基于BP神经网络算法的混凝土单层框架损伤识别

基于BP神经网络算法,采用框架结构损伤前后固有频率的变化率作为网络的输入参数,分别对框架梁的单处损伤、框架柱的多处损伤进行损伤位置的识别.数值仿真结果表明,BP神经网络算法对混凝土框架结构损伤位置的识别效果很好.     

基于时间序列修正算法的我国入境旅游人数预测

为了对我国入境旅游游客量进行准确预测,提出一种将ARIMA模型与RBF神经网络相结合的算法。以我国2009年1月到2014年4月我国入境旅游游客量月度数据为研究对象,利用该模型对我国入境旅游游客量进行初步预测,计算残差,再利用RBF神经网络对残差进行拟合预测,并对ARIMA预测结果进行修正。结果表明:利用RBF神经网络对ARIMA模型进行修正,将线性拟合算法和非线性拟合算法结合起来用于我国入境旅游游客量预测是一种较可靠的算法。     

应用神经网络方法进行防水材料耐久性预测的研究

SBS改性沥青防水卷材因使用年限增加,老化问题逐渐暴露出来,其中拉伸强度,断裂伸长率的下降表现得尤为突出,从而造成此种材料的使用寿命缩减。采用人工神经网络中误差反向传播的多层前馈式网络,即BP(Back-Propagation)型网络建立SBS改性沥青防水卷材力学性能和使用寿命关系的模型,对其使用寿命进行预测,为建筑施工、沥青防水卷材的研究提供一定的技术支持。     

河南省汛期地质灾害预警的BP神经网络模型及应用

根据诱发地质灾害的内外因素建立地质灾害预警模型,评价河南省地质灾害的危险性.选取地形地貌、地质构造、岩土体类型、植被分布、水土流失、降雨和人类生产活动7个影响地质灾害的因素,建立了地质灾害预警的BP神经网络模型.根据监测数据进行训练和检验后,采用该模型对河南省汛期地质灾害进行预测,发现预测结果与实际情况基本一致.研究表明,建立的BP神经网络模型作为一种灾害预警的探索和尝试,具有一定的适用性和推广价值,可以作为地质灾害危险性评价预测方法的补充.     

环境质量综合评价的径向基函数网络模型

建立了一个环境质量综合评价的径向基函数人工神经网络(RBF-ANN)模型,同时提出了一种简便?快速的RBF-ANN的最小二乘算法(RBF-LS算法)?在城市环境质量综合评价的应用中表明,提出的RBF-ANN模型及其算法是合理?有效?通用的?      

运用回归分析与人工神经网络预测含硫芳香族化合物好氧生物降解速率常数

为了研究人工神经网络预测有机化合物生物降解的性能,运用多元线性回归方法和误差反向传递人工神经网络模型以基团代码作为结构描述符,分别拟合、预测了一批含硫芳香族化合物的一级好氧生物降解速率常数．结果表明,由于神经网络自动考虑了基团间的交互作用,它对生物降解这类复杂问题有极高的求解能力,预测的均方误差为０．００１０２,远低于线性回归模型的预测误差０．０１５９１     

常州市燃气管网破坏的人工神经网络预测模型

作为一种高效清洁的能源,燃气已经成为城市能源中的重要一员,燃气管网破坏亦成为城市所面临的重大安全隐患。城市埋地燃气管网的破坏风险,往往受到多种影响因素的共同作用。通过分析常州市埋地燃气管网破坏的影响因素,确定了地面沉降、地裂缝、城市内涝、土壤腐蚀等4个风险评价因子。运用MATLAB中的人工神经网络工具,通过人工神经网络计算,优化了模型网络结构,建立了常州市埋地燃气管网破坏风险预测的人工神经网络模型。分析计算结果,并为常州市埋地燃气管网的安全防护提供了建议。     

基于人工神经网络算法的大气污染统计预测模型研究进展

人工神经网络算法(ANNs)能够对影响大气污染物各变量间的非线性关系进行较好描述,因而在空气质量预测、重污染预警工作中得到了广泛的应用。随着算法结构的不断发展,基于ANNs的大气污染统计预测模型在其预测精准性上得以显著提升。对近年来的相关研究成果进行归纳,从变量的选取与预处理、算法结构的调整与优化等方面总结提升模型预测性能的主要方法,最终形成构建基于ANNs的大气污染统计预测模型的方法体系。     

水质综合评价的么工向基函数网络模型

针对目前水质综合评价中常规方法存在的问题,提出了径向基函数模型（简记为RBF－ANN）。以吉林省白城市地下潜水水质资料为例,运用该方法对监测样点进行了综合评价。通过与其它方法对比。结果表明,利用RBF－ANN模型进行水环境质量综合评价不仅方法简便,而且结论更接近客观实际。