利用BP神经网络反算沥青路面结构层弹性模量的研究

 基于层状弹性理论,利用BP神经网络预测沥青路面结构层弹性模量。根据常用的路面结构形式,基于层状弹性理论构建路表弯沉值与结构层参数之间的数据库,并以此数据库建立沥青路面结构层弹性模量BP神经网络预测模型。对理论及实测弯沉盆进行结构层弹性模量预测效果检验,并对比分析计算弯沉盆与实测弯沉盆拟合程度。分析表明,建立的沥青路面结构层弹性模量BP神经网络模型具有较好的预测精度,为准确、快速地评价沥青路面结构层的使用状况提供了参考。     

基于动量BP算法的过渡段路基沉降预测

利用动量BP算法改进了BP神经网络的收敛性,建立了过渡段路基沉降预测模型.该模型可克服传统BP神经网络收敛速度慢、易陷入局部最优等的缺点.结合津秦客运专线路桥过渡段路基沉降实测数据,将该优化模型与传统BP神经网络预测模型进行了对比.计算表明,利用动量BP算法改进的神经网络具有较高的预测精度,同时考虑了多个影响因素,因而具有广阔的应用前景.     

超限学习机在高速公路路基沉降预测中的应用

为了探索超限学习机在路基沉降预测应用中的潜力和优势,以湖南省某高速公路为研究对象,通过超限学习机算法对路基多个断面的实测沉降数据进行了预测建模,并与BP神经网络和支持向量机进行了对比分析。研究结果表明,采用超限学习机对K4+300断面和K20+840断面的预测值的最大相对误差分别为0.199%和0.176%,精度明显优于BP神经网络和支持向量机。故超限学习机能够对路基沉降做出较为科学、合理的预测。     

基于BP神经网络的页岩静弹性模量预测研究

页岩的静弹性模量是页岩油气资源勘探开发整个过程的重要参数,现阶段页岩静弹性模量的预测往往是先使用岩芯纵波时差及密度计算出动态弹性模量,再寻找动、静态弹性模量之间的关系。岩石矿物组成的差异常常导致常规思路得到的动、静态弹性模量的相关性较差,预测结果难以满足工程需求。为完成对研究区块岩芯的静弹性模量预测研究,首先对岩芯进行密度及纵波时差的测量;而后运用全岩矿物分析、黏土矿物分析及三轴压缩试验的方法对岩芯静弹性模量进行对比分析;并由三轴压缩试获取岩芯静弹性模量。按输入变量的不同建立并训练了三个BP神经网络预测系统;并对三个预测系统的应用效果加以对比分析。分析结果表明:只以岩芯密度和纵波时差为输入变量的BP神经网络的预测效果较差;以岩芯密度、纵波时差、石英含量及伊利石含量为输入变量时的BP神经网络预测效果较好,以岩芯密度、纵波时差、石英含量、方解石含量、伊利石含量及伊/蒙混层含量为输入变量时的BP网络预测效果最好。     

高瓦斯矿井掘进通风瓦斯浓度预测模型研究

为了对不同瓦斯涌出量和通风配置下的高瓦斯矿井掘进通风瓦斯浓度进行准确预测,文中在对掘进工作面瓦斯浓度的各种通风影响因素分析基础上,设计了两种掘进通风瓦斯浓度预测神经网络模型。利用MATLAB软件及煤矿现场获得的实测样本数据,建立了瓦斯浓度BP和RBF神经网络预测模型。通过预测结果对比分析可知,RBF神经网络预测模型能够对掘进通风瓦斯浓度进行准确地动态预测,为不同掘进阶段、不同瓦斯涌出量下的掘进通风方案选择提供了一定的理论依据。     

基于BP神经网络理论的注浆材料模型研究

以某矿现场注浆材料正交试验数据为训练样本,以注浆材料结石体28d强度为考核指标,建立BP神经网络预测模型,样本训练结果与BP神经网络模型预测结果拟合度均高于99%。选取矿山具有代表性的材料配合比实测结果与模型预测结果进行对比,结果表明:BP神经网络模型预测结果与实际结果具有较高的吻合度,能够进行注浆材料的28d强度预测。这对于快速确定注浆参数,实现突水灾害治理具有重要意义。     

基于灰色理论与BP神经网络瓦斯涌出量预测研究

瓦斯涌出是煤炭行业井下作业难以控制的一个危险因素。为研究瓦斯涌出量的变化规律,提高瓦斯涌出量预测的准确性,本文结合灰色理论与BP神经网络构建了灰色—BP神经网络系统用于矿井瓦斯涌出量的预测。以山西某矿为工程背景,以MATLAB软件为计算平台,对上述方法和模型进行了应用实践和现场验证,将灰色预测、BP神经网络和灰色—BP神经网络预测结果和原始数据进行了对比分析。研究结果表明:灰色—BP神经网络预测的数据精确度和可靠性更高,计算的结果与原始数据的规律基本一致。因此,灰色—BP神经网络系统能较准确地预测矿井瓦斯涌出量,对预测瓦斯涌出量的预测方面具有一定的指导作用。     

基于便携式落锤动力弯沉的路基弯沉预测模型

为了提高路基弯沉检测的效率和精度,以便携式落锤弯沉仪PFWD为平台,对路基弯沉盆指标进行了分析研究.并且针对含砾黏土和含碎石黏土2种不同路基结构,基于回归分析技术及人工神经网络智能方法构建了动弯沉与贝克曼梁静态弯沉之间的分析模型,并对2种不同模型的预测结果进行评价分析.实测数据表明,由于考虑了弯沉盆指标,采用回归模型对2种不同路基的贝克曼梁静弯沉预测相对误差均值分别由4.64％和3.99％下降到3.01％和2.35％,回归方程对贝克曼梁静弯沉的预测精度得到了提高;同时,采用BP神经网络模型预测相对误差均值分别为1.66％和1.80％,优于多元回归模型.研究结果可以为路基贝克曼梁静弯沉的检测提供参考.     

基于试井资料分析的煤储层渗透率定量预测模型

为了探讨煤储层渗透预测的方法,基于工区的试井资料,对煤储层渗透率的主控因素进行了分析,认为煤层埋深、储层压力、地应力和有效地应力与煤储层渗透率具有较强的相关性;以工区的试井资料为依据,选取相应的参数,利用多元线性逐步回归分析和非线性的BP神经网络两种方法,对煤储层渗透率进行了预测分析.预测结果和实测资料对比分析表明:预测的煤储层渗透率与实测的煤储层渗透率之间的误差较小,且非线性的BP神经网络方法预测结果明显优于线性回归预测的结果;基于试井资料建立煤储层渗透率预测模型具有可行性,其预测结果是可靠.     

基于误差分级迭代法的基坑变形预测

BP(back propagation)神经网络算法在变形预测方面存在收敛速度慢、学习效率低、容易陷入局部最小值等问题,直接影响预测结果的精准性,利用误差分级迭代法优化的神经网络能够更好地降低误差,提升预测性能.通过对比分析误差分级迭代法与BP神经网络的优势,建立误差分级迭代法模型并编制误差分级迭代法变形预测程序.采用基坑工程实测数据,经过误差分级迭代法优化后神经网络的最大误差为0.96％,与径向基神经网络预测精度相比提高3.5％,利用误差分级迭代法预测基坑变形结果其精准性较高,具有一定的实用价值.     

基于BP神经网络的土基回弹模量反算

基于三层BP神经网络和层状弹性理论,由路表变形反算土基回弹模量。利用层状弹性计算程序构建了土基回弹模量与路表弯沉数据库,并输入BP神经网络进行训练,建立了基于BP神经网络的土基回弹模量反算模型。理论和实测路表弯沉反算结果表明,该方法具有良好的识别能力和泛化能力,是一种实用而有效的方法,为进一步快速、有效地评定土基的承载能力提供了依据。     

基于BP神经网络的私募股权投资项目评价

项目选择对私募股权投资机构是否能够盈利起着决定性作用。为使私募股权投资机构更加科学有效地选择合适的项目,在分析私募股权投资项目评价方法的基础上,结合BP神经网络的特点,探讨了基于BP神经网络的私募投资项目评价方法。通过建立科学的项目评价指标体系,构建了私募股权投资项目选择评价BP神经网络模型。模拟结果表明,BP神经网络可以更加有效、准确地对项目进行评价,为投资机构提供决策依据。     

基于模拟退火PSO-BP算法的钢铁生产能耗预测研究

针对BP对能源系统进行建模和预测的方法存在的问题,提出一种优化BP神经网络的模拟退火粒子群混合算法(SAPSO)。利用该混合算法优化BP神经网络的权值和阈值,然后训练BP神经网络预测模型以得到最优解,并将所建立的预测模型对钢企能耗进行预测。最后与BP神经网络以及最小二乘法进行比较。仿真结果表明该混合算法增强神经网络的泛化能力,具有相对误差小,预测精度较高,能更好地跟踪未来数据的优点。     

基于主成分分析-相关向量机的高速公路路基沉降量预测

为解决高速公路路基沉降量难以获取的难题,提出一种基于主成分分析(principal compohent analysis,PCA)的相关向量机(relevance vector machine,RVM)路基沉降量预测方法。通过主成分分析法将多个易获取的土体常规物理参数降维成少数且独立的变量,借助相关向量机模型反映路基沉降量与4个主成分变量之间的非线性映射关系,建立基于PCA-RVM的高速公路路基沉降量预测模型。将该模型应用于工程实例,在同样学习样本情况下与4种神经网络预测模型对比分析,结果表明:PCA-RVM预测模型通过分析各因素的相关性与贡献率,将多个影响因素合理化为少数主成分变量,在信息筛选方面明显优于其余4种模型;各模型预测结果显示,在路基沉降量预测结果的相对误差及均方差方面,PCA-RVM预测模型均占据较大优势。PCA-RVM模型具有精度高、离散性小、可靠度高等优点,为高速公路路基沉降量预测提供了一种新方法。     

建筑垃圾复合地基的试验与数值仿真分析

为研究建筑垃圾复合地基的承载性能,自制大型固结仪对某工程中利用建筑垃圾进行路基处理的土样、单桩及复合地基进行室内压缩试验,并通过工程现场静载试验对其承载力进行检测,利用有限元软件对不同桩径、桩长、弹性模量的建筑垃圾复合地基进行数值模拟.结果表明:建筑垃圾复合地基能显著提高软弱土路基的压缩模量,提高其承载力;增大建筑垃圾散体材料桩桩径可以显著提高路基承载力,减小路基沉降;改变桩长及桩身模量对提高软弱土路基承载力和降低路基沉降的效果并不明显.因此,建筑垃圾复合地基可以应用于软土路基处理中.     

基于孔隙介质理论的路基压实度确定方法

为克服以往路基压实度快速检测法中需要繁琐的标定试验及忽视初始地应力对变形参数影响的缺陷,建立了路基压实度快速检测新方法.首先,基于孔隙介质理论,研究了孔隙率、变形模量及密度随路基材料变形而变化的规律;其次,引入分层总和法和分级加载思想,考虑初始地应力和路基变形均影响路基力学参数变化的特征,建立静力贯入条件下贯入荷载-沉降解析关系;然后,在路基静力贯入试验测得荷载-沉降试验曲线的基础上,利用自适应遗传退火算法反演得路基贯入荷载-沉降解析关系中的各参数,从而建立基于孔隙介质理论的路基压实度确定方法;最后,通过工程实例对比可知,本文方法精确度满足工程要求,检测过程中无需繁琐的灌水法标定试验,能快速准确地检测路基压实度,表明了本文方法的合理性和可行性.     

基于遗传神经网络的插铣铣削力建模与分析

本文首先对插铣铣削力进行了理论分析,并基于正交试验方法对铣削力进行了测量试验,然后利用遗传算法对BP神经网络的权值和阈值进行优化,建立了预测铣削力的遗传神经网络模型,最后将经过遗传算法优化的BP网络与未优化的进行对比分析.结果表明,经遗传算法优化后BP网络模型预测误差明显减小,网络的计算精度和收敛速度有了显著提高.     

基于两点路表弯沉反算土基回弹模量的研究

基于层状弹性理论,利用远离承载板中心的两点路表变形响应反算土基回弹模量。根据半刚性基层沥青路面常用路面结构组合形式,构建土基回弹模量与两点路表弯沉值之间一一对应的数据库,建立回归模型。由理论弯沉盆和实测弯沉盆的预测结果表明,建立的土基回弹模量回归预测模型具有良好的精度和可靠性,为进一步快速、有效地评定土基的承载能力提供了依据。     

弹性基支矩形板的DQ解

采用微分求积法（ＤＱＭ）分析了Ｗｉｎｋｌｅｒ和双参数弹性基支矩形板的静力弯曲问题,计算了固支、简支和自由及其组合边缘情况下矩形板的挠度和弯矩,同时考察了地基参数对板的影响．数值计算结果与已有文献符合良好,说明微分求积法是求解弹性基支矩形板的一种简便方法．