神經(jīng)網(wǎng)絡(luò)算法船體結(jié)構(gòu)腐蝕分析及預(yù)測

本文對船體主船體結(jié)構(gòu)設(shè)計的若干問題進行探討分析。

針對bp神經(jīng)網(wǎng)絡(luò)訓(xùn)練過程中的訓(xùn)練時間較長、完全不能訓(xùn)練或容易陷入局部極小值等問題,提出基于遺傳克隆選擇算法(cloga)優(yōu)化bp神經(jīng)網(wǎng)絡(luò)的流程,克服bp算法的一些缺陷。并通過湖北省人口預(yù)測問題進行效果檢驗,得到滿意的結(jié)果。

能源與環(huán)境是當今世界的兩大熱點問題,越來越受到人們的關(guān)注。在我國,城市的能耗大部分來自于建筑,建筑節(jié)能是我國可持續(xù)發(fā)展戰(zhàn)略的一個重要組成部分。對建筑進行能耗預(yù)測能夠?qū)δ茉催M行科學(xué)的管理并有效地節(jié)約能源,實現(xiàn)低碳。通過將神經(jīng)網(wǎng)絡(luò)算法與建筑能耗預(yù)測系統(tǒng)相結(jié)合,開展建筑能耗預(yù)測模型的研究,能夠有效地幫助管理人員合理安排建筑系統(tǒng)的運行方式,評估能耗水平是否合理,從而實現(xiàn)建筑節(jié)能。

負荷預(yù)測是電力規(guī)劃的基礎(chǔ),傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)預(yù)測方法存在對初始網(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。文中引入遺傳算法先對神經(jīng)網(wǎng)絡(luò)的初始值進行優(yōu)化,再通過神經(jīng)網(wǎng)絡(luò)進行學(xué)習和訓(xùn)練,得出的結(jié)果再經(jīng)bagging方法集成,目的是提高其準確率。通過matlab仿真進行實驗,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,可較快收斂又不易陷入到局部極值中,具有較強的泛化能力,同時也大大提高了網(wǎng)絡(luò)的預(yù)測精度。

為克服傳統(tǒng)bp神經(jīng)網(wǎng)絡(luò)方法在建筑能耗預(yù)測的不足,提出了一種基于時間序列自相關(guān)分析的人工魚群神經(jīng)網(wǎng)絡(luò)預(yù)測模型。對建筑標準能耗進行自相關(guān)分析,確定輸入變量的維數(shù),結(jié)合人工魚群算法尋優(yōu)速度快、易跳出極值等優(yōu)點,對bp神經(jīng)網(wǎng)絡(luò)的初值權(quán)值和閾值進行優(yōu)化,建立能耗預(yù)測模型,并用模型對西安某高校建筑一個月的能耗值進行預(yù)測。結(jié)果表明,較傳統(tǒng)的bp神經(jīng)網(wǎng)絡(luò)模型,人工魚群神經(jīng)網(wǎng)絡(luò)預(yù)測模型具有更快的收斂速度,預(yù)測精度在±1%左右,預(yù)測誤差隨著迭代次數(shù)的增加而降低。

邊坡的實時變形一直是巖土工程界關(guān)心的問題,由于不同工程的條件不同,影響邊坡位移的因素較多,進而使其變化趨勢復(fù)雜.為了得到邊坡位移與穩(wěn)定性的關(guān)系,采用bp神經(jīng)網(wǎng)絡(luò)算法與強度折減法綜合對土質(zhì)邊坡安全系數(shù)進行預(yù)測.結(jié)果顯示:通過強度折減法計算出邊坡位移,并獲取較完善的bp神經(jīng)網(wǎng)絡(luò)樣本數(shù)據(jù),當?shù)螖?shù)達到足夠時,完全可以忽略預(yù)測結(jié)果與實際結(jié)果的誤差；通過實際工程中的邊坡監(jiān)測數(shù)據(jù),然后由建立的bp神經(jīng)網(wǎng)絡(luò)能夠較為準確的輸出邊坡的強度折減系數(shù),進而得到相應(yīng)的安全系數(shù).

能源與環(huán)境是當今世界的兩大熱點問題,越來越受到人們的關(guān)注。在我國,城市的能耗大部分來自于建筑,建筑節(jié)能是我國可持續(xù)發(fā)展戰(zhàn)略的一個重要組成部分。對建筑進行能耗預(yù)測能夠?qū)δ茉催M行科學(xué)的管理并有效地節(jié)約能源,實現(xiàn)低碳。通過將神經(jīng)網(wǎng)絡(luò)算法與建筑能耗預(yù)測系統(tǒng)相結(jié)合,開展建筑能耗預(yù)測模型的研究,能夠有效地幫助管理人員合理安排建筑系統(tǒng)的運行方式,評估能耗水平是否合理,從而實現(xiàn)建筑節(jié)能。

將bp神經(jīng)網(wǎng)絡(luò)用于電力負荷預(yù)測。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)測結(jié)果評價方法。在南京市夏季電力負荷統(tǒng)計數(shù)據(jù)集上面的實驗結(jié)果表明,bp神經(jīng)網(wǎng)絡(luò)能夠?qū)﹄娏ω摵蛇M行較好地預(yù)測。

sda shanghaidesignassociates sda-002-05sd 船體結(jié)構(gòu)標準 本標準經(jīng)總工程師批準試行2005.09實施 shanghaidesignassociates發(fā)布 hullstructure standard profilesections 常用型材標準 sda-002-05sd第1頁 2005.9共61頁 profilesectionsstandard 常用型材標準 說明： 本標準僅適用于船體結(jié)構(gòu)圖。 設(shè)計人員在選擇型材時應(yīng)盡可能以此標準為準。 hullstructure standard profilesections 常用型材標準 sda-002-05sd第2頁 2005.9共61頁 常用球扁鋼(歐洲標準) a mm t mm c mm r mm 球扁鋼截面積 a

sda shanghaidesignassociates sda-002-05sd 船體結(jié)構(gòu)標準 本標準經(jīng)總工程師批準試行2005.09實施 shanghaidesignassociates發(fā)布 hullstructure standard profilesections 常用型材標準 sda-002-05sd第1頁 2005.9共61頁 profilesectionsstandard 常用型材標準 說明： 本標準僅適用于船體結(jié)構(gòu)圖。 設(shè)計人員在選擇型材時應(yīng)盡可能以此標準為準。 hullstructure standard profilesections 常用型材標準 sda-002-05sd第2頁 2005.9共61頁 常用球扁鋼(歐洲標準) a mm t mm c mm r mm 球扁鋼截面積 a

sda shanghaidesignassociates sda-002-05sd 船體結(jié)構(gòu)標準 本標準經(jīng)總工程師批準試行2005.09實施 shanghaidesignassociates發(fā)布 hullstructure standard profilesections 常用型材標準 sda-002-05sd第1頁 2005.9共61頁 profilesectionsstandard 常用型材標準 說明： 本標準僅適用于船體結(jié)構(gòu)圖。 設(shè)計人員在選擇型材時應(yīng)盡可能以此標準為準。 hullstructure standard profilesections 常用型材標準 sda-002-05sd第2頁 2005.9共61頁 常用球扁鋼(歐洲標準) a mm t mm c mm r mm 球扁鋼截面積 a

神經(jīng)網(wǎng)絡(luò)組合預(yù)測法在軟基沉降預(yù)測中的應(yīng)用——通過引入神經(jīng)網(wǎng)絡(luò)組合預(yù)測模型，對軟基沉降序列進行了非線性組合預(yù)測。預(yù)測結(jié)果表明，神經(jīng)網(wǎng)絡(luò)組合預(yù)測的結(jié)果比各單項模型預(yù)測的結(jié)果都好，提高了軟基沉降的預(yù)測精度，可進一步推廣應(yīng)用?！　?/p>

檔案號 38m漁船送審設(shè)計舊底圖號 船體結(jié)構(gòu)計算書 hx8025-110-02js新底圖號標記數(shù)量修改單號簽字日期 編制簽字 校對簽字總面積共8頁第1頁 日期簽字審核簽字cm2 標檢簽字 泰州市鴻翔船舶工程有限公司 審定日期 一、說明 1.1本船為鋼質(zhì)、單甲板、單底、橫骨架結(jié)構(gòu)的ⅱ類航區(qū)海洋漁業(yè)船舶。 1.2依據(jù)中華人民共和國漁業(yè)船舶檢驗局《漁業(yè)船舶法定檢驗規(guī)則》（2000），以下簡稱《法則》，《鋼 質(zhì)海洋漁船建造規(guī)范》（1998）以下簡稱《規(guī)范》的相關(guān)規(guī)定，進行計算。 1.3本船主要量度 總長loa38.00m 垂線間長lpp31.00m 水線船長lwl33.39m 96%lwl

為了有效解決網(wǎng)絡(luò)系統(tǒng)可能出現(xiàn)的故障,結(jié)合模糊神經(jīng)網(wǎng)絡(luò)提出了一種新的故障檢測算法fdd-fnn(failuredetectionalgorithmbasedonfuzzyneuralnetwork).該算法根據(jù)特征信息熵建立了故障檢測評價方法和最小偏差的優(yōu)化模型,設(shè)計了模糊神經(jīng)網(wǎng)絡(luò)中輸入層、模糊化層、模糊規(guī)則層和解模糊層,并且給出了具體的算法流程.通過建立網(wǎng)絡(luò)仿真平臺,深入分析了影響fdd-fnn算法的關(guān)鍵因素,同時對比研究了fdd-fnn算法與其他算法的性能情況,結(jié)果表明fdd-fnn算法具有較好的適應(yīng)性.

建立基于分布估計神經(jīng)網(wǎng)絡(luò)的公路工程造價估算模型,為實現(xiàn)快速、高效的估算公路工程造價提供了技術(shù)條件,是公路工程造價估算在實際應(yīng)用中的一次有意義的嘗試。

神經(jīng)網(wǎng)絡(luò)模型是一種非常有效的數(shù)據(jù)處理工具,但是存在結(jié)構(gòu)確定困難的缺點.針對神經(jīng)網(wǎng)絡(luò)算法的這種缺點,提出了變結(jié)構(gòu)神經(jīng)網(wǎng)絡(luò)模型.此模型增加了神經(jīng)網(wǎng)絡(luò)隱節(jié)點的決策變量,并對此決策變量進行松弛.在采用bp梯度算法確定神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的同時,確定網(wǎng)絡(luò)參數(shù).由于電纜的狀態(tài)監(jiān)測是時序數(shù)據(jù),將此模型應(yīng)用于電纜的狀態(tài)監(jiān)測過程中,能體現(xiàn)出較好的適應(yīng)性.

bp神經(jīng)網(wǎng)絡(luò)在基坑變形預(yù)測分析中的應(yīng)用——本文提出了基坑變形預(yù)測與分析的bp神經(jīng)網(wǎng)絡(luò)方法，建立了基坑變形預(yù)測分析的模型，應(yīng)用matlab語言編制計算程序進行計算并與實際工程監(jiān)測值進行比較，從而驗證了神經(jīng)網(wǎng)絡(luò)在基坑變形預(yù)測分析中的可行性、有效性。　　

針對傳統(tǒng)方法單獨采用bp神經(jīng)網(wǎng)絡(luò)算法易陷入局部極值的問題,提出了遺傳算法優(yōu)化bp神經(jīng)網(wǎng)絡(luò),并將其應(yīng)用于mimo-ofdm系統(tǒng)信號檢測中。該方法將遺傳算法與神經(jīng)網(wǎng)絡(luò)相結(jié)合,用遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò)初始值,使bp網(wǎng)絡(luò)快速收斂到最優(yōu)解,避免了由初始值的隨機選取而帶來的檢測誤碼。仿真結(jié)果表明所提出的方法在誤碼率方面有比較好的性能。

強烈的地震給人們生命財產(chǎn)帶來巨大損失,為了能夠在地震之前預(yù)測出建筑物震害,提出一多層磚房為例。利用matlab神經(jīng)網(wǎng)絡(luò)工具箱,建立一種基于貝葉斯正則算法的bp神經(jīng)網(wǎng)絡(luò)模型,并以過去發(fā)生地震地區(qū)的多層磚房調(diào)查數(shù)據(jù)為震害因子的震害預(yù)測方法。結(jié)果表明:對多層磚房的震害樣本的預(yù)測達到理想效果。

建立bp(backpropagation)神經(jīng)網(wǎng)絡(luò)與遺傳算法相結(jié)合的電力負荷預(yù)測模型。在該模型中,利用遺傳算法具有的全局尋優(yōu)特點,將bp網(wǎng)絡(luò)的初始權(quán)值優(yōu)化到一個較小的范圍,然后再用bp算法在該范圍內(nèi)繼續(xù)優(yōu)化,以便使優(yōu)化算法既能實現(xiàn)全局最優(yōu)求解,又能獲得較快的求解速度。最后,通過仿真算例,與傳統(tǒng)bp網(wǎng)絡(luò)優(yōu)化結(jié)果、及各種擬合方法獲得結(jié)果進行比對,驗證了計算方法的可行性和優(yōu)越性。

bp神經(jīng)網(wǎng)絡(luò)算法具有很好的非線性推理能力及優(yōu)越的自組織、自適應(yīng)、容錯性能。利用該方法對高層建筑地基沉降數(shù)據(jù)進行分析,可不考慮地基沉降影響因素與沉降之間的對應(yīng)關(guān)系,而直接根據(jù)已知時間內(nèi)實際沉降數(shù)據(jù)構(gòu)建模型對未知時間的沉降進行預(yù)測推理。將該方法應(yīng)用于西安市某高層建筑的地基沉降數(shù)據(jù)預(yù)測分析,并與多項式擬合方法的分析結(jié)果進行對比可知,bp神經(jīng)網(wǎng)絡(luò)的非線性預(yù)測推理能力更強,應(yīng)用前景廣闊。

建立bp（backpropagation）神經(jīng)網(wǎng)絡(luò)與遺傳算法相結(jié)合的電力負荷預(yù)測模型。在該模型中，利用遺傳算法具有的全局尋優(yōu)特點，將bp網(wǎng)絡(luò)的初始權(quán)值優(yōu)化到一個較小的范圍，然后再用bp算法在該范圍內(nèi)繼續(xù)優(yōu)化，以便使優(yōu)化算法既能實現(xiàn)全局最優(yōu)求解，又能獲得較快的求解速度。最后，通過仿真算例，與傳統(tǒng)bp網(wǎng)絡(luò)優(yōu)化結(jié)果、及各種擬合方法獲得結(jié)果進行比對，驗證了計算方法的可行性和優(yōu)越性。