基于神经网络技术的结构损伤探测

理论分析表明，工程结构损伤前后的固有频率的变化包含了结构损伤位置和程度的信息，在此理论基础上，构造了改进型BP神经网络的输入参数，分别对一个框架模型和一个桁架模型进行了损伤数值模拟计算，首先提取结构固有频率的变化，对神经网络进行训练，然后分别对结构的损伤位置和损伤程度进行识别，计算分析结果表明，该方法在结构损伤检测中具有较好的识别效果。     

BP网络激励函数的研究

研究BP算法中激励函数f对收敛速度的影响 ,并将其用于传感器静态误差的综合修正 ,实验证明取得了较好的效果 ,得出了陡峭函数收敛快的结论     

用模糊人工神经网络方法预测多层砖房震害

结构的震害预测是编制抗震防灾规划的重要基础内容。应用模糊人工神经网络方法来对结构震害进行分析预测。应针对不同类型的构造物筛选出影响其震害的主要因素 ,采用地区性的历史震害资料对所建成的人工神经网络进行训练的方法。以量大面广的多层砖房为例 ,以云南省近几年来的几次大地震的灾害资料为样本 ,运用灰色数学方法筛选出影响震害的主要因素 ,然后进行了模糊人工神经网络的构筑与训练。结果表明 ,这种方法的训练效果是令人满意的     

用BP神经网络法预测反相液相色谱保留值

运用逐步回归法筛选BP人工神经网络的输入元素改进BP网络的结构，并用于疏水分配常数及氢键作用能预测反相液相色谱保留值，结果表明，逐步回归法与人工神经网络相结合，能优化网络，大大提高网络收敛速度在很大程度上克服了通常BP网络过所合的缺点，较通常BP神经网络及回归法在处理构效关系方面有更强的信息处理能力和预测能力。     

基于人工神经网络的油田产量多因素非线性时变预测

运用人工神经网络技术对多因素非线性影响下的油田产量进行了预测，结果表明，该方法既能考虑新井开井数、注水井开井数、注水量、老井开井数及老井措施量对油田产量的影响，还能间接地全面考虑储层非均质性对油田产量的影响，且预测快速、简便、精度高，是对油田油产量进行中短期预测的有效方法，对于产能建设、产量规划、措施安排具有一定的指导意义。     

基于神经网络的公路边坡冲刷量模拟计算

神经网络模拟采用三层前馈网络模型，输入层有3个结点，分别代表30min降雨强度、降雨历时和降雨量，表示冲刷外因。输出层只有一个结点，代表坡面冲刷量；隐层结点数采用7个，即土压实度、坡度坡长、径流流速、径流流量、土颗粒粘聚力、植被指数和人为干扰等，为影响冲刷量的主要因素。为了验证模型，在连徐高速公路路堤边坡用SR型人工降雨设施进行冲刷试验，得到冲刷量实测资料，将通过模型计算的冲刷量值与之比较，显示了模型具有较好的模拟预测效果。     

大坝基础渗流量预测的交替学习人工神经网络方法研究

人工神经网络通过神经元之间的相互作用来完成整个网络的信息处理，具有高度非线性、自适应、自学习等一系列优点，广泛应用于物理量的预测预报中。为此提出并建立了基于交替学习迭代算法的人工神经网络模型，结合清江隔河岩水电站的实际，研究了这种模型在大坝基础渗流量预测中的应用，其预报精度较高，可望推广应用到大坝安全监控中去。     

基于遗传算法的人工神经网络学习算法

为了克服和改进BP算法的不足，提出了一种基于遗传算法的神经网络学习算法，仿真结果表明，该算法具有无比的优越性，可避免BP算法易于陷入局部极小值，训练速度慢、误差函数必须可导、受网络结构的限制等缺陷。     

BP算法应用于智能传感器的数据处理

利用BP算法具有的非线性映射能力对传感器标定数据进行输入－输出特性的反非线性逼近，将其作为智能传感器系统的非线性校正软件，使传感器在该软件的支持下提高测量精度。用传感器实验数据通过训练的网络，测量相对误差由原来的6．66％下降至0．98％。     

人工智能技术的分析与研究

分析人工智能技术所面临的问题，讨论其中各种智能模拟方法的实现，特点及适用范围；指出人工智能技术的发展方向。