嵌岩桩竖向承载力预测的遗传BP神经网络模型研究

将遗传算法的全局搜索能力和BP神经网络的高次非线性能力,应用于嵌岩桩竖向承载力研究中。两种算法的结合,避免了BP神经网络收敛于局部极值,使神经网络更快找到全局最优解;并利用济南地区的现场实测资料,建立起了预测嵌岩桩单桩竖向承载力的遗传BP神经网络模型。通过该模型可以建立起高应变动力测试法与静载荷试验之间的内在联系,证明了高应变动力测试法在本地区的可靠性较高。     

嵌岩桩竖向承载力预测的遗传BP神经网络模型研究

将遗传算法的全局搜索能力和BP神经网络的高次非线性能力,应用于嵌岩桩竖向承载力研究中.两种算法的结合,避免了BP神经网络收敛于局部极值,使神经网络更快找到全局最优解;并利用济南地区的现场实测资料,建立起了预测嵌岩桩单桩竖向承载力的遗传BP神经网络模型.通过该模型可以建立起高应变动力测试法与静载荷试验之间的内在联系,证明了高应变动力测试法在本地区的可靠性较高.     

灰岩地区超大吨位荷载下嵌岩桩承载力特性分析

基于南宁市灰岩地区进行的超大吨位桩基静载试验,对桩身轴力和变形进行了测量,并利用有限元软件分析了桩长、桩径、长径比3 个因素对灰岩地区嵌岩桩承载特性的影响。试验结果表明: 嵌岩深度约为10 m 的试验桩最大试验荷载在31 000 ～ 36 000 kN,能够达到设计承载力要求,而嵌岩深度约为5 m 的试验桩承载力均达不到设计承载力要求; 嵌岩深度对灰岩地区嵌岩桩的承载特性影响最大,嵌岩段越长,桩的承载力越高。     

嵌岩桩竖向荷载-沉降特性的有限元分析

嵌岩桩因单桩承载力高在工程上得到广泛应用.迄今为止,嵌岩桩的荷载传递机理尚不完全清楚,单桩沉降的影响因素又十分复杂.以ABAQUS为平台,对嵌岩桩的荷载沉降特性进行了全面的有限元分析,探讨了嵌岩桩受竖向荷载作用下影响单桩承载力及沉降的各种因素.分析结果表明,嵌岩深度、桩身弹性模量、嵌入岩石弹性模量、沉渣厚度是影响单桩承载力及沉降的主要因素.     

端承嵌岩桩桩端阻力研究

现行嵌岩桩设计规范与理论只考虑桩端岩石的单向受力状态，而实际上桩端岩石在竖向荷载作用下，由于压缩变形受到周边岩石横向约束的作用而处于三维受压状态，其三轴应力强度远高于单轴强度．因此目前设计计算理论不能客观反映桩端岩石应力状态，明显偏于保守．嵌岩桩静载荷试验调查结果也证实了这一点．为此，应用材料力学强度理论对嵌岩桩的承载力进行了深入的分析研究，提出了嵌岩桩承载力的合理计算方法．     

嵌岩桩的优化设计方法研究

结合结构最优化设计概念和有限元分析,建立了嵌岩桩优化数值模型,提出了嵌岩桩目标优化设计的方法.与传统设计相比,通过对嵌岩桩进行桩径和嵌岩深度优化设计可满足桩沉降和承载力的双控要求,使桩端阻力、桩侧阻力能最大限度地得到发挥,有效减少工程投资.以ABAQUS有限元软件为平台,可以成为解决嵌岩桩实际工程问题的个性化工具和仿真研究环境.利用它可以模拟嵌岩桩成桩基本过程,分析嵌岩桩荷载—沉降特性,并对嵌岩桩进行了优化设计.     

基于原位试验的嵌岩桩承载性状分析

原位试验能很好地反映桩的荷载传递特性和桩的承载机理。本文基于埋设有测试元件的嵌岩桩原位试验，分析了在桩顶荷载作用下，嵌岩桩的桩侧阻力、桩端阻力的特征。分析表明嵌岩桩的承载性状受桩的几何尺寸、地质条件和施工质量等诸多因素影响，桩承载力的发挥又与这些影响因素有关。     

海上风机嵌岩桩水平承载特性有限元分析

为确定海上风机嵌岩桩合理的嵌岩深度,本文应用有限元软件ABAQUS,建立三维有限元模型,通过水平承载力、桩身变形、荷载传递等多种因素进行分析,得出:嵌岩深度达到2倍桩直径后,增加1 m嵌岩深度,水平承载力变化小于3‰,同时桩身内力和桩身变形在数值和规律上不再有明显变化,故认为最佳嵌岩深度为2倍桩径。     

端承嵌岩桩桩端阻力研究

现行嵌岩桩设计规范与理论只考虑桩端岩石的单向受力状态,而实际上桩端岩石在竖向荷载作用下,由于压缩变形受到周边岩石横向约束的作用而处于三维受压状态,其三轴应力强度远高于单轴强度.因此目前设计计算理论不能客观反映桩端岩石应力状态,明显偏于保守.嵌岩桩静载荷试验调查结果也证实了这一点.为此,应用材料力学强度理论对嵌岩桩的承载力进行了深入的分析研究,提出了嵌岩桩承载力的合理计算方法.     

重庆市嵌岩桩单桩承载力可靠指标分析

对重庆市近10年102根嵌岩灌注桩试桩资料进行统计分析,建立单桩无量纲随机变量的极限状态方程,采用改进JC法和Monte-Carlo法计算得到重庆地区嵌岩桩基目标可靠度的范围,进而提出重庆地区嵌岩桩基目标可靠指标的建议值。最后引入可靠系数(代替荷载分项系数和抗力分项系数)并计算了嵌岩桩单桩承载力的可靠系数,提出采用可靠系数表达的极限状态设计实用表达式,该表达式体现了简单实用的原则,利于设计人员掌握和理解,便于工程应用。     

BP网络泛化能力改进方法在染色配色中的应用研究

针对BP神经网络在织物染色配色中的局限性,提出了对BP神经网络应用到织物染色配色中的泛化能力改进方法。实验及仿真结果表明,基于泛化能力改进的BP神经网络在平均均方差上优于标准的BP神经网络,并且误差函数改进的BP神经网络要优于网络训练提前结束法改进的BP网络,与一般的BP神经网络模型相比,计算精度有了较大的提高。     

BP神经网络在图像信息提取中的应用研究

本文阐述BP神经网络在图像信息提取中的运用,包括：遥感技术、图像识别原理和模式识别常用的神经网络模型．针对目前在目标识别中应用最多的前馈神经网络模型研究其采用的BP算法,讨论了由于标准的BP算法存在训练时间长、收敛速度慢和易陷入局部极小值等问题,提出了BP神经网络分类器的设计方法、样本的选择及组织的改进方法．     

神经网络在短期电力负荷预测中的应用

给出了改进的BP网络和RBF网络的构造过程和训练方法.在改进的BP网络中不仅加入了动量项和变步长法，而且在模型中合理地考虑了影响负荷变化的主要气象因素，使其能够适应天气的变化.在RBF网络中，为了克服传统K均值聚类法局部寻优的缺陷，采用了正交最小二乘法选取RBF中心.利用改进的BP网络和RBF网络进行了短期电力负荷预测，并对训练的收敛速度和预测精度进行了分析.比较两种模型，RBF网络比BP网络更具有实用性和可开发性.     

改进BP神经网络在水轮机特性数据处理中的应用

针对原有的水轮机特性数据处理方法的不足,提出了一种改进的BP算法对水轮机特性数据进行处理.采用改进BP神经网络算法进行数据处理时,不需要依赖于具体的函数关系表达式,即可对已知离散数据进行拟合,并将提出的改进BP算法与元胞自动机理论所建立模型的计算结果进行了分析比较.计算结果表明:改进的BP神经网络算法不仅能够有效处理水轮机特性数据,而且具有很高的计算精度,可应用于水轮机的控制和优化运行当中,为进一步研究水轮机的运行性能奠定了理论基础.     

GA-BP神经网络算法在中文分词分析中的应用研究

目前,采用神经网络来进行分词的方法已有出现。在实现BP网络分词的基础上采用BP网络与改进的遗传算法相结合的方法对已有的方法进行改进,网络容易陷入局部极小的问题得到了较好的解决,收敛速度得到了提高,分词效果得到了很大的改善。     

基于数据挖掘的BP神经网络模型的一种改进算法

数据挖掘方法的人工神经网络是一种新的数学建模方式.传统方法对非线性数据的预测不易找到简单而有效的模型,神经网络的提出为处理非线性问韪提供了比较好的方法.针对BP算法的局限性提出了改进的BP网络模型,通过对CSP质量指标的预测结果与传统的BP模型比较,结果表明,改进的BP算法提高了学习效率,网络有较好的泛化能力,而且预测更可靠.     

基于改进BP神经网络算法的短期负荷预测

分析了BP神经网络的特点,从学习速率的角度讨论了BP算法的改进方法,并用加州负荷数据进行24h负荷预测及算例分析.仿真结果表明,改进BP神经网络算法预测的平均误差比常规算法降低了0.445％,并且克服了当接近最优解时易产生波动和振荡现象的问题,训练速度也有所提高.     

基于改进BP神经网络模型的电力工业可持续发展综合评价研究

利用附加动量法和自适应学习速率,对传统的BP神经网络算法进行了改进,建立了基于改进BP神经网络的多指标综合评价模型,并将其应用到北京市电力工业可持续发展综合评价研究中去。改进后的神经网络评价模型,大大减少了学习次数,有效防止了网络陷入局部极小值;摆脱了评价过程中人为因素及模糊随机性的影响,同时能保证评价结果的准确性,是一种智能的评价方法。实例运算得出令人满意的评价结果,证明了这种方法的有效性。     

人工神经网络用于岩体工程的方法改进

岩体工程问题往往具有高度的复杂性和非线性 ,而人工神经网络是非线性的动力系统 ,是解决这类问题最有效方法之一 .但经典BP网络模型存在着收敛速度慢、稳定性差、易陷入局部极小的缺陷 .本文针对神经网络拓扑结构、数据的预处理、学习算法三方面的改进作了较系统的介绍 .实例研究表明改进后的BP网络性能良好 ,该方法在工程中具有广阔的应用前景     

基于LM-BP神经网络的建筑能耗在线预测

由于神经网络不需要建立复杂的数学模型,因此基于BP神经网络的建筑能耗预测引起广泛关注.但标准BP神经网络收敛速度慢,不适于建筑能耗在线预测,因此采用了LevenbergMarquardts算法对标准BP神经网络加以改进,并将其应用于某建筑未来24小时的整点电量负荷预测.实验结果表明,改进的神经网络明显提高了训练速度,为建筑短期负荷的在线预测提供了一种方法.