基于BP网络的HSRC节点骨架曲线的预测

结合5个在低周期反复荷载作用下的钢骨高强混凝土柱/钢筋高强混凝土梁框架节点的试验研究,描绘了节点的骨架曲线·利用神经网络的原理,通过建立神经网络的输入层、隐含层、输出层,确定输入单元、输出单元和隐含层节点数,从而建立了神经网络的模型,并根据已有的一些数据,对网络进行训练,使其具有分析和判断的功能,从而对钢骨高强混凝土框架节点的骨架曲线进行了预测·结果表明,这种方法是可行的·     

低温钢纤维混凝土强度试验与预测

以不同温度(0℃、-5℃、-10℃、-15℃、-20℃)、不同钢纤维掺量及不同水灰比的钢纤维混凝土的抗压、抗拉、抗折与抗剪强度试验结果,建立以温度、钢纤维掺量以及水灰比作为输入矢量,混凝土预测强度作为输出矢量的网络模型。用人工神经网络分别为抗压强度、抗折强度、抗拉强度及抗剪强度建立了合适的网络模型,输入层和隐含层均采用双曲线正切S型传递函数,输出层采用线性传递函数。网络采用Levenberg-Marquardt算法进行训练,对低温钢纤维混凝土的强度进行了预测,预测的相对误差在0~0.05的范围内波动,各训练总标准差与仿真总标准差均在0.3的范围内,取得了满意的结果,这对低温条件下钢纤维混凝土强度预测有一定实用价值。     

冻融循环条件下引气剂对混凝土抗渗性和抗冻性影响的试验研究

通过电通量试验、表面气体渗透试验和硬化混凝土气泡参数试验,对冻融后混凝土的抗渗性及抗冻性进行了分析研究。试验结果表明引气剂可大范围阻断毛细气孔通路,引气剂对冻融次数越多的混凝土试件抗渗改善效果显著。随着混凝土冻融次数的增加,混凝土的电通量、表面气体渗透深度和表面气体渗透系数均逐渐增大。在相同冻融次数下,随着引气剂掺量的增加,表面气体渗透深度和表面气体渗透系数逐渐减小,抗渗透能力提升。在合理引气的条件下,引气剂掺量越多,引入的小气泡越多,气泡间距系数越小,改善了冻融循环条件下混凝土的抗渗性和抗冻性,提高了混凝土的耐久性。     

核电厂严重事故下预应力混凝土安全壳极限承载力分析

安全壳作为反应堆和环境之间的实体屏障,需要在各种事故工况下能够防止或缓解放射性物质向环境的释放,其中严重事故下的极限承载能力是衡量安全壳完整性的重要指标。通过构建预应力混凝土安全壳结构模型,分别考虑材料本构模型、预应力损失和严重事故下的温度压力效应,对不同内压载荷下安全壳的结构特性进行非线性有限元分析计算,并结合失效准则,研究安全壳极限承载力的确定方法。结果表明：安全壳极限承载力由设备闸门附近区域的应力水平控制,当内压增大到0.96MPa时,安全壳筒壁混凝土全截面达到抗拉强度,大部分混凝土退出工作,当内压增大到1.21MPa时,设备闸门附近的钢衬里出现一定的屈服,安全壳达到承载力极限状态。     

掺矿物掺合料混凝土ASTM C1202测试指标的相关性

为了探讨掺矿物掺合料混凝土的ASTM C1202测试指标的相关性,采用ASTM C1202标准测试了分别掺有粉煤灰、矿渣、硅灰的混凝土28 d和91 d的初始电流、6 h电通量以及氯离子渗透深度;分析了6 h电通量和初始电流、氯离子渗透深度的关系以及矿物掺合料和龄期对这些关系的影响规律.分析结果表明:3种矿物掺合料均能不同程度地降低混凝土的6 h电通量、初始电流以及氯离子渗透深度;龄期基本不影响掺矿物掺合料混凝土6 h电通量与初始电流之间的相关性;龄期对掺矿物掺合料混凝土氯离子渗透深度与6 h电通量的相关性影响较大.可以考虑用初始电流作为评价指标建立掺矿物掺合料混凝土抗氯离子渗透性的评价标准;宜采用长龄期试件作为测试对象评价掺矿物掺合料混凝土抗氯离子渗透能力.     

基于BP网络的混凝土碳化研究

运用改进的BP算法,建立了3 5 1(输入层为3个神经元,隐含层为5个神经元,输出层为1个神经元)混凝土碳化深度BP网络计算模型·计算模型以水灰比、单位水泥用量及砂率为输入,以碳化深度为输出,计算结果与试验结果符合较好·同时,运用改进的BP算法,建立了3 5 1(输入层为3个神经元,隐含层为5个神经元,输出层为1个神经元)混凝土碳化深度BP网络预测模型·预测模型以水灰比、单位水泥用量及混凝土暴露时间为输入,预测模型之一以暴露20年的混凝土碳化深度为输出,预测模型之二以暴露30年的混凝土碳化深度为输出,预测结果均较为理想·     

互信息和核熵成分分析的油中溶解气体浓度建模

针对变压器油中溶解气体浓度的预测问题,提出了一种基于互信息和核熵成分分析(KECA)的油中溶解气体浓度预测建模方法。首先,用标准互信息变量选择方法确定模型的输入变量并对选取的输入变量进行相重构;然后,利用Renyi熵信息测度确定KECA核参数并采用KECA对相空间进行特征提取;最后,以核熵成分作为机器学习极限学习机(ELM)的输入,建立变压器油中溶解气体浓度的预测模型。实验结果表明,与灰色模型、支持向量机、BP神经网络建模方法相比,本文提出的方法能够充分利用油中溶解气体浓度信息,因而具有较优的预测精度和泛化能力。     

BP模型在强度预测中的应用

在分析普通混凝土强度影响因素基础上，选取混凝土配料中7个因素作为输入值，混凝土28d强度作为输出值建立了混凝土强度预测的BP网络模型；讨论模型的学习样本、网络参数对预测精度的影响，从而选出最佳网络参数配置，并提高模型预测精度。     

基于人工神经网络的生土基砌体抗压强度预测

采用BP人工神经网络模型,以砌体高厚比、块材强度及粘结剂强度作为输入变量,以砌体抗压强度作为输出变量,建立网络模型模拟输入变量和输出变量间的非线性关系,提出了用于生土基砌体抗压强度计算的简化公式,并将模型预测结果与试验值、计算值进行了对比分析.结果表明:在样本空间内,本研究所建立的10隐含层神经元BP神经网络模型对生土基砌体抗压强度具有较好的预测性能,且简化公式的计算精度及稳定性均较好,计算值与试验值的比值均值为0.92,方差为0.28,可用于对生土基砌体单轴抗压强度的计算.     

基于改进Elman网络的燃气负荷预测

为提高燃气负荷预测的精度,分析了燃气小时负荷的变化规律和影响因素,建立了燃气小时负荷预测模型,采用具有输出-输入反馈机制的改进Elman(OIF Elman)网络对燃气小时负荷进行预测.与传统的Elman网络比较,OIF Elman网络不仅计入了隐层节点的反馈,而且考虑输出层节点的反馈,以便从有限的训练样本中获得更多的信息.预测结果表明,在样本点较少时,无论在训练速度上,还是在预测精度上,OIF Elman网络明显优于Elman网络.OIF Elman网络提高了网络的泛化能力,既降低了对训练样本个数的需求,又能提高预测精度,在燃气负荷预测中得到成功的应用.     

大掺量粉煤灰混凝土强度的LS-SVM预测

为解决当前大掺量粉煤灰混凝土(HVFAC)强度与配合比各因素之间的非线性问题,提出一种基于最小二乘支持向量机(LS-SVM)的大掺量粉煤灰混凝土强度预测方法,通过该方法建立了以粉煤灰掺量、水胶比、用水量和砂率等因素为输入变量,28 d抗压强度为输出变量的大掺量粉煤灰混凝土强度预测机,对实验中不同配合比情况下大掺量粉煤灰混凝土样本的强度进行了预测.结果表明:该方法避免了人工神经网络在对大掺量粉煤灰混凝土强度预测时所表现出来的过学习、泛化能力弱等缺点,较好地解决小样本学习问题,算法简单、预测精度高、抗干扰能力强.     

普通混凝土强度预测的BP神经网络模型

在分析普通混凝土强度影响因素基础上 ,选取混凝土配料中 7个因素作为输入值 ,混凝土2 8d强度作为输出值建立了混凝土强度预测的 BP网络模型。讨论了模型的学习样本、网络参数对预测精度的影响 ,选出最佳网络参数配置。实例证明模型预测精度高。     

基于BP神经网络的FRP筋与混凝土界面黏结强度预测

纤维筋增强混凝土材料的界面黏结强度是评价其力学性能的重要指标之一.基于现有文献中的试验数据,建立了292组FRP筋混凝土拉拔试验的数据库,利用人工神经网络对FRP筋与混凝土之间的黏结强度进行预测.数据库被随机分成两个数据集,其中242组数据用于训练,50组数据用于仿真预测.利用反向传播算法训练了一个3层人工神经网络模型,该模型的输入层包括7个参数:FRP筋类型、表面形式、FRP筋直径、锚固长度、破坏模式、混凝土抗压强度和归一化的混凝土保护层厚度.输出层为FRP筋与混凝土界面黏结强度.结果表明,BP神经网络模型具有良好的预测和泛化能力,预测误差较小.该方法能够综合考虑众多FRP筋与混凝土界面黏结强度的影响因素,给出精确的预测结果.     

基于灰度模型的电能量异常数据修复研究

提出了一种基于灰度模型的电能量异常数据修复方法,以经过识别的正常历史电能量数据作为输入变量,以异常点所处的时间节点电能量数据作为输出变量,经过一次累加,级比检验,求解预测方程得到预测值,动态地对电能量数据进行迭代预测,最终对预测值进行精度检验,预测的平均相对残差为2.182%,根据结果对原始数据进行修改,从而达到修复电能量异常数据的目的.以某区域实际电能量数据进行模型预测修复,并对结果以及误差进行分析,验证了该方法的可行性.     

基于去噪自编码器的镜像极限学习机设计

针对极限学习机在高维度、含噪声数据集中需要大量隐含层节点来保证分类性能的问题，设计了镜像极限学习机.该算法使用伪逆法确定输入权值，随机生成输出权值和偏置，在对数据进行分类时，它仅需极少的隐含层节点.为了提升镜像极限学习机的分类性能和抗噪性，将它与去噪自编码器相结合.利用去噪自编码器对输入数据进行特征提取，并将提取到的特征作为镜像极限学习机的输入数据，再进行网络训练.在无噪和含噪声的MNIST，Fashion MNIST，Rectangles和Convex数据集中，将基于去噪自编码器的镜像极限学习机与ELM，PCA-ELM，SAA-2和DAE-ELM作对比实验，结果表明，基于去噪自编码器的镜像极限学习机的综合性能最优，用于分类的网络隐含层节点数最少.     

交通拥堵情况下一种基于模糊神经网络的路径选择方案

在确立了交通拥堵情况下路径选择指标体系的基础上,建立了基于模糊神经网络的交通拥堵路径评估模型。该网络具有五个因子输入,一个衡量路径花费时间的输出,总共三层的结构,且输入层具有对输入参数进行模糊化的能力。利用实际样本数据进行实证分析,训练结果表明网络预测误差小。     

遗传算法优化的非线性钢结构模糊控制研究

采用遗传算法优化模糊控制算法的隶属函数及比例因子,通过压电变摩擦阻尼器实现减少非线性钢结构的地震响应。采用双输入单输出的模糊控制器,选取结构的层间位移的绝对值、层间速度的绝对值作为模糊控制器的输入变量,输出变量为作用电压,选取三角形函数作为输入、输出变量的隶属度函数,使用遗传算法对隶属函数及比例因子做出优化。以3层非线性钢结构地震响应为例,分别对模糊控制算法及遗传算法优化后模糊控制算法进行数值分析,结果表明:经遗传算法优化后的模糊控制,进一步降低了非线性钢结构的加速度和位移等响应。     

样本规范化在故障诊断神经网络方法中的应用

在神经网络模型中,训练样本的不同特征变量(输入变量)反映响应变量(输出变量)的灵敏程度有一定的差别,若将各特征变量直接作为神经网络的输入,则会湮没一些弱小量可能含有的有效信息.采用油中溶解气体分析法建立以变压器油中溶解气体含量为输入,变压器故障类型为输出的BP神经网络变压器故障诊断模型,分别运用最大值最小值规范化、一般浓度规范化、特征浓度规范化三种方法对训练样本进行规范化.研究结果表明,不同样本规范化方法对故障诊断效果的影响显著,运用特征浓度规范化进行规范化处理要优于其他方法.     

核电厂严重事故分析程序浅析

核电厂严重事故过程可分为堆芯解体、压力容器熔穿、安全壳失效三个阶段,裂变产物随之释放,会有对周围环境产生放射性污染的危险。本文对目前严重事故的分析程序及其优缺点进行了简要的介绍。     

有侧向约束的界面阻力件抗剪试验研究

模拟钢管混凝土柱节点区钢管壁-端混凝土剪力传递的界面，进行了13个含抗剪阻力件的试件的抗剪试验，试验参数为混凝土强度、剪跨比、阻力件的位置、排数和排距，试验还考虑了纵筋销栓作用。试验结果表明，在侧限条件下，界面传递剪力能力大为提高。本试验为新型钢管混凝土柱节点的抗剪能力提供了可靠的试验依据，可供节点设计时参考。