(xiàn)場(chǎng)試樁資料對(duì)該模型進(jìn)行訓(xùn)練和...

基于珠海軟土地區(qū)3根phc管樁隔時(shí)復(fù)壓試驗(yàn)數(shù)據(jù),采用bp神經(jīng)網(wǎng)絡(luò)建立了靜壓樁承載力時(shí)間效應(yīng)的bp神經(jīng)網(wǎng)絡(luò)模型來(lái)預(yù)測(cè)靜壓樁的長(zhǎng)期承載力。在建模過(guò)程中將樁長(zhǎng)、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(gè)參數(shù)引入到輸入層,用visualbasic語(yǔ)言編制了以最終壓樁力和休止期為主要輸入因素的計(jì)算程序,程序可以對(duì)比顯示計(jì)算和實(shí)測(cè)曲線。在樣本訓(xùn)練和學(xué)習(xí)過(guò)程中,任意選取2根樁的試驗(yàn)數(shù)據(jù)來(lái)預(yù)測(cè)第3根樁的長(zhǎng)期承載力。通過(guò)對(duì)施工現(xiàn)場(chǎng)工程樁的試算,預(yù)測(cè)結(jié)果與實(shí)測(cè)值較為吻合,表明提出的bp神經(jīng)網(wǎng)絡(luò)模型用于預(yù)測(cè)靜壓樁長(zhǎng)期承載力是切實(shí)可行的。

為了對(duì)民航系統(tǒng)安全運(yùn)行狀態(tài)進(jìn)行科學(xué)的分析和預(yù)測(cè),針對(duì)反映民航系統(tǒng)安全運(yùn)行狀態(tài)的重要指標(biāo)之一——飛行事故萬(wàn)時(shí)率,采用bp神經(jīng)網(wǎng)絡(luò)的時(shí)間序列非線性預(yù)測(cè)模型及方法,對(duì)其進(jìn)行了分析研究和仿真驗(yàn)證,計(jì)算結(jié)果表明,該預(yù)測(cè)方法是可行的,并與實(shí)際具有較好的一致性。

根據(jù)長(zhǎng)期的工程實(shí)測(cè)資料,利用高層建筑物靜載實(shí)驗(yàn)數(shù)據(jù)對(duì)模型進(jìn)行了檢驗(yàn),并選取了典型的樣本進(jìn)行了預(yù)測(cè)值的誤差分析,結(jié)果表明,預(yù)測(cè)的結(jié)果和靜載實(shí)驗(yàn)數(shù)據(jù)吻合較好,從而證實(shí)了wpnn預(yù)測(cè)方法具有較好的可靠性和工程應(yīng)用價(jià)值。

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

采用神經(jīng)網(wǎng)絡(luò)方法對(duì)自密實(shí)混凝土受彎梁的正截面承載力進(jìn)行模擬.以影響自密實(shí)混凝土梁受彎承載力的主要因素(抗壓強(qiáng)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(lái)描述其非線性關(guān)系.利用不同研究者的32組試驗(yàn)數(shù)據(jù)對(duì)網(wǎng)絡(luò)進(jìn)行訓(xùn)練和測(cè)試.測(cè)試表明,建立的神經(jīng)網(wǎng)絡(luò)模型對(duì)32組試驗(yàn)數(shù)據(jù)具有良好的模擬精度,可作為預(yù)測(cè)自密實(shí)混凝土梁受彎承載力的一種新的計(jì)算方法.

為提高纖維增強(qiáng)復(fù)合材料(frp)加固混凝土軸壓柱承載力的計(jì)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(yù)測(cè)模型.利用大量試驗(yàn)數(shù)據(jù)對(duì)神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練,并用訓(xùn)練成熟的神經(jīng)網(wǎng)絡(luò)模型對(duì)frp加固混凝土軸壓柱的承載力進(jìn)行了預(yù)測(cè).通過(guò)模型預(yù)測(cè)值與試驗(yàn)結(jié)果的比較,證明該模型的預(yù)測(cè)結(jié)果具有一定的可信度,最大誤差不超過(guò)15%,比其他計(jì)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(jìn)的遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò)進(jìn)行水資源承載力綜合評(píng)價(jià)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(píng)價(jià),實(shí)例表明是可行的,為水資源承載力定量分析開(kāi)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(duì)方鋼管混凝土軸壓短柱,選取試件長(zhǎng)度、截面的寬度、鋼管的厚度、混凝土的抗壓強(qiáng)度及鋼材的屈服強(qiáng)度5個(gè)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(xùn)練集,8組數(shù)據(jù)作為測(cè)試集,建立了一個(gè)3層的bp神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型,仿真預(yù)測(cè)結(jié)果要比現(xiàn)有計(jì)算理論更準(zhǔn)確。

將bp神經(jīng)網(wǎng)絡(luò)用于電力負(fù)荷預(yù)測(cè)。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(yù)測(cè)結(jié)果評(píng)價(jià)方法。在南京市夏季電力負(fù)荷統(tǒng)計(jì)數(shù)據(jù)集上面的實(shí)驗(yàn)結(jié)果表明,bp神經(jīng)網(wǎng)絡(luò)能夠?qū)﹄娏ω?fù)荷進(jìn)行較好地預(yù)測(cè)。

提出一種采用bp神經(jīng)網(wǎng)絡(luò)算法來(lái)預(yù)測(cè)深基坑沉降的方法,結(jié)合具體工程實(shí)例,構(gòu)建了預(yù)測(cè)深基坑周邊地表沉降具體bp神經(jīng)網(wǎng)絡(luò)模型,預(yù)測(cè)結(jié)果表明,該模型有較高的預(yù)測(cè)精度,可作為預(yù)測(cè)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(yàn)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(cè)樁基極限承載力。通過(guò)7根樁的實(shí)例分析，表明該方法是有效的，具有較好的實(shí)用價(jià)值。

應(yīng)用徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)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(guò)對(duì)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(jì)的grnn模型，并進(jìn)行了實(shí)例分析。計(jì)算結(jié)果具有較高的精度和收斂速度快等特點(diǎn)，是一種行之有效的預(yù)測(cè)單樁極限...

針對(duì)bp神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)時(shí)間長(zhǎng)、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(lì)函數(shù),通過(guò)指導(dǎo)網(wǎng)絡(luò)的初始化和參數(shù)選取,使網(wǎng)絡(luò)以較簡(jiǎn)單的拓?fù)浣Y(jié)構(gòu)實(shí)現(xiàn)函數(shù)逼近,利用網(wǎng)絡(luò)訓(xùn)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(jìn)行分析對(duì)比。結(jié)果表明:利用小波變換對(duì)數(shù)據(jù)時(shí)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(xué)習(xí)功能,使得小波神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型具有較強(qiáng)的逼近和容錯(cuò)能力,預(yù)測(cè)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(fù)荷預(yù)測(cè)是電力規(guī)劃的基礎(chǔ),傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)方法存在對(duì)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(diǎn)。文中引入遺傳算法先對(duì)神經(jīng)網(wǎng)絡(luò)的初始值進(jìn)行優(yōu)化,再通過(guò)神經(jīng)網(wǎng)絡(luò)進(jìn)行學(xué)習(xí)和訓(xùn)練,得出的結(jié)果再經(jīng)bagging方法集成,目的是提高其準(zhǔn)確率。通過(guò)matlab仿真進(jìn)行實(shí)驗(yàn),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(diǎn),可較快收斂又不易陷入到局部極值中,具有較強(qiáng)的泛化能力,同時(shí)也大大提高了網(wǎng)絡(luò)的預(yù)測(cè)精度。

公路貨運(yùn)量受多種因素影響,各因素的作用機(jī)制通常不能準(zhǔn)確地用數(shù)學(xué)語(yǔ)言進(jìn)行描述。采用廣義回歸神經(jīng)網(wǎng)絡(luò)(grnn)對(duì)貨運(yùn)量進(jìn)行分析及預(yù)測(cè)。通過(guò)對(duì)1995~2003年南京市公路運(yùn)量的歷史數(shù)據(jù)進(jìn)行分析和處理,對(duì)網(wǎng)絡(luò)進(jìn)行訓(xùn)練和擬合,用2004~2005年的實(shí)際數(shù)據(jù)進(jìn)行模型檢驗(yàn),結(jié)果證明了grnn用于貨運(yùn)量預(yù)測(cè)的有效性。

通過(guò)對(duì)公路貨運(yùn)量的預(yù)測(cè)方法進(jìn)行研究比較,并根據(jù)公路貨運(yùn)量形成的復(fù)雜和非線性等特點(diǎn),建立bp神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型.利用黑龍江省公路貨運(yùn)量及其相關(guān)影響因素的實(shí)際數(shù)據(jù),確定網(wǎng)絡(luò)輸入與輸出樣本,并對(duì)bp神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)系統(tǒng)進(jìn)行訓(xùn)練和預(yù)測(cè).通過(guò)對(duì)網(wǎng)絡(luò)輸出的誤差曲線圖的分析,驗(yàn)證bp神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)系統(tǒng)的精確性和簡(jiǎn)單方便性,提高了公路貨運(yùn)量預(yù)測(cè)的精確性.

公路客運(yùn)量和貨運(yùn)量預(yù)測(cè)是一個(gè)復(fù)雜的非線性問(wèn)題,由于影響因素較多,難以用普通的數(shù)學(xué)方法建模,而建立bp神經(jīng)網(wǎng)絡(luò)可以表達(dá)這些非線性問(wèn)題。根據(jù)公路客運(yùn)量貨運(yùn)量歷史數(shù)據(jù)及其相關(guān)影響因素?cái)?shù)據(jù)建立了bp神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型。利用實(shí)際數(shù)據(jù)確定網(wǎng)絡(luò)輸入與輸出樣本,對(duì)bp神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)系統(tǒng)進(jìn)行訓(xùn)練和預(yù)測(cè)。通過(guò)對(duì)網(wǎng)絡(luò)輸出預(yù)測(cè)結(jié)果與實(shí)際數(shù)據(jù)的分析,驗(yàn)證了bp神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)系統(tǒng)的精確性和方便性,提高了公路客運(yùn)貨運(yùn)預(yù)測(cè)的精確性。

本文把信息擴(kuò)散原理和神經(jīng)網(wǎng)絡(luò)相結(jié)合,提出一種工程造價(jià)的估測(cè)方法,并給出計(jì)算實(shí)例。