基于GM(1,1)模型的高速公路边坡稳定性研究

目的由于气象、地形及施工条件等的影响,高速公路边坡可能会发生滑塌,造成巨大的危害。针对边坡稳定性问题,分析边坡稳定性的影响因素。方法以现场边坡监控数据为依据,运用灰色预测GM(1,1)模型进行边坡稳定性预测。结果研究结果表明模型预测值与实测值误差较小,采用该预测模型可为技术人员提供数据支持,并根据所预测的结果来采取必要的安全措施以保证边坡的稳定性。结论灰色理论的运用和必要的监控对于确保边坡安全具有重要的指导意义。     

地连墙变形的神经网络多步预测研究

结合润扬长江公路大桥南汊北锚碇深基坑工程 ,提出并应用神经网络多步预测方法来研究地连墙施工变形的预测问题。系统介绍了基于时间窗口的神经网络多步滚动预测技术 ,并详细讨论了输入输出层的设计、隐层神经元数以及预测时间步长等一些基本预测技术问题。该预测方法应用于润扬长江公路大桥南汊北锚碇深基坑围护工程 ,取得了较好的工程效果。     

基于混合模式网络聊天系统的设计与实现

基于网络聊天通信系统的通用性和界面友好性,研究了网络聊天系统的设计原理及体系结构,给出一个基于C/S与B/S混合模式的即时通讯聊天系统的设计方案.方案设计采用XML表示数据,运用面向对象方法及C#.NET和ASP.NET等工具,实现了网络在线聊天系统的在线好友查看、发送消息、接收消息等功能.界面采用UML语言描述系统设计,并以图片形式显示效果.初步试用表明,系统运行稳定,具有较强的可扩展性和实用性.     

基于BP神经网络的轨道基桩识别

运用BP神经网络对用CCD拍到的基桩图片进行识别,包括BP神经网络的输入、输出层的设计,隐层节点的选取等。实验结果表明,经大量基桩样本的训练后,BP神经网络能将拍到图片中的基桩有效地识别出来,且达到较高的正确率。     

一种基于粒子群算法和Hopfield网络求解TSP问题的方法

针对Hopfield网络求解TSP问题经常出现局部最优解,将粒子群算法(PSO)与Hopfield神经网络结合,提出一种基于粒子群的Hopfield神经网络方法. 实验证实这种方法能够以更大概率收敛到全局最优.     

基于ASP.NET的网络教学系统的开发与实现

提出了智能化网络教学系统的基本功能需求。结合ASP.NET开发的特点和软件工程的思想,进行了较详细的系统需求分析。结合计算机文化基础课程的需要,设计实现了一个智能网络教学系统。系统采用B/S体系结构,注重良好的可扩展性,采用模块化设计方法,将其划分为教师子系统,网上答疑子系统,在线测试子系统等功能模块。解决了当前应用需求,并为进一步研究工作奠定了基础。提出了开发"通用智能化网络教学系统应用平台"的想法和思路。     

网络环境下图书馆信息服务探讨

分析了网络环境对图书馆信息服务的影响,提出了图书馆信息资源服务的策略,探讨了图书馆员所应具备的知识和能力素质。     

网络信息资源配置方式对比分析

对网络信息资源配置目标进行了阐释,对网络信息资源的配置方式进行了比较,探讨了政策法规对网络信息资源配置的影响。     

多层前馈神经网络的快速学习算法及其仿真研究

本文主要研究多层前馈神经网络的快速学习问题。文中首先概述了多层前馈神经网络的B—P学习算法,并分析了这种算法的主要缺陷,在此基础上提出了若干克服和缓解这些缺陷的技术方法,由此构造了一种新的多层前馈神经网络的快速B—P学习算法即FB—P算法。通过对FB—P算法学习过程进行较详细的分析,本文还建立了一种改进的FB—P学习算法即MFB—P算法。最后本文以三层前馈神经网络识别五类地面目标图像为例,对文中提出的FB—P和MFB—P学习算法的性能(即学习速度与推广特性)进行了计算机仿真实验,同时与B—P学习算法的性能作比较,理论分析与仿真实验表明:MFB—P与FB—P学习算法比B—P学习算法具有更快的收敛速度,且MFB—P算法收敛最快;MFB—P算法比FB—P和B—P学习算法具有更好的推广特性,而后两者的推广特性则大致相同。     

基于虚拟样机的异构双腿机器人联合仿真

阐述了一类新型双足机器人--异构双腿机器人的概念及研究目的.研究用Pro/E、ADAMS和MATLAB/Simulink联合构建异构双腿机器人的虚拟样机,并提出基于虚拟样机的联合仿真策略.为实现对期望步态的动态跟踪,提出了基于对角回归神经网络的自适应PID控制算法.为验证方案的合理性,进行了步态仿真及控制仿真.结果表明,虚拟样机技术可避免复杂的人工建模和求解过程,仿真逼真且接近实际系统,为复杂双足机器人系统提供了良好的研究方法.