遺傳神經(jīng)網(wǎng)絡(luò)巖土參數(shù)優(yōu)化反分析

遺傳神經(jīng)網(wǎng)絡(luò)計(jì)算公路沉降——把基于遺傳算法的人工神經(jīng)網(wǎng)絡(luò)用于巖土工程領(lǐng)域，建立遺傳神經(jīng)網(wǎng)絡(luò)公路沉降計(jì)算模型。通過工程參數(shù)監(jiān)測(cè)數(shù)據(jù)來訓(xùn)練遺傳神經(jīng)網(wǎng)絡(luò)以獲得網(wǎng)絡(luò)神經(jīng)元的連接權(quán)值。獲得滿意的權(quán)值后，用遺傳神經(jīng)網(wǎng)絡(luò)來計(jì)算高等級(jí)公路沉降，取得了較好的計(jì)...

遺傳神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)路基沉降——利用人工神經(jīng)網(wǎng)絡(luò)能夠處理大量信息能力的優(yōu)勢(shì)和遺傳算法具有全局優(yōu)化搜索的特點(diǎn)結(jié)合起來，形成基于遺傳算法的人工神經(jīng)網(wǎng)絡(luò)，稱之為遺傳神經(jīng)網(wǎng)絡(luò)。這樣的人工神經(jīng)網(wǎng)絡(luò)避免了在學(xué)習(xí)過程中陷入局部最優(yōu)解。把它用于巖土工程領(lǐng)域，通過...

遺傳神經(jīng)網(wǎng)絡(luò)模式下的工程造價(jià)快速估算研究——針對(duì)工程項(xiàng)目建設(shè)前期對(duì)造價(jià)估算誤差大、難度大、編制時(shí)間長(zhǎng)的特點(diǎn)，通過設(shè)立以人工智能技術(shù)為基礎(chǔ)的新型造價(jià)快速估算方法，可以使工程項(xiàng)目初期造價(jià)估算更合理、準(zhǔn)確、快捷，并為項(xiàng)目投資評(píng)估及投標(biāo)報(bào)價(jià)提供依據(jù)。

皮爾—遺傳神經(jīng)網(wǎng)絡(luò)在預(yù)測(cè)深厚軟基沉降中的應(yīng)用——依托某高速公路應(yīng)用塑料排水板堆載預(yù)壓法處理深厚軟基的工程實(shí)踐．運(yùn)用皮爾一遺傳神經(jīng)網(wǎng)絡(luò)對(duì)其沉降觀測(cè)結(jié)果進(jìn)行了分析、預(yù)測(cè)．研究結(jié)果顯示該方法預(yù)測(cè)精度高，說明這種方法對(duì)軟土地基沉降的預(yù)測(cè)是有效的．

綠色產(chǎn)品被認(rèn)為是人類走可持續(xù)發(fā)展戰(zhàn)略的必由之路,采用科學(xué)、準(zhǔn)確的評(píng)價(jià)方法對(duì)綠色產(chǎn)品進(jìn)行認(rèn)證至關(guān)重要。傳統(tǒng)的評(píng)價(jià)方法主觀因素太強(qiáng),而人工神經(jīng)網(wǎng)絡(luò)模型克服了傳統(tǒng)項(xiàng)目評(píng)價(jià)依賴專家經(jīng)驗(yàn)的弊端,為產(chǎn)品綠色度評(píng)價(jià)開辟了新途徑。然而神經(jīng)網(wǎng)絡(luò)訓(xùn)練時(shí)具有訓(xùn)練速度較慢、全局搜索能力弱、易陷于局部極小等缺點(diǎn),這里提出了用遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò),從而提高了產(chǎn)品綠色度評(píng)價(jià)的準(zhǔn)確性。這里首先闡述了遺傳神經(jīng)網(wǎng)絡(luò)模型的原理,然后利用該模型對(duì)機(jī)電產(chǎn)品進(jìn)行實(shí)例分析。分析表明,采用該模型獲得結(jié)果是令人滿意的。

針對(duì)工程項(xiàng)目建設(shè)前期對(duì)造價(jià)估算誤差大、難度大、編制時(shí)間長(zhǎng)的特點(diǎn),通過設(shè)立以人工智能技術(shù)為基礎(chǔ)的新型造價(jià)快速估算方法,可以使工程項(xiàng)目初期造價(jià)估算更合理、準(zhǔn)確、快捷,并為項(xiàng)目投資評(píng)估及投標(biāo)報(bào)價(jià)提供依據(jù)。

目前常見的沉降預(yù)測(cè)方法有灰色系統(tǒng)模型、時(shí)間序列分析法、bp神經(jīng)網(wǎng)絡(luò)及其改進(jìn)算法等。針對(duì)bp神經(jīng)網(wǎng)絡(luò)容易出現(xiàn)過擬合和局部最優(yōu)的缺點(diǎn),部分學(xué)者利用遺傳算法進(jìn)行神經(jīng)網(wǎng)絡(luò)初始權(quán)值和閾值優(yōu)化。但是遺傳算法對(duì)于因監(jiān)測(cè)數(shù)據(jù)質(zhì)量問題而造成變形預(yù)測(cè)結(jié)果不佳的優(yōu)化效果有限。因此引入自適應(yīng)增強(qiáng)算法對(duì)遺傳神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型進(jìn)行改進(jìn)。并利用某高層建筑基坑實(shí)測(cè)50期監(jiān)測(cè)數(shù)據(jù)進(jìn)行仿真預(yù)測(cè)。實(shí)驗(yàn)結(jié)果表明,利用自適應(yīng)增強(qiáng)算法改進(jìn)之后的遺傳神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型在滿足工程監(jiān)測(cè)精度要求的前提下,在mape、mae、mse三項(xiàng)精度指標(biāo)上分別提高80.57%、81.04%、70.83%。

本文的主要目的是開發(fā)基于實(shí)數(shù)編碼的雜交遺傳算法來識(shí)別土體的本構(gòu)參數(shù)。該雜交遺傳算法在經(jīng)典遺傳算法框架下開發(fā),融合兩個(gè)新開發(fā)的交叉算子,形成了一個(gè)新的雜交策略。為了保持種群的多樣性,在算法中采用了一個(gè)動(dòng)態(tài)隨機(jī)變異算子。另外,為了提高算法收斂性,采用了一個(gè)基于混沌的局部搜索技術(shù)。分別基于室內(nèi)試驗(yàn)和現(xiàn)場(chǎng)試驗(yàn),通過識(shí)別土的本構(gòu)參數(shù)來測(cè)試新算法的搜索能力和搜索效率。為了測(cè)試新開發(fā)算法的突出表現(xiàn),特選用5種經(jīng)典的隨機(jī)類算法(遺傳算法、粒子群算法、模擬退火算法、差分算法和蜂巢算法),分析同樣的案例進(jìn)行比較。結(jié)果表明,在收斂速度和最優(yōu)解的準(zhǔn)確度方面,新改進(jìn)的算法可以很好地處理巖土工程的參數(shù)反演。

針對(duì)隧道工程施工網(wǎng)絡(luò)計(jì)劃執(zhí)行率低的現(xiàn)狀,將遺傳算法和神經(jīng)網(wǎng)絡(luò)技術(shù)聯(lián)合用于隧道施工網(wǎng)絡(luò)計(jì)劃的動(dòng)態(tài)優(yōu)化與決策?；谶z傳優(yōu)化和神經(jīng)網(wǎng)絡(luò)方案(模式庫、專家知識(shí)系統(tǒng))的優(yōu)化決策方法能使該技術(shù)在隧道施工的應(yīng)用更科學(xué)合理、準(zhǔn)確可靠和方便快捷。該技術(shù)不僅能解決施工網(wǎng)絡(luò)計(jì)劃的執(zhí)行率低的現(xiàn)狀,而且為信息化和智能化的隧道施工提供了有力的技術(shù)保障,具有廣泛的應(yīng)用前景。

神經(jīng)網(wǎng)絡(luò)在巖土工程觀測(cè)數(shù)據(jù)優(yōu)化中的應(yīng)用——利用人工神經(jīng)網(wǎng)絡(luò)獨(dú)特的結(jié)構(gòu)和處理信息的方法，以實(shí)際工程為背景，編制了巖土工程觀測(cè)數(shù)據(jù)優(yōu)化程序，結(jié)合德興銅礦2號(hào)尾礦壩b-b測(cè)線浸潤(rùn)線觀測(cè)實(shí)例進(jìn)行分析研究，使得優(yōu)化的結(jié)果與實(shí)際相吻臺(tái)。

基于遺傳神經(jīng)網(wǎng)絡(luò)的公路工程造價(jià)估算分析——從影響公路造價(jià)的影響因素中提取特征因子為參數(shù),用歷史數(shù)據(jù)為依據(jù),用遺傳神經(jīng)網(wǎng)絡(luò)建立了公路造價(jià)快速估測(cè)模型,最后用實(shí)例驗(yàn)證了遺傳神經(jīng)網(wǎng)絡(luò)模型在公路工程造價(jià)估測(cè)中的優(yōu)良效果。　　

鑒于堆石壩材料參數(shù)反演分析問題的復(fù)雜性,在bp神經(jīng)網(wǎng)絡(luò)反分析的基礎(chǔ)上,利用均勻設(shè)計(jì)理論構(gòu)造參數(shù)樣本,結(jié)合有限元分析,對(duì)水布埡面板堆石壩主、次堆石料的鄧肯e-b模型參數(shù)進(jìn)行反演分析。為了驗(yàn)證反演結(jié)果的可靠性,再利用反演分析結(jié)果,重新進(jìn)行有限元計(jì)算,將計(jì)算得到的壩體沉降位移值與實(shí)際監(jiān)測(cè)值相比較,結(jié)果顯示,有限元計(jì)算位移值符合大壩變形的基本情況,反分析結(jié)果滿足精度要求。說明利用均勻設(shè)計(jì)結(jié)合bp神經(jīng)網(wǎng)絡(luò)的反分析方法,可以減少堆石壩材料參數(shù)反演分析中網(wǎng)絡(luò)學(xué)習(xí)的樣本數(shù)量,提高反分析效率及準(zhǔn)確性。

從影響公路造價(jià)的影響因素中提取特征因子為參數(shù),用歷史數(shù)據(jù)為依據(jù),用遺傳神經(jīng)網(wǎng)絡(luò)建立了公路造價(jià)快速估測(cè)模型,最后用實(shí)例驗(yàn)證了遺傳神經(jīng)網(wǎng)絡(luò)模型在公路工程造價(jià)估測(cè)中的優(yōu)良效果。

基于遺傳神經(jīng)網(wǎng)絡(luò)的地震砂土液化判別研究——針對(duì)bp人工神經(jīng)網(wǎng)絡(luò)具有易陷入局部極小等缺陷，本文提出了將遺傳算法與神經(jīng)網(wǎng)絡(luò)結(jié)合，同時(shí)優(yōu)化網(wǎng)絡(luò)結(jié)構(gòu)的權(quán)值與閾值的思想，建立了砂土液化判別的遺傳神經(jīng)網(wǎng)絡(luò)模型。根據(jù)地震液化的實(shí)測(cè)資料，分別對(duì)bpl神經(jīng)網(wǎng)絡(luò)判別...

基坑變形人工神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)及其網(wǎng)絡(luò)參數(shù)優(yōu)化——基坑變形人工神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)受網(wǎng)絡(luò)參數(shù)的影響較大，選取適當(dāng)?shù)木W(wǎng)絡(luò)參數(shù)才能得到較優(yōu)的預(yù)測(cè)結(jié)果。本文介紹了人工神經(jīng)網(wǎng)絡(luò)原理及其網(wǎng)絡(luò)參數(shù)的優(yōu)化方法。以擋土樁樁頂水平位移預(yù)測(cè)為例，說明其具體預(yù)測(cè)步驟及網(wǎng)絡(luò)參數(shù)優(yōu)...

基于遺傳神經(jīng)網(wǎng)絡(luò)的地震砂土液化判別研究——針對(duì)bp人工神經(jīng)網(wǎng)絡(luò)具有易陷入局部極小等缺陷，本文提出了將遺傳算法與神經(jīng)網(wǎng)絡(luò)結(jié)合，同時(shí)優(yōu)化網(wǎng)絡(luò)結(jié)構(gòu)的權(quán)值與閩值的思想，建立了砂土液化判別的遺傳神經(jīng)網(wǎng)絡(luò)模型。根據(jù)地震液化的實(shí)測(cè)資料，分別對(duì)bpl神經(jīng)網(wǎng)絡(luò)判別...

針對(duì)現(xiàn)階段公路隧道照明控制存在的一些問題,以及電能大量浪費(fèi)的現(xiàn)象,以物聯(lián)網(wǎng)技術(shù)為切入點(diǎn),搭建了無線控制網(wǎng)絡(luò),實(shí)現(xiàn)了對(duì)隧道照明系統(tǒng)的實(shí)時(shí)控制及遠(yuǎn)程監(jiān)控。詳細(xì)闡述了系統(tǒng)的整體結(jié)構(gòu)和控制流程,并利用遺傳神經(jīng)網(wǎng)絡(luò)算法進(jìn)行優(yōu)化,從而有效地提高了照明效率,降低了能耗。

巖土工程逆反分析的進(jìn)化神經(jīng)網(wǎng)絡(luò)研究——逆反分析實(shí)質(zhì)為系統(tǒng)的逆辨識(shí)過程，對(duì)此采用神經(jīng)網(wǎng)絡(luò)描述比較合理有效。基于提出的網(wǎng)絡(luò)權(quán)值及其結(jié)構(gòu)同時(shí)進(jìn)化的新型進(jìn)化神經(jīng)網(wǎng)絡(luò)模型，進(jìn)行了巖土工程逆反分析的研究，并用一個(gè)算例進(jìn)行了效果驗(yàn)證。結(jié)果證明反分析精度較高...

逆反分析實(shí)質(zhì)為系統(tǒng)的逆辨識(shí)過程,對(duì)此采用神經(jīng)網(wǎng)絡(luò)描述比較合理有效。基于提出的網(wǎng)絡(luò)權(quán)值及其結(jié)構(gòu)同時(shí)進(jìn)化的新型進(jìn)化神經(jīng)網(wǎng)絡(luò)模型,進(jìn)行了巖土工程逆反分析的研究,并用一個(gè)算例進(jìn)行了效果驗(yàn)證。結(jié)果證明反分析精度較高,其效果良好。由研究得到以下結(jié)論:網(wǎng)絡(luò)訓(xùn)練樣本應(yīng)由正分析得到,且應(yīng)采用正交實(shí)驗(yàn)設(shè)計(jì)進(jìn)行樣本選取;神經(jīng)網(wǎng)絡(luò)逆反分析時(shí)多參數(shù)反演的精度低于單參數(shù)反演。

隨著我國(guó)智能電網(wǎng)建設(shè)的快速發(fā)展,電力建設(shè)市場(chǎng)日益壯大以及電力投資主體日益多元化,“如何控制和降低工程造價(jià)”的問題便凸顯出來。本文通過引入基于遺傳算法優(yōu)化的神經(jīng)網(wǎng)絡(luò)建立輸電線路造價(jià)估算模型,通過大量樣本學(xué)習(xí)將隱含在數(shù)據(jù)內(nèi)部的關(guān)系用網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)和參數(shù)表達(dá)出來,擬合出輸電線路工程量和造價(jià)之間的非線形映射關(guān)系,從而為解決智能電網(wǎng)輸電線路施工成本估算問題提供理論和現(xiàn)實(shí)指導(dǎo)意義。

針對(duì)現(xiàn)階段冰蓄冷中央空調(diào)系統(tǒng)負(fù)荷預(yù)測(cè)的bp(backpropagation)模型收斂速度慢和容易陷入局部極小點(diǎn)等缺點(diǎn),結(jié)合遺傳算法ga(geneticalgorithm)和bp神經(jīng)網(wǎng)絡(luò),提出了一種ga-bp算法,并在冰蓄冷中央空調(diào)負(fù)荷預(yù)測(cè)系統(tǒng)中應(yīng)用。

為了提高工廠從國(guó)外引進(jìn)的以bland-ford公式為基礎(chǔ)的冷軋不銹鋼帶軋制力模型的計(jì)算精度,將基于遺傳算法的bp神經(jīng)網(wǎng)絡(luò)與現(xiàn)有變形阻力和軋制壓力解析數(shù)學(xué)模型相結(jié)合,建立了變形阻力和軋制壓力修正模型。將在生產(chǎn)現(xiàn)場(chǎng)采集的部分過程記錄數(shù)據(jù),進(jìn)行分類和預(yù)處理后作為訓(xùn)練樣本用于訓(xùn)練遺傳神經(jīng)網(wǎng)絡(luò)模型。將其他現(xiàn)場(chǎng)實(shí)測(cè)數(shù)據(jù)用于驗(yàn)證所建的軋制力模型,計(jì)算結(jié)果表明所建的軋制力模型具有較高的計(jì)算精度。