基于均勻設計和神經網絡的拱橋可靠度計算——近二十年來大跨度鋼管混凝土拱橋在我國得到廣泛的應用，但目前基于可靠度理論的拱橋設計方法尚未完全建立，拱橋結構的可靠度評估和計算方法還有許多問題亟待研究。提出一種基于均勻設計和神經網絡的結構可靠度計算方...

基于人工神經網絡的焊條性能預報系統隱含層結構討論——研究了基于電焊條化學成分與熔敷金屬抗拉強度的關系；討論了網絡隱含層神經元個數對預報結果的影響及其變化規律。

焊條熔敷金屬抗拉強度預報神經網絡模型——基于人工神經網絡原理，以酸性焊條配方為研究對象，在生產數據支持的基礎上，建立了反映焊條配方與熔敷金屬抗拉強度之間映射關系的神經網絡模型。采用bp算法訓練網絡。研究結果表明，該模型預測的結果同生產實際值之間...

結構鋼焊條熔敷金屬化學成分的人工神經網絡預測系統——基于maflab神經網絡工具箱，設計了一個用于結構鋼焊條熔敷金屬化學成分預測的神經網絡模型。該模型采用前向神經網絡，利用bp算法，建立了熔敷金屬化學成分與力學性能之間的關系。用此神經網絡，既可預測結...

凍粘土三軸流變特性的神經網絡預測——針對凍粘土特殊的物理力學性質、通過詳細的凍粘土i軸應力條件下長期蠕變實驗，討論了溫度、軸壓、圍壓三種因素對凍粘土蠕變特性的影響，并利用人工神經網絡(ann)方法對跨粘土三軸流變特性進行了預測，建立了bp網絡模型，...

路網規模研究是公路網規劃的重要內容。考慮影響公路網合理規模的多種因素,提出了一種基于bp神經網絡的公路網規模預測方法,并建立了模擬路網規模與其影響因素間的非線形關系預測模型。步驟依次為:改進傳統的bp算法、合理確定影響因素、建立預測模型、模型的訓練與檢驗、數據預測。預測結果表明,該方法客觀、合理,預測精度高,實用性強,具有較強的理論與實際應用價值。

采用硬度、電導率測量和x射線物相分析技術研究了鋁鋅鎂鈧合金鑄錠均勻化處理過程中組織和性能的變化規律,結果表明,鑄態合金過飽和程度高,合金電導率較低而硬度較高;鑄錠均勻化處理過程中,隨均勻化溫度升高,t相先大量析出后逐漸回溶入固溶體基體,基體固溶度先降后升,合金電導率先升后降,合金硬度則先降后升,更高溫度均勻化,晶粒粗化,硬度又下降。在此基礎上,運用matlab神經網絡工具箱進行bp神經網絡設計,采用改進的bp網絡levenberg-marquardt算法對權值和閾值進行訓練,建立了鋁鋅鎂鈧合金均勻化工藝參數到性能預測的bp神經網絡模型。實驗驗證結果表明,該模型計算值與實驗值吻合精度高,泛化檢測點電導率相對誤差≤±0.23%,硬度相對誤差≤±1.90%,可有效預測和分析均勻化工藝對鋁鋅鎂鈧合金性能的影響,為優化均勻化工藝、降低試驗成本提供一種新方法。

同條件養護混凝土試件強度與混凝土的配合比、環境溫度、養護時間有密切的關系,它們之間是復雜的非線性關系,采用神經網絡模型方法,界定兩者之間的關系,可用于實際工程的強度預測。

針對電力系統短期負荷預測的特點,以及人工神經網絡的自學習和復雜的非線性擬合能力,將人工神經網絡的bp、elman、rbf三種模型用于短期負荷預測,建立了短期電力負荷預測模型,綜合考慮氣象、天氣等影響負荷因素進行短期負荷預測。某電網實際預測結果表明,rbf比bp、elman有更好的預測精度,更快的速度。

雙電極焊條單弧焊的熔化特性ⅰ．雙電極焊條的加熱和熔化——通過測量雙電極焊條的動態溫升等試驗方法研究r雙電極焊條單弧焊中雙電極焊條的加熱和熔化。研究結果表明，雙電極焊條的熔化系數隨焊接電流的增大、藥皮重量系數和焊芯間距的減小而增大，是單芯焊條的...

1.引言神經網絡是一種信息處理系統,它由大量而簡單的處理單元(神經元)廣泛的相連接而形成復雜系統,它通過學習來解決問題,基坑沉降的預測是一項難以通過理論分析出影響因素與沉降結果映射關系的工作,而這項工作如果交

神經網絡組合預測法在軟基沉降預測中的應用——通過引入神經網絡組合預測模型，對軟基沉降序列進行了非線性組合預測。預測結果表明，神經網絡組合預測的結果比各單項模型預測的結果都好，提高了軟基沉降的預測精度，可進一步推廣應用。　　

以tga試驗數據為基礎,利用bp神經網絡模型分析并預測了煅燒和碳酸化循環過程、鈣基吸收劑活性以及循環反應速率和轉化率的變化趨勢.結果表明:鈣基吸收劑經過多次碳酸化循環,其活性存在明顯衰減趨勢;鈣基吸收劑的活性和化學反應速率不僅受到循環次數的影響,而且還受到試驗樣品物性、煅燒溫度、煅燒時間以及煅燒氣氛等的影響;bp神經網絡模型可以直觀、準確地描述鈣基吸收劑的碳酸化循環反應特性,其模型數據可以減少試驗次數,并可為模型鈣基吸收劑煅燒和碳酸化循環反應過程以及反應活性的變化提供新的方式.

建筑節能是當今城市建設和社會發展的前沿和研究熱點,對建筑的能耗現狀進行綜合分析與評估是進行節能改造或節能設計的前提和基礎,而建立反映能耗變化的預測模型是從宏觀尺度上分析認識建筑能耗變化與發展特性、為公共建筑節能工作提供決策依據的有效途徑和重要手段。研究針對常規bp網絡算法收斂速度慢、易陷入局部最小點的缺點,采用了具有較快收斂速度及穩定性的lm算法進行預測,構造了基于bp神經網絡的建筑物用電量預測模型。以某市公共建筑原始用電能耗統計數據作為樣本,并采用matlab對預測模型進行了仿真預測。結果顯示:誤差在允許范圍內。

砂土地震液化的神經網絡預測——分析了砂土地震液化預測方法的研究現狀，采用改進的bp神經網絡模型對收集的樣本進行了學習和預測，取得較好的預測效果。

根據建筑物實測沉降利用人工神經網絡理論,建立了前饋網絡預測模型并提出新的學習算法,結合某建筑物糾偏工程實例對建筑物沉降進行了預測.預測結果表明神經網絡方法是可行且有效的.

鑒于前人推導的鎬形截齒破巖截割阻力和截割比能耗的理論公式計算值與實際值相差較大以及最優截槽寬沒有定量表示,文中選取巖石密度、單軸抗壓強度、抗拉強度、靜態彈性模量等為影響因子,建立了bp預測網絡模型,并利用此模型對我國常見的4種巖石鎬形齒截割參數進行了預測。檢驗及預測的結果表明建立的預測網絡運行穩定,預測結果良好,對截割力的預測優于理論計算結果,對截槽寬和截割厚度最優比值、截割比能耗的預測結果良好,相對現有理論的計算和經驗公式計算精度有了很大提高,能更好的滿足工程要求。

本文結合住宅房地產的價格理論和相關網站上的數據,科學地選取影響商品住宅價格的影響指標為人均gdp、人均可支配收入、人口數量、房地產開發投資額和商品住宅建筑面積,并以此建立hedonic商品住宅價格影響因素模型。依照bp神經網絡預測的實現步驟,探索bp神經網絡在預測海口市商品住宅價格的應用,得到2018年6月-2019年5月商品住宅價格預測值,對海口市商品住宅價格的研究具有一定的指導作用。

利用matlab建立bp神經網絡,將影響建筑能耗的18個因素作為網絡的輸入,進行學習訓練,最后通過測試樣本點數據預測建筑能耗,與dest-h模擬計算得到的結果比較,發現相對誤差在3.5%以內,并通過實例驗證了該網絡模型的準確性。該方法使建筑人員在設計階段就能快速且準確地獲得設計建筑的能耗。

為研究嚴寒地區建筑熱環境和人體熱舒適,于2004年9月至2005年12月在哈爾濱進行了20次現場研究,測量了室內熱舒適參數.利用人工神經網絡方法,建立了嚴寒地區建筑pmv的bp神經網絡評判模型,實現了對嚴寒地區建筑熱環境內pmv的智能化預測.現場研究結果驗證表明,該模型預測的嚴寒地區建筑熱環境內pmv與實際主觀調查吻合.

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。

基于神經網絡房地產價格指數的預測研究——研究表明,房地產價格指數常表現為非線性,要對它進行預測就必須利用一種能模擬非線性的模型。從理論上講,神經網絡能夠無限逼近非線性函數,所以本文便嘗試采用神經網絡模型作為預測的模型。本文具體運用的是基于誤差反向...