基于BP神經(jīng)網(wǎng)絡(luò)的冗余驅(qū)動串并聯(lián)機構(gòu)結(jié)構(gòu)參數(shù)優(yōu)化設(shè)計
格式:pdf
大?。?span id="2wnrri89hn" class="single-tag-height" data-v-09d85783>519KB
頁數(shù):4P
人氣 :85
4.4
對全新結(jié)構(gòu)的萬能直角串并聯(lián)機構(gòu)進行冗余驅(qū)動機構(gòu)參數(shù)進行優(yōu)化設(shè)計,通過建立優(yōu)化目標函數(shù),以機構(gòu)的相對工作空間和運動精度為主要指標,通過構(gòu)建4個BP神經(jīng)網(wǎng)絡(luò)對系統(tǒng)進行訓練,將已知函數(shù)和輸入?yún)?shù)通過特定轉(zhuǎn)換后利用神經(jīng)網(wǎng)絡(luò)進行分析和逼近運算,得到滿足要求的機構(gòu)參數(shù)數(shù)據(jù)。
工程建設(shè)機械驅(qū)動橋主減速器BP神經(jīng)網(wǎng)絡(luò)輔助優(yōu)化設(shè)計
格式:pdf
大小:364KB
頁數(shù):3P
工程建設(shè)機械驅(qū)動橋主減速器 bp神經(jīng)網(wǎng)絡(luò)輔助優(yōu)化設(shè)計 畢春長 丁予展 工程建設(shè)機械驅(qū)動橋主減速器的功能是降低轉(zhuǎn) 速、增大扭矩,以適合工程建設(shè)機械工作和行駛的 要求,故采用弧齒錐齒輪傳動較為合適?;↓X錐齒 輪傳動的特點是:同時嚙合的齒數(shù)較多,齒間壓力 分布的狀況好,嚙合平穩(wěn),工作噪音小。而且,由 于小齒輪的齒數(shù)可以做得很小,則在大齒輪的同樣 外形尺寸下,可獲得較大的傳動比,或者在要求一 定傳動比時,能減小驅(qū)動橋的尺寸。然而,由于弧齒 錐齒輪傳動采用的是格里森制,設(shè)計計算頗為復(fù)雜, 所受限制條件較多,因此給優(yōu)化設(shè)計帶來很多麻煩。 本文研究工程建設(shè)機械驅(qū)動橋主減速器bp神經(jīng)網(wǎng) 絡(luò)輔助優(yōu)化設(shè)計方法,以便提高優(yōu)化設(shè)計效率。 1 bp神經(jīng)網(wǎng)絡(luò)模型原理 bp(backpropagation)網(wǎng)絡(luò)亦稱誤差逆?zhèn)鞑ゾW(wǎng) 絡(luò),是最成熟
BP神經(jīng)網(wǎng)絡(luò)在機械優(yōu)化設(shè)計中的應(yīng)用
格式:pdf
大?。?span id="2wnrri89hn" class="single-tag-height" data-v-09d85783>102KB
頁數(shù):2P
在機械優(yōu)化設(shè)計領(lǐng)域針對實體結(jié)構(gòu)的動態(tài)分析計算,采用bp神經(jīng)網(wǎng)絡(luò)可以提高優(yōu)化收斂速度和精度,神經(jīng)網(wǎng)絡(luò)理論與傳統(tǒng)的數(shù)值方法相結(jié)合具有重要的現(xiàn)實意義。
機械優(yōu)化設(shè)計中BP神經(jīng)網(wǎng)絡(luò)的應(yīng)用研究
格式:pdf
大小:120KB
頁數(shù):3P
4.4
從bp網(wǎng)絡(luò)的工作原理出發(fā),利用多水平正交表選取bp神經(jīng)網(wǎng)絡(luò)訓練樣本,通過正向傳播和誤差反向傳播建立bp網(wǎng)絡(luò)的拓撲結(jié)構(gòu)。對二級減速器bp網(wǎng)絡(luò)模型進行了結(jié)構(gòu)修正與優(yōu)化計算。實驗表明在機械優(yōu)化設(shè)計領(lǐng)域針對實體結(jié)構(gòu)的動態(tài)分析計算,采用bp神經(jīng)網(wǎng)絡(luò)可以提高了優(yōu)化收斂速度和精度,這表明神經(jīng)網(wǎng)絡(luò)理論與傳統(tǒng)的數(shù)值方法相結(jié)合的方法具有重要的現(xiàn)實意義。
基于神經(jīng)網(wǎng)絡(luò)的座便器虹吸管道結(jié)構(gòu)參數(shù)優(yōu)化
格式:pdf
大?。?span id="2wnrri89hn" class="single-tag-height" data-v-09d85783>2.4MB
頁數(shù):7P
4.4
應(yīng)用基于人工神經(jīng)網(wǎng)絡(luò)技術(shù)和正交試驗法結(jié)合的優(yōu)化方法,本文對座便器虹吸管道結(jié)構(gòu)參數(shù)進行了優(yōu)化設(shè)計。作者運用計算流體動力學仿真技術(shù)得到樣本,在matlab環(huán)境中建立神經(jīng)網(wǎng)絡(luò)模型,并通過正交試驗得到新樣本,最終建立神經(jīng)網(wǎng)絡(luò)模型,代替數(shù)值模擬,并對虹吸管道進行了優(yōu)化。結(jié)果表明,將cfd數(shù)值模擬、正交試驗、神經(jīng)網(wǎng)絡(luò)三者結(jié)合用于座便器虹吸管道的基本結(jié)構(gòu)參數(shù)設(shè)計中,可以縮短優(yōu)化時間,提高設(shè)計效率。
遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的信號檢測
格式:pdf
大小:173KB
頁數(shù):未知
4.4
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。
基于遺傳算法和BP神經(jīng)網(wǎng)絡(luò)的花盤結(jié)構(gòu)優(yōu)化設(shè)計
格式:pdf
大?。?span id="2wnrri89hn" class="single-tag-height" data-v-09d85783>303KB
頁數(shù):3P
4.7
綜合利用有限元法、正交試驗法、bp神經(jīng)網(wǎng)絡(luò)以及遺傳算法對大重型數(shù)控轉(zhuǎn)臺的花盤結(jié)構(gòu)系統(tǒng)進行優(yōu)化研究。首先對花盤結(jié)構(gòu)系統(tǒng)進行諧響應(yīng)動力學分析,找出對結(jié)構(gòu)動態(tài)特性影響最大的模態(tài)頻率,并確定bp神經(jīng)網(wǎng)絡(luò)的輸入變量,然后利用正交試驗法和有限元分析法確定出bp神經(jīng)網(wǎng)絡(luò)樣本點數(shù)據(jù),建立反映花盤結(jié)構(gòu)特性的bp神經(jīng)網(wǎng)絡(luò)模型,最后利用遺傳算法對建立的bp神經(jīng)網(wǎng)絡(luò)優(yōu)化。仿真結(jié)果表明,花盤第一階固有頻率提高15.5%,其自重降低9.8%。
基于神經(jīng)網(wǎng)絡(luò)的新型缺陷接地結(jié)構(gòu)優(yōu)化設(shè)計
格式:pdf
大?。?span id="2wnrri89hn" class="single-tag-height" data-v-09d85783>204KB
頁數(shù):4P
4.5
應(yīng)用人工神經(jīng)網(wǎng)絡(luò)與單純形優(yōu)化算法相結(jié)合的方法,對一種新型組合式非周期性缺陷接地結(jié)構(gòu)(cnpdgs)進行優(yōu)化設(shè)計。與電磁場數(shù)值分析方法相比,以神經(jīng)網(wǎng)絡(luò)模型作分析單元,可以在保證精度的基礎(chǔ)上大大提高分析速度,因此在優(yōu)化設(shè)計中可用來替代fdtd分析方法作為結(jié)構(gòu)分析的計算單元。本文中以所要求的傳輸系數(shù)為期望目標,以可以使誤差函數(shù)達到極小化的結(jié)構(gòu)尺寸為輸出,經(jīng)單純形優(yōu)化算法尋優(yōu),進行該具有雙阻帶特性cnpdgs的優(yōu)化設(shè)計。仿真設(shè)計和實驗的對比結(jié)果表明了這一方法的有效性。
基于人工神經(jīng)網(wǎng)絡(luò)技術(shù)的結(jié)構(gòu)布局優(yōu)化設(shè)計
格式:pdf
大?。?span id="2wnrri89hn" class="single-tag-height" data-v-09d85783>768KB
頁數(shù):4P
4.4
使用pcl(patrancommandlanguage)實現(xiàn)了patran環(huán)境下的機翼參數(shù)化模型。其優(yōu)化模型包含兩類設(shè)計變量:幾何位置變量和幾何尺寸變量。在采用nastran軟件實現(xiàn)幾何尺寸優(yōu)化的基礎(chǔ)上,結(jié)合均勻試驗設(shè)計方法,利用神經(jīng)網(wǎng)絡(luò)的高度非線性映射功能,建立了目標函數(shù)與位置設(shè)計變量的映射關(guān)系。在matlab環(huán)境下,編寫了使用改進的可行方向法的優(yōu)化程序,并對翼梁位置完成優(yōu)化,最終完成了整個機翼的布局優(yōu)化設(shè)計??梢钥闯?將參數(shù)化建模與神經(jīng)網(wǎng)絡(luò)功能結(jié)合進行結(jié)構(gòu)優(yōu)化,能更好地發(fā)揮神經(jīng)網(wǎng)絡(luò)的映射功能,使優(yōu)化結(jié)果更加精確、高效。所提方法可以解決在patran環(huán)境下的復(fù)雜結(jié)構(gòu)位置變量優(yōu)化問題,彌補了該軟件的不足之處,具有很好的應(yīng)用推廣價值。
基于神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)疲勞可靠性優(yōu)化設(shè)計
格式:pdf
大小:806KB
頁數(shù):5P
4.6
研究了人工神經(jīng)網(wǎng)絡(luò)在結(jié)構(gòu)疲勞可靠性分析和結(jié)構(gòu)優(yōu)化設(shè)計中的應(yīng)用。結(jié)構(gòu)的疲勞壽命與各影響因素之間呈高度的非線性關(guān)系,或隱函數(shù)關(guān)系,傳統(tǒng)的結(jié)構(gòu)可靠度分析方法計算困難。采用神經(jīng)網(wǎng)絡(luò)響應(yīng)面法模擬結(jié)構(gòu)的極限狀態(tài)函數(shù)及其偏導數(shù),從而進行疲勞可靠性分析,在此基礎(chǔ)上采用神經(jīng)網(wǎng)絡(luò)法對結(jié)構(gòu)進行疲勞可靠性優(yōu)化設(shè)計,通過算例說明其適用性及可行性。
基于神經(jīng)網(wǎng)絡(luò)的鋼屋架結(jié)構(gòu)優(yōu)化設(shè)計
格式:pdf
大?。?span id="2wnrri89hn" class="single-tag-height" data-v-09d85783>152KB
頁數(shù):未知
4.4
闡述了基于神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)優(yōu)化設(shè)計原理,利用神經(jīng)網(wǎng)絡(luò)的模擬退火算法對結(jié)構(gòu)優(yōu)化設(shè)計作了一些探討。通過鋼屋架結(jié)構(gòu)的優(yōu)化設(shè)計算例驗證了神經(jīng)網(wǎng)絡(luò)用于結(jié)構(gòu)優(yōu)化的有效性與準確性。
基于動態(tài)變結(jié)構(gòu)BP神經(jīng)網(wǎng)絡(luò)的目標威脅評估
格式:pdf
大?。?span id="2wnrri89hn" class="single-tag-height" data-v-09d85783>802KB
頁數(shù):5P
4.3
針對傳統(tǒng)目標威脅估計方法和bp神經(jīng)網(wǎng)絡(luò)的不足,在bp神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)上,建立了基于動態(tài)變結(jié)構(gòu)bp神經(jīng)網(wǎng)絡(luò)的目標威脅估計模型。該模型通過在權(quán)值向量更新公式中引入沖量函數(shù),加快了網(wǎng)絡(luò)的搜索速度和精度,保證了網(wǎng)絡(luò)獲得全局最優(yōu)值;通過實時調(diào)整隱含層節(jié)點數(shù)目,可以將網(wǎng)絡(luò)結(jié)構(gòu)優(yōu)化,極大地提升了網(wǎng)絡(luò)的靈活性。仿真結(jié)果表明,與傳統(tǒng)目標威脅估計方法和bp神經(jīng)網(wǎng)絡(luò)相比,動態(tài)變結(jié)構(gòu)bp神經(jīng)網(wǎng)絡(luò)具有更好的預(yù)測能力和收斂速度,可以快速、準確地完成目標威脅估計。
基于BP神經(jīng)網(wǎng)絡(luò)的科研績效評價模型結(jié)構(gòu)
格式:pdf
大小:172KB
頁數(shù):未知
4.7
文章論述了基于主成分分析法的bp模型結(jié)構(gòu),用新的方法來改進科研績效評價系統(tǒng)統(tǒng)計的合理性和正確性。
基于BP神經(jīng)網(wǎng)絡(luò)的機械臂軌跡控制研究??
格式:pdf
大?。?span id="2wnrri89hn" class="single-tag-height" data-v-09d85783>281KB
頁數(shù):4P
4.5
針對六自由度機械臂耦合性強、時變、非線性等性能,基于拉格朗日動力學建模方法,文章采用bp神經(jīng)網(wǎng)絡(luò)逼近模型,實現(xiàn)高精度軌跡跟蹤。該方法根據(jù)六自由度機械臂本體采集的數(shù)據(jù)進行黑箱辨識建模解耦,建模過程采用bp神經(jīng)網(wǎng)絡(luò)逼近,提升建模精度、簡化建模過程。針對解耦后的系統(tǒng),還需建立pid閉環(huán)控制器進一步實現(xiàn)軌跡跟蹤控制。仿真及實驗結(jié)果表明,基于bp神經(jīng)網(wǎng)絡(luò)的pid控制器能夠改善系統(tǒng)的魯棒性和穩(wěn)定性,并有效抑制抖動。
工程結(jié)構(gòu)優(yōu)化設(shè)計中的神經(jīng)網(wǎng)絡(luò)方法
格式:pdf
大?。?span id="2wnrri89hn" class="single-tag-height" data-v-09d85783>216KB
頁數(shù):3P
4.8
分析人工神經(jīng)網(wǎng)絡(luò)適用與工程結(jié)構(gòu)優(yōu)化的主要特征,建立結(jié)構(gòu)優(yōu)化設(shè)計的神經(jīng)網(wǎng)絡(luò)方法流程,討論了人工神經(jīng)網(wǎng)絡(luò)在結(jié)構(gòu)優(yōu)化中的應(yīng)用,給出了十桿桁架的動力優(yōu)化實例。算例表明,神經(jīng)網(wǎng)絡(luò)求解結(jié)構(gòu)優(yōu)化問題,避免了不必要的結(jié)構(gòu)分析,減少了計算花費,提高了收斂速度。
基于遺傳神經(jīng)網(wǎng)絡(luò)的巖土參數(shù)優(yōu)化反分析
格式:pdf
大?。?span id="2wnrri89hn" class="single-tag-height" data-v-09d85783>460KB
頁數(shù):4P
4.6
由于地下工程巖土力學參數(shù)的復(fù)雜性,在實際工程設(shè)計和施工中,要想得到比較準確的巖土力學參數(shù)是比較困難的,而巖土參數(shù)對地下工程的設(shè)計和施工的成敗具有很重要的意義。本文利用遺傳神經(jīng)網(wǎng)絡(luò)優(yōu)化算法結(jié)合數(shù)值模擬試驗對地下工程巖土力學參數(shù)進行優(yōu)化反分析,并取得了良好的效果。
基坑變形人工神經(jīng)網(wǎng)絡(luò)預(yù)測及其網(wǎng)絡(luò)參數(shù)優(yōu)化
格式:pdf
大?。?span id="2wnrri89hn" class="single-tag-height" data-v-09d85783>364KB
頁數(shù):6P
3
基坑變形人工神經(jīng)網(wǎng)絡(luò)預(yù)測及其網(wǎng)絡(luò)參數(shù)優(yōu)化——基坑變形人工神經(jīng)網(wǎng)絡(luò)預(yù)測受網(wǎng)絡(luò)參數(shù)的影響較大,選取適當?shù)木W(wǎng)絡(luò)參數(shù)才能得到較優(yōu)的預(yù)測結(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)測為例,說明其具體預(yù)測步驟及網(wǎng)絡(luò)參數(shù)優(yōu)...
一種四滑塊驅(qū)動的并聯(lián)機構(gòu)及其運動學建模
格式:pdf
大小:437KB
頁數(shù):未知
4.4
提出了一種用水平導軌上4個滑塊作為原動件的4自由度并聯(lián)平臺機構(gòu),該機構(gòu)的動平臺能夠?qū)崿F(xiàn)兩個方向的移動以及繞兩個方向軸線的轉(zhuǎn)動,同時研究了該機構(gòu)的運動學建模方法,給出了運動學正、逆解,并闡述了其應(yīng)用前景。
改進的BP神經(jīng)網(wǎng)絡(luò)在傳動軸結(jié)構(gòu)設(shè)計中的應(yīng)用
格式:pdf
大?。?span id="2wnrri89hn" class="single-tag-height" data-v-09d85783>251KB
頁數(shù):3P
4.6
shaffer函數(shù)定義域在[-10,10]區(qū)間內(nèi),bp神經(jīng)網(wǎng)絡(luò)擬合該函數(shù)訓練時間長,且無法達到期望精度,說明bp神經(jīng)網(wǎng)絡(luò)擬合復(fù)雜非線性函數(shù)能力需改善.文章提出了一種改進的bp神經(jīng)網(wǎng)絡(luò),先對網(wǎng)絡(luò)的輸入進行k-means聚類,bp神經(jīng)網(wǎng)絡(luò)訓練采用大規(guī)模節(jié)點,聚類輸入分別激活部分節(jié)點進行訓練,每組聚類使用不同的節(jié)點,通過子網(wǎng)絡(luò)訓練聚類樣本,減少了網(wǎng)絡(luò)擬合難度.經(jīng)測試改進的bp神經(jīng)網(wǎng)絡(luò)達到了精度.最后,用改進的bp神經(jīng)網(wǎng)絡(luò)進行了軸徑的最優(yōu)計算.
基于遺傳克隆選擇算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的地理信息預(yù)測研究
格式:pdf
大小:486KB
頁數(shù):4P
4.7
針對bp神經(jīng)網(wǎng)絡(luò)訓練過程中的訓練時間較長、完全不能訓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。
基于遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的電解碲電源
格式:pdf
大?。?span id="2wnrri89hn" class="single-tag-height" data-v-09d85783>3.2MB
頁數(shù):6P
4.5
優(yōu)化電解碲電源對電解行業(yè)節(jié)能增效、提高電解產(chǎn)品質(zhì)量和改善電網(wǎng)環(huán)境具有重要意義.電源前級采用三相電壓型pwm整流器;在建立pwm整流器數(shù)學模型的基礎(chǔ)上;通過改進雙閉環(huán)pi控制策略;即外環(huán)基于并行搜索全局尋優(yōu)的遺傳算法優(yōu)化bp神經(jīng)網(wǎng)絡(luò)權(quán)值和閾值的智能控制方法;分析網(wǎng)側(cè)電流波形和諧波含量;可得到所需的額定電解電壓和電流;以matlab/simulink軟件為平臺進行仿真計算.結(jié)果表明:ga-bp(geneticalgorithm-backpropagation)算法具有輸出電壓平穩(wěn)、響應(yīng)速度快、超調(diào)量小、抗干擾性強等優(yōu)點.
工業(yè)控制網(wǎng)絡(luò)入侵檢測的BP神經(jīng)網(wǎng)絡(luò)優(yōu)化方法
格式:pdf
大?。?span id="2wnrri89hn" class="single-tag-height" data-v-09d85783>834KB
頁數(shù):6P
4.7
針對工業(yè)控制系統(tǒng)入侵檢測模型對各類攻擊的檢測率和檢測效率不高的問題,提出一種adaboost算法優(yōu)化bp神經(jīng)網(wǎng)絡(luò)的入侵檢測模型.首先利用主成分分析法對原始數(shù)據(jù)集進行預(yù)處理,消除其相關(guān)性;其次利用adaboost算法對訓練樣本的權(quán)重進行不斷調(diào)整,從而獲得bp神經(jīng)網(wǎng)絡(luò)最優(yōu)權(quán)重和閾值;最后再通過adaboost算法將bp弱分類器組合成bp強分類器,從而實現(xiàn)工業(yè)控制系統(tǒng)的異常檢測.實驗結(jié)果表明該方法在對各攻擊類型的檢測率和測試時間明顯優(yōu)于其他算法模型.
基于BP神經(jīng)網(wǎng)絡(luò)的建筑物用電能耗預(yù)測
格式:pdf
大?。?span id="2wnrri89hn" class="single-tag-height" data-v-09d85783>149KB
頁數(shù):4P
4.5
建筑節(jié)能是當今城市建設(shè)和社會發(fā)展的前沿和研究熱點,對建筑的能耗現(xiàn)狀進行綜合分析與評估是進行節(jié)能改造或節(jié)能設(shè)計的前提和基礎(chǔ),而建立反映能耗變化的預(yù)測模型是從宏觀尺度上分析認識建筑能耗變化與發(fā)展特性、為公共建筑節(jié)能工作提供決策依據(jù)的有效途徑和重要手段。研究針對常規(guī)bp網(wǎng)絡(luò)算法收斂速度慢、易陷入局部最小點的缺點,采用了具有較快收斂速度及穩(wěn)定性的lm算法進行預(yù)測,構(gòu)造了基于bp神經(jīng)網(wǎng)絡(luò)的建筑物用電量預(yù)測模型。以某市公共建筑原始用電能耗統(tǒng)計數(shù)據(jù)作為樣本,并采用matlab對預(yù)測模型進行了仿真預(yù)測。結(jié)果顯示:誤差在允許范圍內(nèi)。
基于PCA的BP神經(jīng)網(wǎng)絡(luò)分類器
格式:pdf
大?。?span id="2wnrri89hn" class="single-tag-height" data-v-09d85783>1.6MB
頁數(shù):8P
4.3
由于入侵檢測處理的多為高維數(shù)據(jù),為了提高入侵檢測的效率和準確率,提出了一種基于主成分分析(pca)的特征提取方法,對數(shù)據(jù)源進行特征降維,將獲得的主成分作為bp神經(jīng)網(wǎng)絡(luò)的輸入進行數(shù)據(jù)識別.同時介紹了matlab中相關(guān)函數(shù),并與傳統(tǒng)入侵檢測方法進行了比較.實驗結(jié)果表明:基于主成分分析的特征提取方法在簡化bp神經(jīng)網(wǎng)絡(luò)規(guī)模的同時,顯著提高了入侵檢測識別效果.
盾構(gòu)施工引起地表沉降的BP神經(jīng)網(wǎng)絡(luò)預(yù)測
格式:pdf
大?。?span id="2wnrri89hn" class="single-tag-height" data-v-09d85783>492KB
頁數(shù):4P
4.6
根據(jù)盾構(gòu)施工引起地表沉降的具體問題,結(jié)合廣州地鐵三號線某區(qū)間地質(zhì)資料,建立了地表沉降預(yù)測的bp神經(jīng)網(wǎng)絡(luò)模型,并對網(wǎng)絡(luò)進行了訓練和測試,測試結(jié)果表明,利用神經(jīng)網(wǎng)絡(luò)進行盾構(gòu)隧道施工的地表沉降預(yù)測是可行的,可用于工程實踐。
文輯推薦
知識推薦
百科推薦
職位:資深消防設(shè)計師
擅長專業(yè):土建 安裝 裝飾 市政 園林