開采影響下建筑物損害程度的人工神經(jīng)網(wǎng)絡(luò)預(yù)測模型

提出基于人工神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)最終沉降的預(yù)測新方法,通過工程實(shí)例應(yīng)用,在較短的實(shí)測資料情況下,可獲得較小誤差的最終沉降量,所建立的模型預(yù)測精度高。

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

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.

提出了根據(jù)實(shí)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(shí)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。

以拓?fù)渲笖?shù)為結(jié)構(gòu)描述符,用基于levenberg-marquardt優(yōu)化的bp神經(jīng)網(wǎng)絡(luò)建立了醇類化合物的結(jié)構(gòu)與色譜保留值的相關(guān)性模型,用于未知醇類化合物在se-30和ov-3兩根色譜柱上保留指數(shù)的同時預(yù)測,其學(xué)習(xí)速率優(yōu)于文獻(xiàn)中普通bp神經(jīng)網(wǎng)絡(luò)法,預(yù)測準(zhǔn)確度與普通bp神經(jīng)網(wǎng)絡(luò)法接近,但優(yōu)于多元線性回歸法,因而是一種較好的預(yù)測有機(jī)化合物氣相色譜保留指數(shù)的方法.

大型裝備中普遍采用組合結(jié)構(gòu),其整體工作性能取決于預(yù)緊元件的預(yù)緊參數(shù)。確定預(yù)緊參數(shù)的傳統(tǒng)方法不適用于大型結(jié)構(gòu),有限元法的分析次數(shù)又過多,實(shí)際上無法實(shí)現(xiàn)。文章提出用人工神經(jīng)網(wǎng)絡(luò)取代有限元進(jìn)行整體性分析的方法,并針對某大型壓機(jī)建立了神經(jīng)網(wǎng)絡(luò)模型。結(jié)果表明,用該方法可快速完成復(fù)雜組合結(jié)構(gòu)的整體性分析,且精度較高。

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

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.

基于灰關(guān)聯(lián)識別方法,解析了各震害影響因子對多層磚房抗震性能的影響程度;并利用bp人工神經(jīng)網(wǎng)絡(luò)非線性模型對震害實(shí)例樣本進(jìn)行了訓(xùn)練。結(jié)果表明:利用灰關(guān)聯(lián)分析,可得出各因子對多層磚房抗震性能影響程度的大小排序,有利于實(shí)際的工程抗震設(shè)計;基于bp人工神經(jīng)網(wǎng)絡(luò)模型的多層磚房的震害預(yù)測結(jié)果與震害實(shí)例的實(shí)際情況比較吻合,其思路和方法可推廣于其他不同類型的建筑結(jié)構(gòu)的震害預(yù)測。

用vb編制了人工神經(jīng)網(wǎng)絡(luò)的通用bp算法程序。根據(jù)西安參考年氣象參數(shù),采用動態(tài)模擬程序計算了某辦公樓4月至9月逐時冷負(fù)荷,結(jié)果顯示利用神經(jīng)網(wǎng)絡(luò)的預(yù)測值與計算值吻合。

利用神經(jīng)網(wǎng)絡(luò)強(qiáng)大的非線性映射能力,提出了一種基于bp神經(jīng)網(wǎng)絡(luò)模型的工程造價預(yù)測模型,指出該預(yù)測模型可對不同情況的工程造價進(jìn)行合理的預(yù)測,實(shí)例檢驗(yàn)證明,該方法收斂速度快,預(yù)測的可靠性令人滿意。

針對人工神經(jīng)網(wǎng)絡(luò)成礦預(yù)測模型結(jié)構(gòu)難以確定的問題,詳細(xì)闡述了一種在模型訓(xùn)練中進(jìn)行隱層數(shù)目及隱層單元數(shù)目動態(tài)調(diào)整的人工神經(jīng)網(wǎng)絡(luò)算法,并以vc++為開發(fā)工具實(shí)現(xiàn)了變結(jié)構(gòu)人工神經(jīng)網(wǎng)絡(luò)成礦預(yù)測模型,經(jīng)用華南26個巖體檢驗(yàn),回憶率及預(yù)測率均高達(dá)100％。該方法提供了一種面向具體問題的動態(tài)解決方案,在成礦預(yù)測工作中具有一定的實(shí)用性。

基于人工神經(jīng)網(wǎng)絡(luò)的工程造價預(yù)測模型——利用神經(jīng)網(wǎng)絡(luò)強(qiáng)大的非線性映射能力,提出了一種基于bp神經(jīng)網(wǎng)絡(luò)模型的工程造價預(yù)測模型,指出該預(yù)測模型可對不同情況的工程造價進(jìn)行合理的預(yù)測,實(shí)例檢驗(yàn)證明,該方法收斂速度快,預(yù)測的可靠性令人滿意。　　

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(shí)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。

人工神經(jīng)網(wǎng)絡(luò)模型描述

采用comgis(組件式地理信息系統(tǒng))技術(shù)開發(fā)了結(jié)合專業(yè)震害分析模型的建筑物震害評估系統(tǒng),討論了基于bp人工神經(jīng)網(wǎng)絡(luò)和gis耦合模型的多層磚房震害預(yù)測.研究表明:水平成層土地震反應(yīng)分析程序shake91在vb菜單下可直接調(diào)用,實(shí)現(xiàn)地震動影響場計算的模塊化;bp神經(jīng)網(wǎng)絡(luò)應(yīng)用于建筑物震害預(yù)測中,能達(dá)到較理想的效果,其計算模型在系統(tǒng)菜單下可直接調(diào)用;系統(tǒng)的gis空間分析功能可使震害預(yù)測結(jié)果與建筑物信息進(jìn)行空間匹配,實(shí)現(xiàn)地震災(zāi)害損失快速評估.

提出人工神經(jīng)網(wǎng)絡(luò)模型來模擬傳統(tǒng)的帶肋鋼筋和混凝土之間的粘結(jié)性能,目的是預(yù)測鋼筋從混凝土混合物中拔出的極限荷載(第一神經(jīng)網(wǎng)絡(luò)模型)或抗壓強(qiáng)度(第二神經(jīng)網(wǎng)絡(luò))以及根據(jù)rilem試驗(yàn)設(shè)計的不同鋼筋直徑的拔出極限荷載。采用112個帶肋鋼筋(直徑為10mm、12mm)以及三種不同混凝土配合比的拔出試驗(yàn)結(jié)果數(shù)據(jù)庫,對神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練。根據(jù)反向傳播算法,進(jìn)行多層感知器訓(xùn)練。第一個模型(ann-6)有6個輸入:鋼筋直徑、水灰比、砂石比、級配、水泥種類和混凝土齡期。第二個模型(ann-2)有2個輸入:鋼筋直徑、混凝土抗壓強(qiáng)度,兩個模型的輸出均為極限拔出荷載。研究結(jié)果顯示:所采用的模型預(yù)測精度高、誤差低、具有魯棒性。從魯棒性方面,第一個模型(ann-6)比第二個模型(ann-2)更精確。將混凝土的成分作為輸入?yún)?shù),而不是混凝土的強(qiáng)度,對于帶肋鋼筋-混凝土界面的局部現(xiàn)象更具代表性。

討論了地鐵區(qū)間隧道盾構(gòu)施工引起的地表變形機(jī)理,并結(jié)合某地鐵工程的實(shí)踐,利用神經(jīng)網(wǎng)絡(luò)技術(shù)處理非線性問題的優(yōu)勢,應(yīng)用人工神經(jīng)網(wǎng)絡(luò)對地表沉降進(jìn)行了預(yù)測,經(jīng)與現(xiàn)場實(shí)測值作對比分析,證實(shí)該方法具有較高的準(zhǔn)確性。研究表明,該方法對處理此類非結(jié)構(gòu)性規(guī)律的多因素綜合影響問題較一般方法具有更強(qiáng)的適應(yīng)性。

利用matlab編程語言構(gòu)造了三層bp神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu),建立了基于人工神經(jīng)網(wǎng)絡(luò)的投標(biāo)報價模型,通過仿真模擬確定標(biāo)高金水平,并用實(shí)例驗(yàn)證了其可靠性,為承包商作出合理報價決策提供了科學(xué)依據(jù)。

建設(shè)項目風(fēng)險管理的人工神經(jīng)網(wǎng)絡(luò)模型研究——利用3層并行分布式人工神經(jīng)網(wǎng)絡(luò)連接模型和bp網(wǎng)絡(luò)算法理論，建立建設(shè)項目bp網(wǎng)絡(luò)風(fēng)險預(yù)測模型，對項目的總體風(fēng)險進(jìn)行評價，得到項目風(fēng)險的量化參考指標(biāo)，對建設(shè)項目風(fēng)險估計網(wǎng)絡(luò)模型的建立進(jìn)行分析，為項目投標(biāo)決策...

介紹灰色神經(jīng)網(wǎng)絡(luò)模型的建模原理和方法,并采用該模型對實(shí)際的監(jiān)測數(shù)據(jù)進(jìn)行處理和分析。結(jié)果表明,灰色神經(jīng)網(wǎng)絡(luò)模型能夠在小樣本、貧信息和波動數(shù)據(jù)序列等情況下對變形監(jiān)測數(shù)據(jù)做出比較準(zhǔn)確的模擬和預(yù)報,從而能夠?yàn)樽冃伪O(jiān)測的數(shù)據(jù)處理提供一種較好的方法,能夠滿足實(shí)際應(yīng)用的需求。

介紹了分布式光纖監(jiān)測系統(tǒng)的檢測原理,針對結(jié)構(gòu)物局部點(diǎn)的應(yīng)變變化建立了4層人工神經(jīng)網(wǎng)絡(luò)模型,對結(jié)構(gòu)物的局部變形進(jìn)行預(yù)測,并利用隧道實(shí)測數(shù)據(jù)對預(yù)測值進(jìn)行了驗(yàn)證,取得了比較滿意的效果。