基于蚁群算法和神经网络的位移反分析

运用蚁群算法和人工神经网络构造了位移反分析的蚁群人工神经网络模型，并基于正交试验获得的训练样本对网络进行学习，以此训练好的神经网络模型来描述岩体力学参数和位移之间的关系。该方法以神经网络为基础，用蚁群算法来学习神经网络的权系数。利用反演结果，建立快速拉格朗日快速计算法（FLAC）模型，对地表沉陷进行预测。结果表明：用蚁群算法训练神经网络，可兼有神经网络广泛映射能力和蚁群算法快速全局收敛的性能。     

人工神经网络在软土地基路基沉降预测中的应用

将人工神经网络应用于软土地基填筑施工中的沉降预测，提出了一种有效的预测方法，并构造了预测路基沉降的神经网络模型，预测结果表明，该模型具有很高的预测精度，为预测软土地基路基填筑施工引起的沉降提供了一种新的方法。     

BP神经网络方法预测改性聚乙烯醇的吸水率

用人工神经网络法来预测高分子化学反应产物的性能,通过研究顺丁烯二酸酐与聚乙烯醇反应制备吸水材料过程中反应物的配比、反应体系的温度、pH值以及反应时间等条件和产物吸水率之间的关系,得出了制备最大吸水率的反应条件。并通过人工神经网络方法建立BP神经网络模型,采用Matlab语言编写神经网络程序,再以实验测得的数据对网络进行训练,然后用训练好的网络对实验条件和吸水率之间的关系进行仿真,并将仿真结果和实验数据加以比较。结果表明,BP神经网络用于化学反应产物性能的预测是可行的.为神经网络在化学反应控制预测领域的应用奠定了基础.     

基于蚁群算法和神经网络的位移反分析

运用蚁群算法和人工神经网络构造了位移反分析的蚁群人工神经网络模型,并基于正交试验获得的训练样本对网络进行学习,以此训练好的神经网络模型来描述岩体力学参数和位移之间的关系。该方法以神经网络为基础,用蚁群算法来学习神经网络的权系数。利用反演结果,建立快速拉格朗日快速计算法(FLAC)模型,对地表沉陷进行预测。结果表明:用蚁群算法训练神经网络,可兼有神经网络广泛映射能力和蚁群算法快速全局收敛的性能。     

基于径向基神经网络的焊接材料计算机辅助设计系统

以RBF神经网络理论为基础,设计实现了焊接材料计算机辅助设计系统。应用该系统能建立影响因子与性能指标之间的人工神经网络模型,并以此为基础建立了性能预测、配方预报、分析等功能模块,对焊接材料研发人员探索影响因子与性能指标之间关系具有较大的实际意义。     

基于人工神经网络的水力旋流器分离性能预测

水力旋流器分离过程复杂,其性能指标与影响因素之间属于典型的多维非线性关系。以往旋流器分离过程的理论和经验模型大多在特定的简化条件下得到,且预测单一。为了全面预测分离器性能指标,建立了三层BP神经网络模型,通过输入结构参数和操作参数,模拟输出分离粒径、生产能力、底流质量分数等多个分离性能指标。以生产能力为例,分析了神经网络与理论和经验模型计算值的预测精度。结果表明:在各传统预测公式中,庞学诗法的预测精度最高,误差为20.88%,与其相比,BP神经网络的预测误差仅为16.64%,优于其他各模型的预测精度,且能够实现性能指标的全面预测。人工神经网络是预测水力旋流器分离性能的可靠方法。     

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.     

碾压混凝土坝层面抗剪断强度的人工神经网络与模糊逻辑系统预测

碾压混凝土坝层面抗剪断强度与其影响因素之间是不确定性和非线性的。该文基于人工神经网络与模糊逻辑系统方法对碾压混凝土坝层面抗剪断强度参数进行预测。将水胶比、胶凝材料含量、粉煤灰掺量、层面处理方式、层面间隔时间作为模型输入参数,抗剪断强度参数f′和c′作为输出参数,考虑室内试验和现场原位试验2种不同情况,建立人工神经网络与模糊逻辑系统预测模型。模型训练与测试结果表明:人工神经网络的预测精度优于模糊逻辑系统,室内试验的预测精度优于现场原位试验。人工神经网络与模糊逻辑系统模型预测值与试验值符合情况均较理想,可以作为层面抗剪断强度的预测方法,为混凝土层面结合性能评估提供依据。     

用人工神经网络预测金属离子水化能

对金属离子水化能及其结构之间的关系进行了探讨,通过神经网络方法对其结构和性能关系建模发现,所建网络整体性能稳定,预测准确度高,所采用的几个重要的输入参数都能用人工神经网络的不同方法很好地预测金属离子水化能,且比传统的多元线性回归方法有较好的预测能力.     

BP神经网络在材料领域中的应用(综述)

成分一结构一性能之间的关系始终是材料科学研究的主题,传统的试错法等经验或半经验的材料研究方法造成了资源、人力和时间上的极大浪费,因此需要从理论上解决材料设计、评价、预报等方面问题．人工神经网络是具有在线学习、记忆和分析推理功能能力的数学方法,它能够获得输入与输出之间的相互关系．其中BP神经网络结构简单、理论研究比较成熟．在材料研究领域中,BP神经网络已用于材料性能的研究与预测,复合材料工艺参数优化和预报,以及对金属的腐蚀研究等方面．     

毛细水作用下低路基强度和变形特性研究

低路基中,地下水因土壤基质对水分的吸力作用,导致路基土干湿状态发生变化,进而影响路基的强度及变形特性.路基土是非饱和土,其强度变化和变形特性需采用非饱和土理论解释.本文介绍毛细水作用下低路基强度和变形特性的主要研究成果.     

新型路基材料的研制

利用工业废渣为主要原料开发了一种新型路基材料用的胶结剂，分析了利用该胶结剂胶结的路基材料的强度发展机理。配制的掺有6％该胶结剂以及粉煤灰掺加量在20％以内的碎石路基材料，7天公路工程实验强度达到了7 MPa以上，且施工作业性能良好，而成本明显低于目前用325＃矿渣水泥配制的水泥碎石材料。     

新型路基材料的研制

利用工业废渣为主要原料开发了一种新型路基材料用的胶结剂 ,分析了利用该胶结剂胶结的路基材料的强度发展机理。配制的掺有6 %该胶结剂以及粉煤灰掺加量在 2 0 %以内的碎石路基材料 ,7天公路工程实验强度达到了 7MPa以上 ,且施工作业性能良好 ,而成本明显低于目前用 32 5 #矿渣水泥配制的水泥碎石材料     

Feasibility of Using Chitosan in Nerve Repair

IntroductionChitin,themajorpolysaccharideininsectexoskeletonsandcrustaceanshells,hasβ(1-4)-linkedN-acetylglucosaminerepeatunitsandisthesecondmostabundantformofpolymerizedcarbonfoundinnature[1].Chitosan,thefullyorpartiallyN-deacetyledformofchitin,isacationicpolysaccharidecomposedofglucosamineandN-acetylglucosamineresidueswitha1,4-β-linkage.Ithasastructuresimilartoglycosaminoglycans,whicharethecomponentsofanextracellularmatrixandisbiocompatible[2].Duetoitspositivesurfacechargeandbiocompatibi…     

膨胀土胀缩变形量的人工神经网络预测模型

：膨胀土的膨胀特性会对工程造成很大的危害，对膨胀土的膨胀量进行预测具有重要的现实意义。针对膨胀土特殊上程任质’分析了胀缩变形量的影响因素。结合人工神经网络原理，建造了膨胀土胀缩变形量的人工神经网络预测模型。采用BP神经网络和所建造的数学模型，对膨胀土的胀缩变形量进行预测。结果表明，该模型映射精度较高，有较好的实际应用价值。     

承压破碎煤矸石力学性能研究

为了研究煤矸石作为路基填筑材料时的力学性能,进行了标准煤矸石的单轴压缩试验、变角剪切试验和劈裂试验,以及破碎煤矸石的压实试验。测试得到了煤矸石的抗压强度、内聚力、内摩擦角和抗拉强度等基本力学性能指标,还得到了5种Talbol幂指数下,承压破碎煤矸石的应力-应变曲线。研究表明:(1)煤矸石的拉压性能差别较大,抗拉强度是抗压强度的8倍;(2)破碎煤矸石压实过程中,应力呈先缓慢增大后快速增大的变化规律;(3)随着Talbol幂指数的减小,低应力水平时试样的变形量较大,高应力水平时试样的变形量较小。研究结果可为煤矸石作为路基填筑材料的推广应用提供试验依据和理论参考。     

基于人工神经网络的碳/陶瓷复合材料性能预测

利用人工神经网络的BP算法,建立了碳/陶瓷复合材料性能与多组分掺杂含量之间的预测模型.模型由输入层、隐含层和输出层3层神经元组成,用以模拟人脑的结构.以掺杂物的质量分数为输入参数,经石墨化后测得的复合材料的电阻率和抗折强度为输出参数.选取了30组实验数据作为学习样本,任意的7组数据作为"未知样品"对网络进行验证.结果表明,实验值和预测值相比电阻率的最大误差不超过8%,抗折强度的最大误差不超过12%.所建的网络可为碳/陶瓷复合材料设计提供理论指导.     

京津塘高速公路K131+610段路基沉降预测研究

高速公路施工中,路基沉降对工程质量有着重要的影响。但是影响路基沉降的因素很多,传统的线性预测模型很难将各种影响因素统一表达,BP神经网络模型可以将传统的函数关系式转化为高维的非线性映射,在路基沉降预测中得到广泛应用。以京津塘高速公路K131+610段工程为例,探讨了BP神经网络模型的最佳参数配合。     

石油馏分平均相对分子质量预测的神经网络方法

将误差反向传播（ＥＢＰ）人工神经网络应用于石油馏分平均相对分子质量的预测上．对在７３～４８０℃沸点温度范围内１９组石油馏分平均相对分子质量和密度均值的研究表明,神经网络方法性能优越,具有很强的推广预测能力,可望成为石油馏分平均相对分子质量预测的有效手段．     

填筑路堤的路堑开挖土石料性能分类研究

提出了以石块为主的用作路堤填料的路堑开挖土石料按岩性进行分类的依据和标准，讨论了用它们填筑路基的施工工艺，质量控制要点及质量指标检测方法。