文章主要對江西高速公路信息中心建設中的道路氣象監測平臺和交通應急監控平臺做了一些具體的研究。主要研究內容首先是道路氣象監測平臺監測各路段及關鍵點的各種異常交通環境因素變化和氣象狀況。將數據信息及時傳送到高速公路信息中心基于地理信息系統gis模型，再通過bp神經網絡模型分析路況實時氣象數據（氣溫、濕度、風向、路面溫度、能見度等）與道路車輛行駛狀況（如交通量、速度、道路占有率等）之間的關系，模擬道路天氣對道路車輛的影響。

基于甘肅高等級公路收費年收入的統計數據,結合其收入和交通量之間的粗略關系,運用bp神經網絡預測高等級公路各收費站年收入,從而間接地對高等級公路交通流量進行預測,為提高高速公路的管理與服務水平,對提高高等級公路管理部門的信息感知能力和應急處置能力、提高路網運行效率、建設和諧高等級公路具有極其重要的意義。

引言高速公路交通量預測是高速公路建設項目可行性研究報告的一項重要內容,它是進行交通量現狀評價、綜合分析建設項目的必要性和可行性的基礎,是確定高速公路建設項目的技術等級、工程規模、效益分析的主要依據。同時,其準確率直接關系高速公路投資回報率,甚至影響項目國民經濟評價及財務評價。根據調查資料和工程項目的性質選用不同的預測方法,國內、外已提出的各種預測方法多達200種左右,但用于實際操作的較少,如頭腦風暴法、專家預測法、

以宏觀動態交通流模型為基礎,分析了模型中各個參數之間的函數關系.給出了基于bp神經網絡理論的高速公路交通流預測模型建立的方法,對高速公路進行建模.該模型可以通過對高速公路交通流信息的實時采集對參數進行動態的修正,達到交通流信息預測的準確性要求.

為了提高高速公路沉降預測的精度,提出了"雙曲線+神經網絡"的混合模型對高速公路沉降進行預測.基于某省某高速公路k57+580m斷面2003—2013年的實測沉降數據,采用雙曲線模型對施工期和通車期分別進行沉降預測.然后利用構建的混合模型重新對該斷面進行施工期和通車期的沉降預測,分析比較2種模型的預測精度.為了驗證2種模型的預測精度,選取該高速公路k156+100m斷面實測數據進行計算.結果表明,混合模型在施工期和通車期的預測值的中誤差分別達到1.13和7.30mm,預測精度相比雙曲線模型在施工期和通車期分別提高了66.2%和41.8%.

工程項目前期造價的確定直接關系到整個項目的總體運作情況,因此準確的確定前期造價是非常重要的。目前工程中應用的投資估算編制方法不是很科學,采用bp神經網絡方法改進投資估算的確定方法。結果表明,該方法可以有效的提高其編制精度,為科學的確定和有效的控制工程造價中全過程造價奠定了良好的工作基礎。

準確的交通流預測是智能交通系統的關鍵技術,為此,本文以衡大高速為研究對象,提出基于ga-bp神經網絡的衡大高速日交通流量預測方法。本文通過閾值方法對微波車檢器數據進行預處理,根據ga-bp神經網絡算法建立了交通流量預測模型,并通過計算機仿真驗證對比預測結果和實際流量數據,其預測結果精度高,可滿足日常交通管理需求,為交通管理提供了有效的技術支撐、本課題受到河北省交通運輸廳科研課題(y-2014022)的支持。

采用comgis(組件式地理信息系統)技術開發了結合專業震害分析模型的建筑物震害評估系統,討論了基于bp人工神經網絡和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菜單下可直接調用,實現地震動影響場計算的模塊化;bp神經網絡應用于建筑物震害預測中,能達到較理想的效果,其計算模型在系統菜單下可直接調用;系統的gis空間分析功能可使震害預測結果與建筑物信息進行空間匹配,實現地震災害損失快速評估.

根據安全車速的概念與特征,提出綜合運用客觀數據與主觀數據,進行bp神經網絡安全車速預測的方法。首先確定影響安全車速的主要因素,然后通過客觀分析與主觀分析方法相結合的方式,獲取相關因素影響下高速公路的典型安全車速,作為建立神經網絡計算所需的樣本與驗證數據。模型的訓練與驗證過程表明,主客觀數據相結合的神經網絡方法能夠較好地預測復雜因素影響下的高速公路安全車速。

軟土地基的沉降控制是保證高速公路建設質量的一個關鍵技術。論文主要介紹了一個對高速公路路基沉降進行預測的神經網絡模型。對神經網絡的bp算法進行了改進,提高了bp算法的學習收斂速度和網絡性能的穩定性。神經網絡法預測路基沉降的難點之一是合適的訓練樣本構造問題,論文提出了新穎獨特的"訓練樣本"構造方法,且應用效果良好。利用路基沉降量實測資料直接建模,采用bp網絡計算的改進算法,可較為準確地預測大約4個月之后的沉降量,預測值與實測值吻合較好。

在現有雙車道公路運行車速預測模型的基礎上,利用matlab工具箱中的bp人工神經網絡,根據實驗路段的運行車速實測數據,通過反復訓練,建立了雙車道公路運行車速與平面線形要素之間的神經網絡關系,得出一種基于神經網絡的新的雙車道公路運行車速預測模型,以用于新建雙車道公路的線形設計中,在設計階段考慮交通安全因素,從而提高線形設計的質量。同時,該模型可用于已有雙車道公路的運行車速預測,根據預測車速值,對線形設計質量進行評價,并采取相應的改善及預防措施,提高雙車道公路線形的安全性。在應用中發現,建立的運行車速預測模型的預測精度較高,具有一定的實際應用價值。

基于神經網絡的高速公路軟基沉降分析——簡述了高速公路軟基沉降觀測的目的和意義。介紹了工后沉降的預測方法。其后，簡述了bp神經網絡的基本概念。論文提出了基于神經網絡的高速公路工后沉降預報方法。結合江蘇省某高速公路現場監測資料，進行了實例分析，說明...

bp神經網絡具有自適應機制,通過訓練和學習,達到對知識進行分類、模式判別、聯想記憶等能力,巖土工程的災害預測問題可以看作是一個模式識別問題,而巖土工程中變形情況的監測和預測模型的研究是礦山、建筑、水利等工程的一項重要課題,近年來安全監測技術發展有了巨大的飛躍,呈現出"實時"、"遠程"、"非接觸"的特點。針對bp神經網絡預測模型監測在巖土工程方面的應用,應用bp人工神經網絡實現了對巖土工程安全監測數據的預測預報,并對預測結果進行了分析,說明了隱含層數對預測結果誤差的影響。通過比對,選擇了誤差最小的較優組合對巖土工程進行預測。

基于bp神經網絡的巖土工程預測模型研究——bp神經網絡具有自適應機制，通過訓練和學習，達到對知識進行分類、模式判別、聯想記憶等能力，巖土工程的災害預測問題可以看作是一個模式識別問題，而巖土工程中變形情況的監測和預測模型的研究是礦山、建筑、水利等工...

基于灰色bp神經網絡組合模型的基坑變形預測研究——為了使得基坑變形預測在“少樣本”、“貧信息”的情況下依然能夠得出精度較高的結果，在傳統的灰色gm(1，1)模型和bp神經網絡模型的基礎上，進行了灰色bp神經網絡組合模型的研究。通過總結2傳統模型的原理和算...

根據bp神經網絡原理,以建筑特征參數為輸入變量,利用實際資料對網絡進行訓練和模擬,收集了16個住宅工程,其中的14個作為訓練樣本,2個作為檢測實例。結果顯示,該模型在建筑工程造價預測中具有有效性。

討論如何利用人工神經網絡進行電力系統短期負荷預測。研究結果表明:基于bp神經網絡的短期電力負荷預測具有精度高的特點,符合預測結果的相對誤差小于3.06%。

分析了傳統的工程偽裝評價方法的不足，較全面地考慮了影響工程偽裝效能的因素，建立了客觀的評價模型，設計了兩級神經網絡，初步提出了評價模型中各因素的指標級，構建了基于bp神經網絡的工程偽裝效能評估系統，該系統可以實現對工程偽裝效能的客觀評估。

以福建省公路旅客周轉量和貨物周轉量的統計資料為基礎,結合神經網絡技術原理,應用bp神經網絡方法建立3維輸入、單輸出、隱層單元數為15的3層神經網絡模型,分別對福建省公路旅客周轉量和貨物周轉量進行預測.結果表明,各月的旅客周轉量和貨物量預測值的最大相對誤差的絕對值分別為0.4890%和0.4495%.該模型具有簡便實用、預測精度高的優點.

文章對高速公路的工程特征進行全面的分析和篩選,確定了7個對公路工程造價影響較大的工程特征,使其作為神經網絡預測模型的輸入向量,隨之構建了基于bp神經網絡的高速公路工程造價預測模型,最后結合matlab神經網絡工具箱對程序進行設計,并選取已完工程為實例.通過對模型的訓練、修正以及實例驗證,證明bp神經網絡可以有效提高預測的精確度,具有較強的實用價值.

提出了根據實測數據構造神經網絡變形預測模型的基本思路,構造出基于bp算法的神經網絡變形預測模型,并給出應用實例分析。結果表明,神經網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。

人工神經網絡是在模仿人腦處理問題的過程中發展起來的新型智能信息處理理論,通過對人工神經網絡及bp網絡的基本原理與特征的分析,建立了工程估價預測模型.