為了提高碳鋼焊條熔敷金屬延伸率和沖擊功力學性能指標的預測準確性,建立了基于反向傳播(bp)神經網絡、徑向基函數(rbf)神經網絡、自適應模糊神經網絡(afnn)3種單一模型的碳鋼焊條熔敷金屬力學性能非線性神經網絡組合預測模型。綜合運用遺傳算法優化bp神經網絡連接權的方法對模型預測性能進行了有效改進。利用試驗獲得的55組相關樣本數據對模型進行訓練和驗證。結果表明,延伸率、沖擊功指標的預測平均相對誤差分別降為3.15%和2.67%,遠小于5%,滿足實際生產要求;與采用單一預測模型相比,使用基于遺傳算法的神經網絡組合預測模型能夠顯著提高預測準確性和泛化能力。

為了提高碳鋼焊條熔敷金屬延伸率和沖擊功力學性能指標的預測準確性,建立了基于反向傳播（bp）神經網絡、徑向基函數（rbf）神經網絡、自適應模糊神經網絡（afnn）3種單一模型的碳鋼焊條熔敷金屬力學性能非線性神經網絡組合預測模型。綜合運用遺傳算法優化bp神經網絡連接權的方法對模型預測性能進行了有效改進。利用試驗獲得的55組相關樣本數據對模型進行訓練和驗證。結果表明,延伸率、沖擊功指標的預測平均相對誤差分別降為3.15%和2.67%,遠小于5%,滿足實際生產要求;與采用單一預測模型相比,使用基于遺傳算法的神經網絡組合預測模型能夠顯著提高預測準確性和泛化能力。

**資訊http://www.***.*** **資訊http://www.***.*** **資訊http://www.***.***

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.

應用人工神經網絡模型對Q345鋼焊接接頭力學性能預測的實驗研究

介紹了用q345鋼焊接接頭力學性能的實驗數據,建立并訓練基于人工神經網絡技術的q345鋼焊接接頭抗拉強度、屈服強度、延伸率和斷面收縮率的預測模型,并用驗證性實驗結果分析了這些模型的精確程度。該實驗研究為利用計算機虛擬技術進行焊接工藝評定來替代或輔助實物焊接工藝評定進行了有益的探索。

用人工神經網絡預測高速公路軟土地基的最終沉降——采用人工神經網絡較強的非線性映射能力和學習能力，提出基于人工神經網絡的高速公路軟土地基最終沉降量的預測新方法。本方法利用實測資料直接建模，避免了傳統方法計算過程中各種人為因素的干擾，所建立的模型...

人工神經網絡具有較強的自組織、自適應、容錯性以及很強的學習、聯想能力,本文將其應用到高速公路路基沉降預測中。重點介紹了elman模型方法,本方法利用實測資料直接建模,避免了傳統方法計算過程中的各種局限性,通過對高速公路路基實測沉降資料的計算分析,證明本模型預測精度高,簡便易行,具有廣泛的工程實用價值。

根據某高速公路高路堤填土施工期路基沉降實測資料,建立了預測路基沉降的等時距bp神經網絡模型,并運用三次樣條插值獲得預測時間段內任一時刻沉降值,并與實測值進行比較,證明它具有很高的預測精度。

人工神經網絡在巖石力學中的應用——從巖石力學研究思維方式轉變的觀點出發，從巖石非線性系統辨識、工程時序預測、反分析及巖石工程系統等四個方面綜述了人工神經網絡在巖石力學中的應用進展情況，并對其應用情況進行了簡要評述?！　?/p>

從巖石力學研究思維方式轉變的觀點出發,從巖石非線性系統辨識、工程時序預測、反分析及巖石工程系統等四個方面綜述了人工神經網絡在巖石力學中的應用進展情況,并對其應用情況進行了簡要評述。

提高重軌鋼的性能控制能力對其產品質量保證有重要作用。采用神經網絡方法建立了重軌生產性能預報模型,并通過模型結構優化提高了模型預報的可靠性。通過模型自檢、歷史數據檢驗和離線應用,表明高速重軌的抗拉強度與伸長率預報命中率較高,可基本滿足生產要求。

借助人工神經網絡模型,建立了可依據現場量測信息對軟基路堤沉降量隨時間而發展的過程進行動態預報的分析方法。其要點是:建立公路軟基沉降預測的神經網絡結構,并將前期沉降觀測值作為樣本,通過神經網絡結構的訓練尋求沉降及其主要影響因素的內在關系,據以預測后期沉降量

**資訊http://www.***.*** **資訊http://www.***.*** **資訊http://www.***.***

基于人工神經網絡理論,提出了根據前期沉降觀測資料進行沉降預測的人工神經網絡模型,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沉降預測模型具有顯著的優越性,應用前景廣闊.

以bp人工神經網絡模型為基礎,建立預測模型,以小區某棟建筑物1期～8期的沉降觀測數據為輸入數據和輸出數據,對網絡模型進行訓練,并對9期～12期實際觀測值與預測值進行了比較,結果比較理想,從而驗證了采用bp人工神經網絡模型進行建筑物沉降的預測是可行的。

利用神經網絡強大的非線性映射能力,提出了一種基于bp神經網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。

基于人工神經網絡的工程造價預測模型——利用神經網絡強大的非線性映射能力,提出了一種基于bp神經網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?！　?/p>

針對基坑變形預測中信息的灰色性和數據的非線性性,提出用灰色神經網絡預測基坑變形的新方法。用一樁錨聯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。研究結果表明:灰色神經網絡預測誤差比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。在基坑變形監測中,為了更準確地預測基坑變形,可以采用灰色神經網絡預測與bp預測相結合的方法進行預測。

提出人工神經網絡模型來模擬傳統的帶肋鋼筋和混凝土之間的粘結性能,目的是預測鋼筋從混凝土混合物中拔出的極限荷載(第一神經網絡模型)或抗壓強度(第二神經網絡)以及根據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果數據庫,對神經網絡模型進行訓練。根據反向傳播算法,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參數,而不是混凝土的強度,對于帶肋鋼筋-混凝土界面的局部現象更具代表性。

分析了影響我國鋼材價格的客觀因素,基于bp神經網絡建立鋼材價格預測的模型。采用levenberg-marquardt算法對bp神經網絡的權值進行優化。使用matlab語言編寫程序,用1990-2008年的數據對模型進行訓練得出預測結果。結果表明,預測值與真實值較吻合,所建立的神經網絡模型有較準確的預測精度。

利用matlab編程語言構造了三層bp神經網絡結構,建立了基于人工神經網絡的投標報價模型,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。