基于人工神經(jīng)網(wǎng)絡(luò)的三江平原土壤質(zhì)量綜合評價與預(yù)測模型
格式:pdf
大?。?span id="fbtbbrj" class="single-tag-height" data-v-09d85783>174KB
頁數(shù):5P
人氣 :84
4.5
? 1994-2010 China Academic Journal Electronic Publishing House. All rights reserved. http://www.cnki.net 文章編號 :1003 - 207 (2002 ) 01 - 0079 - 05 基于人工神經(jīng)網(wǎng)絡(luò)的三江平原土壤質(zhì)量 綜合評價與預(yù)測模型 樓文高 (上海水產(chǎn)大學(xué)海洋學(xué)院農(nóng)業(yè)資源與環(huán)境系 ,上海 200090) 摘 要 :根據(jù)土壤質(zhì)量定量評價指標分級體系生成足夠多代表性好的神以網(wǎng)絡(luò)訓(xùn)練和檢驗用的樣本 。建立神經(jīng)網(wǎng) 絡(luò)模型時 ,利用刪減或擴張準則確定神經(jīng)網(wǎng)絡(luò)最佳拓撲結(jié)構(gòu) ,避免“過擬合”現(xiàn)象 ,利用檢驗樣本監(jiān)控在訓(xùn)練過程中 不發(fā)生“過學(xué)習(xí)”現(xiàn)象 ,使建立的土壤質(zhì)量的綜合評價與預(yù)測模型具有較好的泛化能力和預(yù)測能力 。對三江平原地 區(qū)主要耕作土壤質(zhì)量的綜合評價與預(yù)測結(jié)果表明 ,神經(jīng)網(wǎng)
基于人工神經(jīng)網(wǎng)絡(luò)的工程估價預(yù)測模型
格式:pdf
大小:1019KB
頁數(shù):3P
**資訊http://www.***.*** **資訊http://www.***.*** **資訊http://www.***.***
基于人工神經(jīng)網(wǎng)絡(luò)的工程估價預(yù)測模型
格式:pdf
大?。?span id="ifmewul" class="single-tag-height" data-v-09d85783>344KB
頁數(shù):3P
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.
基于BP神經(jīng)網(wǎng)絡(luò)的土壤侵蝕預(yù)測模型研究
格式:pdf
大小:187KB
頁數(shù):未知
4.7
為提高坡耕地產(chǎn)量,保護水土流失,分析不同下墊面土壤侵蝕量的預(yù)測方法,以2000~2001遼寧北部典型坡耕地數(shù)據(jù)為樣本,建立bp神經(jīng)網(wǎng)絡(luò)土壤侵蝕量預(yù)測模型,應(yīng)用2002年土壤侵蝕量數(shù)據(jù)對模型進行檢驗。結(jié)果表明:采用三層bp網(wǎng)絡(luò)結(jié)構(gòu),輸入層為4個神經(jīng)元,分別為徑流量、降雨量、有機質(zhì)、覆蓋度,輸出層為土壤侵蝕量。預(yù)測值的合格率為80%,精度較高,具有很好的預(yù)測性能。
人工神經(jīng)網(wǎng)絡(luò)在預(yù)報土壤墑情中的應(yīng)用
格式:pdf
大小:162KB
頁數(shù):3P
4.7
依據(jù)從2005年1~12月所采集的365組試驗數(shù)據(jù),建立了一個能夠反映土壤墑情變化與氣候因素之間關(guān)系的人工神經(jīng)網(wǎng)絡(luò)模型。模型共分輸入層、隱含層和輸出層3層。輸入層的輸入變量包括數(shù)據(jù)采集當(dāng)天的10cm、20cm和40cm深度的土壤含水量以及當(dāng)天的日照時數(shù),空氣濕度,平均氣溫和降雨量。輸出層的輸出變量包括1天后的10cm2、0cm和40cm深度的土壤含水量。模型的學(xué)習(xí)因子為0.1,動量因子為0.05。模型經(jīng)過25000次訓(xùn)練后收斂,收斂誤差為8×10-4,這說明該模型能夠很好的反映出輸出量與輸入量的關(guān)系,并能夠準確預(yù)報出土壤水分信息。
人工神經(jīng)網(wǎng)絡(luò)在土壤含鹽量預(yù)測中的應(yīng)用
格式:pdf
大小:586KB
頁數(shù):3P
4.6
土壤含鹽量的預(yù)測對合理配置水資源,防治土壤次生鹽堿化等具有重要的指導(dǎo)意義。在闡述bp人工神經(jīng)網(wǎng)絡(luò)原理的基礎(chǔ)上,針對影響土壤含鹽量的主要因素,建立了多因子土壤含鹽量的3層bp網(wǎng)絡(luò)模型,以土壤含水率、地下水礦化度、地下水ph值、地下水埋深、相對濕度、降雨量、蒸發(fā)量作為模型輸入?yún)?shù),土壤含鹽量作為模型輸出,對土壤含鹽量進行了預(yù)測。結(jié)果表明,bp神經(jīng)網(wǎng)絡(luò)模型預(yù)測土壤含鹽量的最大誤差為8.78%,平均誤差為5.99%,模型具有較高的預(yù)測精度。
基于人工神經(jīng)網(wǎng)絡(luò)的工程估價預(yù)測模型 (2)
格式:pdf
大?。?span id="uhiwn7e" class="single-tag-height" data-v-09d85783>1019KB
頁數(shù):3P
4.5
**資訊http://www.***.*** **資訊http://www.***.*** **資訊http://www.***.***
基于人工神經(jīng)網(wǎng)絡(luò)的公路軟基沉降預(yù)測模型
格式:pdf
大小:52KB
頁數(shù):4P
4.5
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.
基于人工神經(jīng)網(wǎng)絡(luò)的工程造價預(yù)測模型
格式:pdf
大?。?span id="ductgcu" class="single-tag-height" data-v-09d85783>394KB
頁數(shù):2P
4.6
利用神經(jīng)網(wǎng)絡(luò)強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行合理的預(yù)測,實例檢驗證明,該方法收斂速度快,預(yù)測的可靠性令人滿意。
基于人工神經(jīng)網(wǎng)絡(luò)的工程造價預(yù)測模型
格式:pdf
大?。?span id="ow061mo" class="single-tag-height" data-v-09d85783>311KB
頁數(shù):2P
3
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行合理的預(yù)測,實例檢驗證明,該方法收斂速度快,預(yù)測的可靠性令人滿意。
BP人工神經(jīng)網(wǎng)絡(luò)模型在建筑物沉降預(yù)測中應(yīng)用
格式:pdf
大?。?span id="cj6v6wy" class="single-tag-height" data-v-09d85783>105KB
頁數(shù):2P
4.6
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)模型進行訓(xùn)練,并對9期~12期實際觀測值與預(yù)測值進行了比較,結(jié)果比較理想,從而驗證了采用bp人工神經(jīng)網(wǎng)絡(luò)模型進行建筑物沉降的預(yù)測是可行的。
變結(jié)構(gòu)人工神經(jīng)網(wǎng)絡(luò)模型及其在成礦預(yù)測中的應(yīng)用
格式:pdf
大?。?span id="u7bo2g7" class="single-tag-height" data-v-09d85783>410KB
頁數(shù):5P
4.5
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,詳細闡述了一種在模型訓(xùn)練中進行隱層數(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,回憶率及預(yù)測率均高達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用性。
基坑變形灰色人工神經(jīng)網(wǎng)絡(luò)預(yù)測模型及其應(yīng)用
格式:pdf
大?。?span id="zmiwyk1" class="single-tag-height" data-v-09d85783>171KB
頁數(shù):5P
4.5
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)合支護體系實例進行了預(yù)測研究,得到支護體系的不同預(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)合的方法進行預(yù)測。
人工神經(jīng)網(wǎng)絡(luò)模型描述
格式:pdf
大?。?span id="km2dgtf" class="single-tag-height" data-v-09d85783>809KB
頁數(shù):3P
4.7
人工神經(jīng)網(wǎng)絡(luò)模型描述
基于人工神經(jīng)網(wǎng)絡(luò)的建筑節(jié)能體系綜合評價
格式:pdf
大小:429KB
頁數(shù):2P
4.4
目前我國每年建成的建筑中,95%以建筑高能耗更為嚴重,單位建筑面積采暖能耗為發(fā)達國家新建建筑的3倍以上。為了節(jié)約建筑能耗,減輕環(huán)境壓力,建筑節(jié)能成為可持續(xù)發(fā)展的重要戰(zhàn)略。我國現(xiàn)有的建筑節(jié)能標準在設(shè)計和評價過程中,缺少有效的建筑體系耗能分析評價方法,而只是直觀地給出了一些綜合性指標(如建筑
基于人工神經(jīng)網(wǎng)絡(luò)理論的土壤水分預(yù)測研究
格式:pdf
大?。?span id="t6u2rew" class="single-tag-height" data-v-09d85783>1.9MB
頁數(shù):4P
4.7
土壤水分含量是影響作物生長的重要因素,精確的預(yù)測技術(shù)對水資源的合理利用與管理具有重要的指導(dǎo)意義。利用人工神經(jīng)網(wǎng)絡(luò)理論,建立了以降水量、蒸發(fā)量、相對濕度和地下水埋深為輸入因子,土壤水分含量為輸出因子的預(yù)測模型,并對其預(yù)測精度進行了評價。結(jié)果表明,bp神經(jīng)網(wǎng)絡(luò)模型預(yù)測土壤含水率的最大誤差為8.66%,平均誤差為4.27%,預(yù)測精度達到0.989。模型具有較高的預(yù)測精度,其結(jié)果可為制定合理的水資源調(diào)配方案和調(diào)度計劃提供科學(xué)依據(jù)。
人工神經(jīng)網(wǎng)絡(luò)模型在水土流失中的應(yīng)用
格式:pdf
大?。?span id="1neho21" class="single-tag-height" data-v-09d85783>65KB
頁數(shù):2P
4.7
長期以來,由于水土流失引發(fā)的生態(tài)環(huán)境問題受到各界人士的十分關(guān)注。我國大部分地區(qū)降水集中,生態(tài)破壞導(dǎo)致水土流失嚴重。利用bp網(wǎng)絡(luò)模型對水土流失程度進行檢測和分析是當(dāng)前學(xué)科領(lǐng)域的一個熱門話題。
基于人工神經(jīng)網(wǎng)絡(luò)的建筑工程質(zhì)量模糊綜合評價
格式:pdf
大?。?span id="asphzwp" class="single-tag-height" data-v-09d85783>662KB
頁數(shù):3P
4.6
將模糊數(shù)學(xué)和人工神經(jīng)網(wǎng)絡(luò)應(yīng)用于建筑工程質(zhì)量等級的綜合評價中,提供了一條定量、客觀評價建筑工程質(zhì)量等級的智能化新途徑。
基于人工神經(jīng)網(wǎng)絡(luò)的軟件質(zhì)量評價
格式:pdf
大?。?span id="yamawpr" class="single-tag-height" data-v-09d85783>1.4MB
頁數(shù):3P
4.6
基于人工神經(jīng)網(wǎng)絡(luò)的軟件質(zhì)量評價
關(guān)于計算機網(wǎng)絡(luò)安全綜合評價的神經(jīng)網(wǎng)絡(luò)模型探討
格式:pdf
大?。?span id="mt02gwz" class="single-tag-height" data-v-09d85783>197KB
頁數(shù):未知
4.3
隨著信息化建設(shè)的不斷推進,計算機網(wǎng)絡(luò)安全問題的受關(guān)注程度不斷提升,計算機網(wǎng)絡(luò)安全綜合評價也隨之成為業(yè)界關(guān)注的焦點,基于此,文章簡單介紹了gabp神經(jīng)網(wǎng)絡(luò)模型、計算機網(wǎng)絡(luò)安全綜合評價模型,并結(jié)合仿真開展了模型的性能分析,希望由此能夠為相關(guān)業(yè)內(nèi)人士帶來一定啟發(fā)。
基于人工神經(jīng)網(wǎng)絡(luò)的投標報價決策模型
格式:pdf
大?。?span id="f616bh6" class="single-tag-height" data-v-09d85783>203KB
頁數(shù):2P
4.3
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)的投標報價模型,通過仿真模擬確定標高金水平,并用實例驗證了其可靠性,為承包商作出合理報價決策提供了科學(xué)依據(jù)。
鋼-混凝土粘結(jié)預(yù)測的人工神經(jīng)網(wǎng)絡(luò)模型
格式:pdf
大?。?span id="7gjbigx" class="single-tag-height" data-v-09d85783>79KB
頁數(shù):2P
4.5
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)或抗壓強度(第二神經(jīng)網(wǎng)絡(luò))以及根據(jù)rilem試驗設(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結(jié)果數(shù)據(jù)庫,對神經(jīng)網(wǎng)絡(luò)模型進行訓(xùn)練。根據(jù)反向傳播算法,進行多層感知器訓(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),而不是混凝土的強度,對于帶肋鋼筋-混凝土界面的局部現(xiàn)象更具代表性。
基于人工神經(jīng)網(wǎng)絡(luò)的公路工程投資預(yù)測模型的研究
格式:pdf
大?。?span id="e6gy725" class="single-tag-height" data-v-09d85783>58KB
頁數(shù):4P
4.7
針對目前我國的高等級公路建設(shè)過程中普遍存在著投資失控、決算超預(yù)算、預(yù)算超概算、概算超估算現(xiàn)象越來越嚴重的問題。提出了從介紹公路工程投資原理和現(xiàn)行的公路投資體系存在的問題出發(fā),將國內(nèi)現(xiàn)在使用的公路工程投資預(yù)測模型加以對比和分析,探索了利用人工神經(jīng)網(wǎng)絡(luò)在公路投資預(yù)測領(lǐng)域建立新的模型,以此提高預(yù)測精確度,改變投資失控的現(xiàn)狀。
基于BP人工神經(jīng)網(wǎng)絡(luò)的綠色施工模糊綜合評價研究
格式:pdf
大?。?span id="pbjl5sp" class="single-tag-height" data-v-09d85783>145KB
頁數(shù):3P
4.7
發(fā)展綠色施工促進施工企業(yè)節(jié)約能源和資源、保護環(huán)境,是全球應(yīng)對氣候變化挑戰(zhàn)、實現(xiàn)可持續(xù)發(fā)展的重要手段,而綠色施工評價對于建筑業(yè)落實可持續(xù)發(fā)展起到一定作用。本文在介紹bp人工神經(jīng)網(wǎng)絡(luò)基本原理的基礎(chǔ)之上,分析了與其它評價方法相比,bp人工神經(jīng)網(wǎng)絡(luò)在綠色施工評價中的優(yōu)越性。通過建立模糊評價矩陣,利用bp人工神經(jīng)網(wǎng)絡(luò)處理數(shù)據(jù),較客觀地對綠色施工進行評價。最后將此評價模型應(yīng)用于實例,取得了令人滿意的結(jié)果。
基于人工神經(jīng)網(wǎng)絡(luò)的熱油管道能耗預(yù)測模型
格式:pdf
大?。?span id="67by6og" class="single-tag-height" data-v-09d85783>1.4MB
頁數(shù):5P
4.8
對長輸管道而言,影響管道輸油成本變化的因素眾多,但影響最大的是生產(chǎn)油耗和電耗費用。為了更深入地探索輸油過程中輸量與能耗的變化關(guān)系,以某條輸油管道幾年來輸量及生產(chǎn)油耗、電耗數(shù)據(jù)為基礎(chǔ),用人工神經(jīng)網(wǎng)絡(luò)的方法建立了管道輸量與生產(chǎn)油耗、電耗的預(yù)測模型。分析表明,該模型的計算結(jié)果相對偏差在±5%以內(nèi),滿足工程實際需要,因此可以用該模型來預(yù)測熱油管道的生產(chǎn)油耗和電耗。該研究首次建立了熱油管道輸量與生產(chǎn)油耗和電耗的預(yù)測模型,為預(yù)測管道的能耗總量提供了便利。
文輯推薦
知識推薦
百科推薦
職位:公路工程材料員
擅長專業(yè):土建 安裝 裝飾 市政 園林