应用模糊数学预测大坝位移

预测大坝水平位移对于大坝安全来说非常重要.由于影响因素太多太复杂,以致用各种传统方法建立的大坝水平位移预报模型的精度难以提高.本文以佛子岭连拱坝13号垛的坝顶水平位移为例,应用模糊数学中多因素假言推理方法,导出了可预测5日后大坝水平位移的模型,该模型预报提高了预报精度约30%     

基于改进神经网络的深基坑工程变形预报

位移监测预报在深基坑工程信息化设计与施工中具有非常重要的意义.本文针对深基坑工程变形监测预报问题,将人工神经网络理论应用于深基坑工程的变形预测,建立了深基坑工程变形预报的改进人工神经网络模型,并编制了基于MATLAB的预报程序.最后以上海某深基坑工程为例,进行了深基坑开挖引起的地表沉降预测,预测结果表明,本文的方法具有较高的预测精度.     

基于人工神经网络的公路软基沉降预测模型

基于人工神经网络理论，提出了根据前期沉降观测资料进行沉降预测的人工神经网络模型，并用于汕汾高速公路预压荷载却荷时间预报、研究表明，所建议的模型较传统沉降预测模型具有显著的优越性，应用前景广阔。     

人工神经网络及其在气候预测中的应用

利用湛江地区近50年的月平均气温时间序列资料，采用人工神经网络模型建立了该地区的短期气候预测系统，试验结果表明，人工神经网络模型对湛江地区的短期气候具有较好的预测能力，在平均绝对误差（MAE）小于1C的条件下，年尺度上气温的实际预报准确率达到75％，充分显示出神经网络模型在气象业务中极高的应用价值。     

人工神经网络在矿藏预测中的应用

将人工神经网络方法应用于矿藏预测，本文介绍了该方法的原理和计算步骤，报道了应用人工神经网络方法评价化探异常。特征变量包括化学成分Ｃｕ，Ｓｎ，Ｍｏ，Ａｓ，Ｓｂ，Ｎｉ，Ｐｂ以及物理和地质变量，训练样本的分类正确率达１００％，据此模型预报了若干矿点为铅矿区，将人工神经网络的预报结果和模式识别结果作了比较，并讨论了它在地质勘探中应用的若干特点。     

SiO2-Al2O3-CaO-Na2O-MgO系微晶玻璃热膨胀系数的神经网络模型

应用人工神经网络建立了SiO2-Al2O3-Na2O-MgO系微晶玻璃组成与热膨胀系数关系的网络模型，结果表明：本网络模型具有很高的预报精度，可以准确预测相应组成的热膨胀系数，人工神经网络为材料设计，性能预计提供了一条新的途径。     

基于人工神经元网络的电力系统短期负荷预报的实用计算

本文针对贵州电力系统日负荷的特点，提出了一种利用人工神经网络（ＡＮＮ）的ＢＰ模型进行电力系统提前２４小时的短期负荷预报的实用计算方法。进一步对ＢＰ模型的隐合层数和隐合节点数的选取进行定性的分析，同时探讨学习因子和动量项对学习收敛的影响分析，预测方法及结果得到肯定。     

大坝变形监测的BP网络模型与预报研究

建立有效实用的大坝安全监测模型,对于馆控大坝运行意义重大。针对目前国内外常用统计模型、确定性模型等的不足,提出将基于误差逆传播算法的BP神经网络模型用于大坝变形监测数据的拟合分析及其预测预报研究,最后以福建水口混凝土重力坝变形监测为例,对坝顶垂直位移实测值建立了BP网络模型,并将模型用于坝顶垂直位移预报,结果表明,BP网络模型的拟合和预报精度明显优于相应的统计模型。     

人工神经网络在矿井突水预报中的应用

突水预报是一项重要的矿井水文地质工作。借助于人工神经网络在处理非线性问题或非结构问题方面的优势，采用BP算法，基于大量矿井突水样本实例建立了突水预报神经网络模型，并将该模型用于实际预报，并取得了较好的效果。结果表明，模型具有较强的实用性。为了提高模型的预测精度，在训练样本的选择上还应具有一定的代表性。     

基于混沌神经网络的交通事故损失预测

文章应用混沌方法对交通事故损失时间序列进行处理，计算出最大Lyapunov指数，得到最大可预报时间尺度，在此基础上，建立人工神经网络预测混沌时间序列的模型。最后运用该方法对我国交通事故损失进行了预测分析。     

基于神经网络的物流量预测

应用不同的人工神经网络模型进行物流量预测。分析影响物流发出量、吸引量和周转总量的各相关因素及神经网络预测的基本思想,研究神经网络静态前馈模型和简单动态模型预测物流量的局限性,认为采用二者结合的综合预测方法能对物流量进行准确的预测。给出动态反馈的实时递归法仿真计算步骤,仿真结果与实际结果比较,具有较高的可信度。     

大坝变形预报的神经网络极限学习方法

针对大坝变形具有强非线性的特点以及在采用传统BP神经网络模型进行预报时存在学习速度慢、易陷入局部极小等问题,提出将极限学习机(ELM)方法用于大坝变形预报。该方法不仅可以简化网络参数选择过程,而且可以明显提高网络的训练速度,并具有良好的泛化性能。工程实例结果分析表明了ELM方法应用于大坝变形预报具有可行性和有效性。     

基于径向基函数网络的宣城市空气质量预测

提出了一种应用人工神经网络进行空气质量预测的方法,即采用径向基函数神经网络进行短期的空气质量预测;并采用了主成分分析方法降低神经网络学习矩阵维数,浓缩预测信息,降维去噪.选取宣城市气象局2003年到2005年地面气象观测资料作为预测因子,宣城市环境保护监测中心提供的PM10、SO2浓度值作为预测对象,进行训练学习和预测验证.研究结果表明:将该方法应用于空气质量预测,效果良好,具有较强的实用性和推广能力.     

基于人工神经网络的非线性系统辨识

人工神经网络是-个非线性动力学系统,具有自适应、自组织、自学习等功能。本文利用人工神经网络具有表达任意非线性映射的能力,对非线性系统进行系统辨识。仿真结果表明,该方法是可行的,计算精度高。     

人工神经网络预测混凝土柱屈服性能

建立了一种基于人工神经网络的矩形混凝土柱屈服性能预测方法.该方法采用经验模型进行柱屈服性能影响因素的分析来确定该神经网络的输入参数,并通过敏感性分析验证了所选神经网络输入参数的合理性.为验证该方法的可行性与有效性,通过对PEER 210组矩形混凝土柱的屈服性能进行预测分析并与经验预测模型的预测结果进行比较.比较分析结果表明:神经网络预测结果与实验结果吻合程度远高于其他经验预测模型;同时也证实该方法在实验数据稀少的情况下为预测结构在地震作用下的性能提供一条新途径.     

基于遗传神经网络的虚拟履带车辆自主导航

为了解决计算机生成兵力CGF（computer generated forces）实体在虚拟环境中自主导航、进行路径规划的基本问题,以虚拟履带车辆为例,提出了采用神经网络模型对其在三维地形中的自主导航智能行为进行建模.采用遗传算法作为神经网络进行无导师学习的算法,通过仿真实验对模型的可行性和有效性进行验证.遗传神经网络模型经过若干代进化能使虚拟车辆得到较好的行进路径.实验结果证明了模型和算法的正确性.     

基于Lasso算法的油田产量预测方法

随着油田的不断开采,油田的产量预测也变得越来越重要。目前有许多基于机器学习的预测方法,但大多数都不能给出具体的预测模型。本文提出了一种基于Lasso算法的预测方法,结合现场生产数据,选取一系列相关特征参数,通过对参数数据的初步分析,初步选取各个参数的函数形式,然后利用Lasso算法得到最终的预测模型,最终达到预测产量的目的。现场试验表明：该方法得到的预测模型比较准确,可解释性强,且预测精度高,可以应用于矿场产量预测。     

长短时记忆网络的自由体操视频自动描述方法

提出一种长短时记忆网络的自由体操视频自动描述方法.在视频描述模型S2VT中,通过长短时记忆网络学习单词序列和视频帧序列之间的映射关系.引入注意力机制对S2VT模型进行改进,增大含有翻转方向、旋转度数、身体姿态等关键帧的权重,提高自由体操视频自动描述的准确性.建立自由体操分解动作数据集,在数据集MSVD及自建数据集上进行3种模型的对比实验,并通过计划采样方法消除训练解码器与预测解码器之间的差异.实验结果表明:文中方法可提高自由体操视频自动描述的精度.     

软岩工程支护的双层SVM的智能设计方法

将一种机器学习算法--支持向量机引入到软岩工程支护设计领域,并根据问题需要提出了一种支持向量机回归算法且编制了相应的计算程序.工程算例证明,这种算法在学习样本数量很少的情况下就可以得到很高的预测精度,且具有推广性能好的优点,避免了人工神经元由于存在过学习问题而带来的网络参数难以确定的弊病,为类似工程的支护设计提供了一种新的途径.     

航空器爬升与下降阶段4D航迹预测

准确的4D航迹预测可以在冲突探测与解脱、航迹优化和空中交通流量管理等多个领域发挥重要作用。为提高预测的准确性,提出了基于机器学习的航空器4D航迹预测方法。首先,利用爬升阶段提取研究指标,构建循环神经网络(recurrent neural network, RNN)和长短期记忆网络(long short-term memory, LSTM);其次,在下降阶段进行数据维度拓展,构建RNN、LSTM模型进行航迹预测;最后,对各个维度上的预测航迹点和实际航迹点的误差进行分析。仿真结果表明,爬升阶段模型和下降阶段模型对于航空器位置预测准确性高,展现了航迹预测模型的良好鲁棒性。