開采影響下建筑物損害程度的人工神經(jīng)網(wǎng)絡預測模型
格式:pdf
大?。?span id="2wnrri89hn" class="single-tag-height" data-v-09d85783>66KB
頁數(shù):5P
人氣 :74
4.4
在綜合分析開采影響下建筑物損壞程度影響因素的基礎上,采用自適應BP神經(jīng)網(wǎng)絡技術(shù)建立了建筑物采動損壞程度的預測模型。以大量的建筑物采動損壞實例作為學習訓練樣本和測試樣本,對模型預測結(jié)果與實際值進行了對比分析。結(jié)果表明,用人工神經(jīng)網(wǎng)絡方法預測建筑物采動損害程度是可行的。為開采影響下建筑物損壞程度預測和評價探索出了一種新的方法。
BP人工神經(jīng)網(wǎng)絡模型在建筑物沉降預測中應用
格式:pdf
大小:105KB
頁數(shù):2P
以bp人工神經(jīng)網(wǎng)絡模型為基礎,建立預測模型,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)絡模型進行訓練,并對9期~12期實際觀測值與預測值進行了比較,結(jié)果比較理想,從而驗證了采用bp人工神經(jīng)網(wǎng)絡模型進行建筑物沉降的預測是可行的。
基于人工神經(jīng)網(wǎng)絡的建筑物沉降預測
格式:pdf
大?。?span id="2wnrri89hn" class="single-tag-height" data-v-09d85783>93KB
頁數(shù):2P
根據(jù)建筑物實測沉降利用人工神經(jīng)網(wǎng)絡理論,建立了前饋網(wǎng)絡預測模型并提出新的學習算法,結(jié)合某建筑物糾偏工程實例對建筑物沉降進行了預測.預測結(jié)果表明神經(jīng)網(wǎng)絡方法是可行且有效的.
基于人工神經(jīng)網(wǎng)絡的建筑物軟基沉降預測
格式:pdf
大?。?span id="2wnrri89hn" class="single-tag-height" data-v-09d85783>495KB
頁數(shù):5P
4.4
提出基于人工神經(jīng)網(wǎng)絡的基礎最終沉降的預測新方法,通過工程實例應用,在較短的實測資料情況下,可獲得較小誤差的最終沉降量,所建立的模型預測精度高。
基于人工神經(jīng)網(wǎng)絡的工程估價預測模型
格式:pdf
大小:1019KB
頁數(shù):3P
4.6
**資訊http://www.***.*** **資訊http://www.***.*** **資訊http://www.***.***
基于人工神經(jīng)網(wǎng)絡的工程估價預測模型
格式:pdf
大?。?span id="2wnrri89hn" class="single-tag-height" data-v-09d85783>344KB
頁數(shù):3P
4.3
人工神經(jīng)網(wǎng)絡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)絡及bp網(wǎng)絡的基本原理與特征的分析,建立了工程估價預測模型.
基于神經(jīng)網(wǎng)絡模型的建筑物變形預測
格式:pdf
大?。?span id="2wnrri89hn" class="single-tag-height" data-v-09d85783>369KB
頁數(shù):3P
4.8
提出了根據(jù)實測數(shù)據(jù)構(gòu)造神經(jīng)網(wǎng)絡變形預測模型的基本思路,構(gòu)造出基于bp算法的神經(jīng)網(wǎng)絡變形預測模型,并給出應用實例分析。結(jié)果表明,神經(jīng)網(wǎng)絡應用于變形預測效果良好,具有一定參考價值和指導意義。
飽和醇結(jié)構(gòu)-保留定量相關的人工神經(jīng)網(wǎng)絡模型
格式:pdf
大?。?span id="2wnrri89hn" class="single-tag-height" data-v-09d85783>660KB
頁數(shù):4P
4.4
以拓撲指數(shù)為結(jié)構(gòu)描述符,用基于levenberg-marquardt優(yōu)化的bp神經(jīng)網(wǎng)絡建立了醇類化合物的結(jié)構(gòu)與色譜保留值的相關性模型,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)的同時預測,其學習速率優(yōu)于文獻中普通bp神經(jīng)網(wǎng)絡法,預測準確度與普通bp神經(jīng)網(wǎng)絡法接近,但優(yōu)于多元線性回歸法,因而是一種較好的預測有機化合物氣相色譜保留指數(shù)的方法.
大型組合結(jié)構(gòu)整體性分析的人工神經(jīng)網(wǎng)絡模型
格式:pdf
大?。?span id="2wnrri89hn" class="single-tag-height" data-v-09d85783>669KB
頁數(shù):4P
4.4
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緊元件的預緊參數(shù)。確定預緊參數(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,實際上無法實現(xiàn)。文章提出用人工神經(jīng)網(wǎng)絡取代有限元進行整體性分析的方法,并針對某大型壓機建立了神經(jīng)網(wǎng)絡模型。結(jié)果表明,用該方法可快速完成復雜組合結(jié)構(gòu)的整體性分析,且精度較高。
基于人工神經(jīng)網(wǎng)絡的工程估價預測模型 (2)
格式:pdf
大?。?span id="2wnrri89hn" 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)絡的公路軟基沉降預測模型
格式:pdf
大?。?span id="2wnrri89hn" class="single-tag-height" data-v-09d85783>52KB
頁數(shù):4P
4.5
基于人工神經(jīng)網(wǎng)絡理論,提出了根據(jù)前期沉降觀測資料進行沉降預測的人工神經(jīng)網(wǎng)絡模型,并用于汕汾高速公路預壓荷載卸荷時間預報.研究表明,所建議的模型較傳統(tǒng)沉降預測模型具有顯著的優(yōu)越性,應用前景廣闊.
灰關聯(lián)與人工神經(jīng)網(wǎng)絡在建筑物震害預測中的應用
格式:pdf
大?。?span id="2wnrri89hn" class="single-tag-height" data-v-09d85783>411KB
頁數(shù):3P
4.3
基于灰關聯(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)絡非線性模型對震害實例樣本進行了訓練。結(jié)果表明:利用灰關聯(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,有利于實際的工程抗震設計;基于bp人工神經(jīng)網(wǎng)絡模型的多層磚房的震害預測結(jié)果與震害實例的實際情況比較吻合,其思路和方法可推廣于其他不同類型的建筑結(jié)構(gòu)的震害預測。
應用人工神經(jīng)網(wǎng)絡預測建筑物空調(diào)負荷
格式:pdf
大?。?span id="2wnrri89hn" class="single-tag-height" data-v-09d85783>412KB
頁數(shù):3P
4.3
用vb編制了人工神經(jīng)網(wǎng)絡的通用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月逐時冷負荷,結(jié)果顯示利用神經(jīng)網(wǎng)絡的預測值與計算值吻合。
基于人工神經(jīng)網(wǎng)絡的工程造價預測模型
格式:pdf
大?。?span id="2wnrri89hn" class="single-tag-height" data-v-09d85783>394KB
頁數(shù):2P
4.6
利用神經(jīng)網(wǎng)絡強大的非線性映射能力,提出了一種基于bp神經(jīng)網(wǎng)絡模型的工程造價預測模型,指出該預測模型可對不同情況的工程造價進行合理的預測,實例檢驗證明,該方法收斂速度快,預測的可靠性令人滿意。
變結(jié)構(gòu)人工神經(jīng)網(wǎng)絡模型及其在成礦預測中的應用
格式:pdf
大小:410KB
頁數(shù):5P
4.5
針對人工神經(jīng)網(wǎng)絡成礦預測模型結(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)絡成礦預測模型,經(jīng)用華南26個巖體檢驗,回憶率及預測率均高達100%。該方法提供了一種面向具體問題的動態(tài)解決方案,在成礦預測工作中具有一定的實用性。
基于人工神經(jīng)網(wǎng)絡的工程造價預測模型
格式:pdf
大?。?span id="2wnrri89hn" class="single-tag-height" data-v-09d85783>311KB
頁數(shù):2P
3
基于人工神經(jīng)網(wǎng)絡的工程造價預測模型——利用神經(jīng)網(wǎng)絡強大的非線性映射能力,提出了一種基于bp神經(jīng)網(wǎng)絡模型的工程造價預測模型,指出該預測模型可對不同情況的工程造價進行合理的預測,實例檢驗證明,該方法收斂速度快,預測的可靠性令人滿意。
基坑變形灰色人工神經(jīng)網(wǎng)絡預測模型及其應用
格式:pdf
大?。?span id="2wnrri89hn" class="single-tag-height" data-v-09d85783>171KB
頁數(shù):5P
4.5
針對基坑變形預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)絡預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測研究,得到支護體系的不同預測模型的組合預測值。研究結(jié)果表明:灰色神經(jīng)網(wǎng)絡預測誤差比gm(1,1)預測模型小;與bp預測模型相比,前期誤差大,后期誤差小。在基坑變形監(jiān)測中,為了更準確地預測基坑變形,可以采用灰色神經(jīng)網(wǎng)絡預測與bp預測相結(jié)合的方法進行預測。
人工神經(jīng)網(wǎng)絡模型描述
格式:pdf
大?。?span id="2wnrri89hn" class="single-tag-height" data-v-09d85783>809KB
頁數(shù):3P
4.7
人工神經(jīng)網(wǎng)絡模型描述
基于GIS和BP神經(jīng)網(wǎng)絡耦合模型的建筑物震害預測
格式:pdf
大?。?span id="2wnrri89hn" class="single-tag-height" data-v-09d85783>1.4MB
頁數(shù):5P
4.6
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)絡和gis耦合模型的多層磚房震害預測.研究表明:水平成層土地震反應分析程序shake91在vb菜單下可直接調(diào)用,實現(xiàn)地震動影響場計算的模塊化;bp神經(jīng)網(wǎng)絡應用于建筑物震害預測中,能達到較理想的效果,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測結(jié)果與建筑物信息進行空間匹配,實現(xiàn)地震災害損失快速評估.
鋼-混凝土粘結(jié)預測的人工神經(jīng)網(wǎng)絡模型
格式:pdf
大?。?span id="2wnrri89hn" class="single-tag-height" data-v-09d85783>79KB
頁數(shù):2P
4.5
提出人工神經(jīng)網(wǎng)絡模型來模擬傳統(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)絡模型)或抗壓強度(第二神經(jīng)網(wǎng)絡)以及根據(jù)rilem試驗設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)絡模型進行訓練。根據(jù)反向傳播算法,進行多層感知器訓練。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。
盾構(gòu)施工引起地表變形的人工神經(jīng)網(wǎng)絡研究
格式:pdf
大?。?span id="2wnrri89hn" class="single-tag-height" data-v-09d85783>663KB
頁數(shù):4P
4.8
討論了地鐵區(qū)間隧道盾構(gòu)施工引起的地表變形機理,并結(jié)合某地鐵工程的實踐,利用神經(jīng)網(wǎng)絡技術(shù)處理非線性問題的優(yōu)勢,應用人工神經(jīng)網(wǎng)絡對地表沉降進行了預測,經(jīng)與現(xiàn)場實測值作對比分析,證實該方法具有較高的準確性。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的適應性。
基于人工神經(jīng)網(wǎng)絡的投標報價決策模型
格式:pdf
大小: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)絡結(jié)構(gòu),建立了基于人工神經(jīng)網(wǎng)絡的投標報價模型,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依據(jù)。
建設項目風險管理的人工神經(jīng)網(wǎng)絡模型研究
格式:pdf
大小:327KB
頁數(shù):3P
3
建設項目風險管理的人工神經(jīng)網(wǎng)絡模型研究——利用3層并行分布式人工神經(jīng)網(wǎng)絡連接模型和bp網(wǎng)絡算法理論,建立建設項目bp網(wǎng)絡風險預測模型,對項目的總體風險進行評價,得到項目風險的量化參考指標,對建設項目風險估計網(wǎng)絡模型的建立進行分析,為項目投標決策...
灰色神經(jīng)網(wǎng)絡模型在建筑物變形預報中的應用
格式:pdf
大?。?span id="2wnrri89hn" class="single-tag-height" data-v-09d85783>656KB
頁數(shù):4P
4.3
介紹灰色神經(jīng)網(wǎng)絡模型的建模原理和方法,并采用該模型對實際的監(jiān)測數(shù)據(jù)進行處理和分析。結(jié)果表明,灰色神經(jīng)網(wǎng)絡模型能夠在小樣本、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)做出比較準確的模擬和預報,從而能夠為變形監(jiān)測的數(shù)據(jù)處理提供一種較好的方法,能夠滿足實際應用的需求。
人工神經(jīng)網(wǎng)絡和BOTDR技術(shù)在結(jié)構(gòu)物局部變形預測中的應用
格式:pdf
大?。?span id="2wnrri89hn" class="single-tag-height" data-v-09d85783>774KB
頁數(shù):4P
4.4
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)物局部點的應變變化建立了4層人工神經(jīng)網(wǎng)絡模型,對結(jié)構(gòu)物的局部變形進行預測,并利用隧道實測數(shù)據(jù)對預測值進行了驗證,取得了比較滿意的效果。
文輯推薦
知識推薦
百科推薦
職位:中級電氣工程師
擅長專業(yè):土建 安裝 裝飾 市政 園林