基于粗糙集理论BP网络的地铁深基坑监控预测分析与优化

以25个深基坑工程地表沉降实测资料为训练样本,综合考虑多个主要影响因素,应用粗糙集对次要影响因素进行约简,然后建立地表沉降的7-15-1粗糙集BP(RS-BP)神经网络预测模型对5个检验样本进行预测及预测精度分析,并将该模型与传统BP神经网络预测模型进行对比。结果表明:传统BP神经网络预测其平均相对误差达到15.04%;而RS-BP神经网络预测平均相对误差较小,为5.55%,满足精度要求。因此,基于粗糙集BP神经网络预测模型在预测精度上优于传统BP神经网络预测模型。     

基于多因素的建筑安全GA-BP神经网络事故预测模型研究

传统的建筑安全事故预测模型一般是在历史事故的相关数据上建立的预测模型,但是它们普遍没有分析事故的成因.而本文建立的结合事故成因分析的BP神经网络预测模型是先分析近十来年的建筑安全事故成因,并采用专家评分法对事故成因指标进行量化处理,将量化处理后的因素指标作为网络的输入,将事故的死亡人数作为网络的输出,建立基于多因素的BP神经网络事故预测模型.结果 发现基于多因素的BP神经网络事故预测模型比未结合事故成因分析的BP神经网络模型预测的平均相对误差降低了1.75％.为了进一步提高预测模型的精度,采用遗传算法对基于多因素的BP神经网络预测模型进行优化,优化后的预测模型平均相对误差降低了3.49％.     

试验焦炉测温点位置的探讨

介绍了200公斤试验焦炉测温点分布及存在问题，从试验焦炉的烘炉期、炼焦期、保温期三种情况中随意抽出几组温度数据进行了探讨，建立将立火道上部测温点移至水平烟道下部，以便消除废气流对其他火道温度影响。     

基于BP网络的地板辐射供暖预测控制模型

基于BP神经网络建立了地板辐射供暖系统的预测控制模型,以实验实测数据训练预测控制模型,通过实验对训练好的预测控制模型进行在线修正预测控制,在线修正预测控制输出的室内温度与实验实测结果的相对误差最大为-6.2%,证明预测控制模型的预测控制效果良好。预测控制模型的应用可提高对地板辐射供暖系统的控制精度,使室内温度控制在设定范围内,保证了室内的热舒适性。     

基于遗传算法优化BP神经网络的短期热负荷预测方法研究

本文以集中供热系统为研究对象,利用遗传算法优化神经网络,对该系统的短期热负荷预测方法进行研究。首先采暖热负荷受气象因素、系统因素、建筑因素、随机因素等多种非线性因素的影响,针对以上问题,先确定输入、输出样本,建立BP神经网络模型;然后利用遗传算法对BP网络的不足进行优化,建立GA-BP预测模型;最后,以MATLAB软件为平台,用遗传算法优化BP神经网络结构的权值和阈值,实验结果表明,经过遗传算法优化的BP神经网络预测模型的平均相对误差减少5%,对短期热负荷的预测精度有一定的提高。     

基于拌和生产数据的BP神经网络混凝土抗压强度预测

为解决混凝土生产中抗压强度试验周期长及工程管理存在滞后性的问题,提出了一种基于混凝土拌和生产实时监控数据的BP神经网络混凝土抗压强度预测模型。以混凝土拌和生产中的8项物料生产称重数据和5项生产配比数据作为预测输入变量,建立200组混凝土拌和站生产监控数据和对应的抗压强度试验数据样本集,按照6∶2∶2比例划分为训练集、验证集和测试集;分别以C40配比混凝土拌和生产的8项物料称重数据和全部13项数据作为输入变量,进行混凝土28 d抗压强度预测,将预测结果与实际试验结果进行比较,验证所提出BP神经网络模型的预测效果。结果表明：所提出的BP神经网络混凝土强度预测模型能较好地实时预测混凝土28 d抗压强度,且相对误差优于利用7 d抗压强度试验数据估算值;8项物料称重数据作为输入变量的BP神经网络预测模型预测精度更好,平均绝对百分比误差为0.82%,均方根误差为0.52 MPa;利用不同拌和站C20配比、C30配比混凝土拌和生产监控数据对8项输入变量BP神经网络混凝土抗压强度预测模型进行适应性验证可知,其预测平均绝对误差均在0.5 MPa之内,平均绝对百分比误差均小于2%,与C40配比预测误差一致...     

解淀粉芽孢杆菌Q-426培养基优化及抑菌活性的预测

为了提高解淀粉芽孢杆菌Q-426发酵生产的抑菌活性,运用响应面法优化解淀粉芽孢杆菌Q-426发酵培养基组分,并利用BP神经网络对抑菌活性进行了预测。优化后培养基配方(g/L)为:葡萄糖3.92、氯化铵0.19、氯化镁3.83、牛肉膏5.00,并以此作为输入数据,将抑菌活性即抑菌圈直径作为输出数据,建立了BP神经网络预测模型。结果表明:优化后抑菌圈直径由24 mm提高到29mm。训练BP神经网络的抑菌圈直径的拟合值与实际值之间的相对误差为-2.962 9%².857 1%,相对误差的绝对值的平均值为1.197 9%;测试BP神经网络的抑菌圈直径的预测值与实际值的相对误差为-1.111 1%2.857 1%,相对误差的绝对值的平均值为1.197 9%;测试BP神经网络的抑菌圈直径的预测值与实际值的相对误差为-1.111 1%¹.153 8%,相对误差的绝对值的平均值为0.993 1%,说明建立的基于4个培养基成份的抑菌圈直径BP神经网络预测模型是可行的。     

基于遗传算法改进BP神经网络的页岩气产量递减预测模型

页岩气藏储层孔隙特征复杂、渗透率不高,导致页岩气产量递减规律与常规气藏不同,常规递减模型对页岩气藏适应性较差。根据遗传算法改进的BP神经网络,建立以时间、累计产量、地层压力作为输入层,页岩气日产量作为输出层,遗传算法优化神经网络权值和阈值的页岩气产量递减预测模型。将改进的BP神经网络、常规的BP神经网络和Arps递减模型的预测结果进行比较,遗传算法优化的BP神经网络的最大相对误差为8.184%,常规BP模型的最大相对误差为17.821%,Arps递减模型最大相对误差为19.950%。遗传算法优化的BP神经网络预测精度最高,可见,此方法对页岩气产量递减预测具有较好的适用性,为预测页岩气产量递减提供了1个有效、可行的方法。     

基于GM-BP神经网络的校园建筑能耗预测

针对季节更迭、教学活动等因素对校园公共建筑能耗的影响,通过建立GM-BP神经网络组合预测模型,借助MATLAB软件完成建模和仿真环节,对建筑能耗开展预测分析研究。同时,引入最大相对误差绝对值Emax、平均相对误差Eave和均方根误差RMSE 3个性能指标对各预测模型性能进行评价。结果表明,组合模型较单一的GM(1,1)模型和BP神经网络模型预测精度更高,拟合性能更好。研究成果对能源管理部门制定用能政策及科研院校从事建筑节能研究具有一定的借鉴意义。     

基站用相变储能机组性能实验及预测模型

针对相变储能机组换热性能的非线性影响因素,分析了室内外不同环境因素下机组运行工况的性能系数(COP)及蓄/放能特征,并在焓差实验室进行机组性能测试。基于实验数据,建立了不同神经网络结构预测模型,预测机组COP及蓄/放能量;通过预测值与实验值结果对比,两者相关系数大于0.99,平均相对误差小于2%,平均均方差低于0.2%。研究结果表明,神经网络方法可以准确地预测相变机组储放能过程及对应的性能系数。     

基于ANSYS的水平受载桩桩身受力性能的研究

基于ANSYS有限元软件,建立了钢筋混凝土管桩模型,对成层土中桩身处承受水平荷载的基桩受力性状进行了计算机数值模拟,通过对桩身位移和应力变化曲线的分析,得出了水平荷载下桩身位移和应力的变化规律。     

浅析“辛以润之”

"辛以润之"是中药药性理论的重要组成部分,一方面,"辛润"是"辛散"功效作用于脾、肺、肾而依次派生出的功用变易,是天地阴阳、五行五脏之间紧密联系的体现;另一方面,对"辛润"的运用不该只局限于治疗"肾苦燥",而更应将其追溯到"发越脾气"与"从阳引阴"上去,以使其对临床用药的指导意义更加深刻、广泛;最后,对于药物性味的合理运用与理解应该与药味之间的相互配伍、中药归经理论结合起来,使其得以互相为体为用,从而更好地发挥功效。     

燃气表跳字分析

分析了燃气表滑阀与滑座、输出轴、计数器对产生跳字的影响,提出了解决方法。     

高架桥上BRT公交车火灾事故调查的思考

通过对一起高架桥上BRT公交车火灾事故的详细勘察和缜密调查,分析提出制定特殊火灾事故调查应急预案的重要性,探讨如何建立重大火灾事故多部门尤其是刑侦部门协作配合机制,以及从火灾事故调查中总结经验教训,提出改进措施和建议。     

对混凝土裂缝自愈合的研究

阐述了混凝土裂缝产生的原因以及混凝土裂缝自愈合的机理,并对混凝土的自愈合技术进行了深入的研究,结合该领域存在的问题,对其在未来的发展进行了展望,以期为该问题的研究提供借鉴。     

浅析MVRDV的密度实践

对MVRDV 的理论进行了探索,指出MVRDV 建筑事务所热衷于研究城市空间扩张与自然空间发展的关系及城市空间和建筑本身的密度实践,并通过对MVRDV 案例的分析,论述了提高建筑密度的手法和优化城市空间的理念。     

同层分户排水刍议

住宅楼分户排水可基本杜绝以往管道穿楼板导致的"跑、冒、滴、漏"和随意往管道投垃圾而导致堵塞下层管道(尤其是底层排水横管)等弊病,有效解决卫生间"臭味"问题.     

基桩施工质量检测探讨

基桩性能一直是工程技术人员关注的问题,基桩承载力、桩身完整性及基桩施工质量具有不同的定义和联系,既有基桩性能检测是基桩验收的必要条件。该文主要论述了桩身完整性和基桩施工质量检测、鉴定的概念及差别,基桩抽样检测的方法、特点及钻芯法检测应注意的问题,所述观点和工程实例可供相关技术人员参考。