利用B-TBU模型评估桥梁状态的神经网络法

鉴于目前常用的桥梁状态评估方法存在较大的人为主观性和随意性,且无法考虑历史评估数据对当前状态的影响,因此不能准确地反映出桥梁当前的真实状态,依据贝叶斯推断中考虑先验信息影响的特点,提出了一种B-TBU模型的方法,在对当前状态的评估中,考虑历史评估数据的影响,对某座桥梁近20年的状态进行重新评估.评估结果表明:采用B-TBU模型方法可大幅度提高状态评估的准确性,使桥梁各年份状态评估的准确度均提高到90%以上;同时将BP神经网络、ELM神经网络等算法初步引入B-TBU模型,对该B-TBU模型方法进行训练学习.其结果表明,采用神经网络类方法,各年份状态评估的准确度也保持在80%左右.     

海洋环境下混凝土桥梁结构耐久性设计方案评估

针对海洋环境下桥梁结构耐久性破坏的特点,分析了影响桥梁结构耐久性设计方案的关键因素.建立了耐久性设计方案的评估模型,探讨了各因素与耐久性设计方案等级状况之间的关系.运用模糊评判的方法对结构的耐久性设计进行了评估,确定了桥梁结构耐久性设计等级,为桥梁确定维护方案和使用阶段的管理提供了依据.     

结构耐久性评估的软计算模型及应用

将层次分析等理论更快速方便地应用于结构评估工程实践,研究基于现有理论的自动化、智能评估方法.借助Matlab模糊数学、神经网络工具箱,采用线性映射的层次分析方法完成桥梁耐久性等级评估.FIS结构和BP模型评估结果的对比表明:受隶属函数限制,FIS结构评估结果较粗糙,但由于模糊关系的特性,处理复杂输入输出关系时效果较好;而当样本数据集在超空间中线性可分时,神经网络对已有数据的拟合精度更高,但只能处理与训练样本同构的评估数据.由此证明:利用Matlab软计算模型实现桥梁工作性能的自动化智能评估是可行的.     

GRNN网络在企业盈利能力预测中的应用

探讨广义回归（GRNN）神经网络在企业盈利能力预测上的优势及应用前景．利用文献资料、MATLAB7．0软件中的神经网络工具箱分剐构建企业盈利能力的GRNN预测模型和BP预测模型,对样本进行拟合和预测并对两者的拟合和预测性能进行比较．GRNN的最优光滑因子为0．05;BP神经网络的隐含层数定为10．从拟合效果看,GRNN和BP预测模型的平均误差率分别为0．5687％和1．6008％．从预测效果看,两者的平均误差率分别为2．1678％和2．5176％．GRNN充分体现了在小样本预测中的优势,预测效果优于BP网络．     

基于神经网络的复杂过程系统模型辨识

针对复杂生产过程中的一阶和二阶液位系统,利用MATLAB软件的神经网络工具箱,分别应用BP和径向基两种神经网络模型进行系统辨识,得到系统模型．通过结果比较,得出两种神经网络的应用特点：对于一阶非线性液位过程,径向基神经网络创建的数学模型性能较好;对于二阶线性液位过程,BP神经网络的建模效果较好;尽管BP神经网络的模型训练过程有学习收敛慢、局部最小点、层数和单元数不易确定的缺点,但其函数逼近的精确度对二阶线性的辨识具有独特优势．     

神经网络与响应面法相结合分析

响应面有限元的可靠度计算是采用有限元数值模拟来解决功能函数不能明确表示的结构可靠度计算问题的一类方法,对于大型复杂结构的可靠度分析有重要的意义．提出了基于BP神经网络与响应面法相结合的结构可靠度计算的几何分析方法,通过得出的可靠指标对一座既有桥梁进行了可靠性分析．数值试验表明,该方法建立的神经网络模型可以很好地拟合真实的极限状态函数,在既有桥梁可靠性分析中具有广阔的应用前景．     

隧道施工过程的三角模糊数与神经网络安全评估

为动态地对地铁隧道施工过程进行安全评估,针对地铁超浅埋暗挖段隧道,构建三角模糊数与神经网络相结合的地铁隧道施工过程安全评估模型.根据监测和数值仿真数据建立安全指标体系;划分地铁隧道施工过程评估等级,并将评估等级语言变量转换为三角模糊数;用混合遗传算法优化的BP神经网络,找出综合指标数据与评估等级的非线性映射关系.研究结果表明:大连地铁超浅埋段隧道施工过程处于安全等级;通过与既有方法比较分析,证明该评估方法与实际情况具有较强的贴近度.     

综采工作面瓦斯爆炸风险评估

针对瓦斯涌出预测及风险评估过程时使用方法单一的问题,文章提出一种基于LSTM的综采工作面瓦斯涌出预测及风险评估方法。首先采用拉依达准则和拉格朗日插值法对原始的瓦斯浓度数据进行异常值和缺失值处理,其次选取均方误差作为模型的评价指标,利用适应性矩估计优化算法通过一阶偏差、二阶偏差校正对模型中的参数进行优化,最终通过训练建立LSTM的煤矿工作面瓦斯浓度预测模型。结果表明：以某矿综采工作面监测数据为例,利用“3σ”准则实现瓦斯爆炸风险等级划分,分别采用SVM支持向量机、BP神经网络和LSTM神经网络对瓦斯爆炸风险等级进行评估,通过对比3种模型的训练误差和预测值发现LSTM神经网络的风险评估误差较小,预测值准确度更高,具有更好的实用价值。     

在役桥梁垮塌风险评估及预防策略

我国在役桥梁数量庞大,桥梁结构形式多样,运营安全风险问题严重,事故频发,缺乏系统的在役桥梁安全风险评估方法。笔者基于我国近20年来桥梁垮塌事故的调查数据,宏观分析了在役桥梁由于先天不足、自然灾害、人为因素以及达到使用年限等因素导致垮塌事故的几率,对不同桥型垮塌事故产生的原因进行总结归纳,并提出针对性的桥梁垮塌风险等级评估方法和预防策略。为桥梁运营管养单位提供借鉴,以减少桥梁重大安全事故的发生。     

混凝土桥梁的损伤诊断与承载力评估

基于结构振动理论和系统识别技术的桥梁健康监测系统已显示出了良好的发展前景。主要阐述了钢筋混凝土桥梁损伤的五种诊断方法,即振动模态参数识别法、动力响应及动力系数法、超声波法、冲击回波诊断法和自然电位法,并对这些方法的特点和应用作了比较。同时提出了混凝土损伤识别的四种方法,即模型修正法、动力指纹分析法、神经网络法和专家系统法,并系统介绍了这四种方法的特点。通过对钢筋混凝土桥梁的损伤诊断和损伤识别,正确客观的评估桥梁的承载力和安全状况。最后介绍了国内外几种典型的评估桥梁承载力的理论和方法,并对其发展趋势作了展望。     

基于人工神经网络的崩岸预测模型研究

针对崩岸影响因素众多、难以定量评价等问题,采用一种基于人工神经网络的崩岸预测方法,介绍了其基本原理.在研究崩岸诸多影响因素的基础上,选取11种主要影响因素建立崩岸预测模型.以随机构造的20个岸坡模型为训练样本,以5个随机岸坡模型为检验样本,实现了岸坡稳定性的人工神经网络预测.初步结果表明,神经网络方法可以应用于崩岸的预测.     

融合粗糙集和人工神经网络的产品敏捷定制设计方法

为快速响应客户需求和提高产品定制效率,通过分析产品设计过程的特点,结合粗糙集理论和神经网络方法各自的优势,提出一种融合粗糙集和神经网络的产品敏捷定制设计新方法,将粗糙集和神经网络方法有机集成应用于产品设计过程。该方法中,运用粗糙集对设计要求进行约简,提炼有效的决策条件;在此基础上,采用神经网络方法构建不同设计阶段的设计要求与其对应的产品结构间的网络模型,快速确定产品结构形式。并将该方法成功应用于某卷板机的总体方案定制设计过程。这种方法为实现产品敏捷定制开发提供了一种新的解决思路和技术手段。     

人工神经网络在热舒适实验研究中的应用

使用人工神经网络(ANN)方法处理影响人体热舒适的多种环境因素和人体的热反应之间的关系,以探讨用于各类环境热舒适性预测的可行性.针对稳定热环境和非稳定热环境下的热舒适实验,建立了BP神经网络模型,利用实验数据对网络进行训练和测试,检验其预测的准确性.评测结果表明,对稳态环境,该模型较传统的线性回归方法有更高的预测精度;对非稳态环境,避免采用回归方法遇到的非线性关系处理问题,能合理地预测非稳态条件下热反应的变化.因此,合理建立各类热环境的ANN模型,用已有的热反应数据训练该模型,实现对环境热舒适性的预测是可行的.     

人工神经网络法在地下水水质分级中的应用

通过对受污染的地下水进行水质分析，建立了该类水质的人工神经网络分级预测模型，采用已确定其污染级别的地下水数据作为训练样本对网络进行训练，然后利用收敛的网络进行污染程度分级，其结果与实际的基本一致，这充分说明了利用神经网络预测该类水质受污染程度是一种可行方法。     

基于BP神经网络的环境质量评估

利用人工神经网络对地区综合环境质量进行了评价,提出了基于BP人工神经网络、以Matlab为平台的算法程序的人工神经网络环境质量分类模型．并以某地区环境监测数据值为样本,进行了环境质量评价分析．研究结果表明,BP神经网络应用于环境质量评价无需构建复杂的参数方程,且具有基于知识学习的特性,结构简单实用,具有客观性和通用性．     

基于BP神经网络模型的临汾市县域经济发展水平差异的测定与分析

根据区域经济学的相关理论,选取了8个与临汾市县域经济发展水平关系密切的指标,在BP神经网络工具箱的支撑下,构建临汾市县域经济发展水平的BP神经网络评价模型,并通过对频数分布特征及反映区域差异的总体指标的分析,表明临汾市县域经济发展水平空间分异显著.     

人工神经网络在车辆故障诊断中的应用

人工神经网络具有适合于解决复杂的非线性问题的特点,因此经常被用于车辆故障诊断。该文介绍人工神经网络的基本原理以及网络结构,通过利用Matlab人工神经网络工具箱,建立某车辆动力总成BP单网络结构的故障诊断模型,提出基于人工神经网络的车辆故障诊断方法。由于各类人工神经网络在处理复杂问题时均有不足之处,该文进一步研究混合网络的工作原理及其在车辆故障诊断中的应用,并认为此类方法将是人工神经网络在车辆故障诊断研究领域的主要发展方向。     

基于神经网络的短期电力负荷预测

采用神经网络方案来进行短期电力负荷预测，探讨了负荷模型分类模式，对应用于实际的神经网络算法进行了具体处理，如数据的归一化问题，网络权值与阈值的初始值选定，训练样本的选择策略等。同时，以三种短期负荷预测为例，进行了大量的仿真研究，结果表明神经网络用于电力负荷预测不但可满足短期负荷预测的技术要求，而且精度比常规方法高，且算法快速简单。     

发电机神经网络模型用于电力系统暂态稳定计算

用递归神经网络建立发电机模型,多层输出反馈网络建立励磁系统和调速系统模型,并将此三部分集结构成为一个发电机组的详细模型。将此详细模型写入电力系统的网络方程,联立求解电力系统暂态稳定过程。详细模型写入暂态稳定程序中６机２２节点网络。暂态过程计算结果表明,由人工神经网络模型仿真计算与机理模型常规稳定计算比较,使用人工神经网络模型和机理模型的计算结果非常接近,说明人工神经网络模型可以用于电力系统暂态稳态计算,为今后人工神经网络并行、快速、在线处理电力系统实时计算提供应用途径。     

一种基于熵权多目标决策和人工神经网络的炼油企业绩效评价方法

提出了一种基于熵权多目标决策的逼近理想解法（TOPSIS）和人工神经网络（ANN）的炼油企业绩效评价方法，以熵权TOPSIS的企业绩效评价结果作为学习样本，对神经网络进行训练、测试，进而对指标加以赋权，最终得到了企业绩效综合评判式，并将其用于炼油企业绩效评价。实例分析结果表明，该方法科学有效、实际可行，具有一定的智能性，为炼油企业绩效评价提供了一种新的途径。