BP神经网络在隧道基坑工程中的实际运用

依据昆明轨道交通三号线东标段二工区省博物馆站在施工过程中基坑开挖所产生的深层水平位移问题,基于MATLAB神经网络工具箱仿真并建立BP神经网络模型,预测位移曲线可以通过输入已知数据建立。在实际工程中对该模型的合理性进行检测,实测数据表明,此BP神经网络模型对于深层水平位移问题有很好的预测能力。     

基于APSO-BP耦合算法的岩体力学参数反馈研究

提出了基于自适应粒子群优化(APSO)与误差反向传播(BP)神经网络耦合反馈分析模型(APSO-BP).模型实现对网络结构、权重、阈值的同时优化,借助自适应粒子群算法全局优化能力强、收敛速度快的特点,提高了模型运算效率.采用Schaffer基准函数对该模型和传统遗传算法、BP神经网络、粒子群与BP神经网络组合算法进行测试对比.结果表明该模型更为优越.应用该模型对索风营水电站地下岩体力学参数进行反馈分析,计算位移值与实测值吻合较好,平均误差0.22 mm.     

隧道软弱围岩的改进BP神经网络位移反分析

基于一般BP神经网络特点,特别是在缺陷认识的基础上,采用改进BP神经网络对隧道软弱围岩进行位移反分析.通过增加神经元输出反馈量、运用二分法原理确定隐层单元数和改进惯性校正法、变步长算法、改进误差函数等方法,分别从BP神经网络结构和算法两个方面进行改进.并将现场监测数值和反分析计算位移值进行比较,其综合相对误差均控制在4%以内,取得了良好效果.成功将有限元数值仿真与BP神经网络原理结合,可为软弱围岩隧道设计和施工提供准确可靠的参数信息.     

基于改进的小波神经网络的深基坑围护桩水平位移预测研究

结合某深基坑工程,以现场实测数据为依据建立了改进的小波神经网络预测模型,并用其预测围护桩水平位移.结果表明,改进的小波神经网络模型预测值与实测值相差在4%以内,而BP神经网络和小波神经网络模型的预测值与实测值相差最高分别达到了21.92%和18.58%.可以看出,改进的小波神经网络模型预测结果更接近于实际监测值,从而验证了改进的小波神经网络用于围护桩水平位移预测的可行性.     

基于灰色BP神经网络的沉降预测模型应用研究

通过对灰色BP神经网络模型的分析与研究,给出了灰色BP神经网络的建模方法,建立了基于灰色BP神经网络的建筑物沉降预测模型,通过工程实例数据分别对GM(1,1)模型和灰色BP神经网络模型进行验证,得到了灰色BP神经网络的预测效果要比单纯的灰色GM(1,1)预测模型精度要高的结论,本模型为解决建筑物基础沉降预测分析提供了一种新的方法.     

基于遗传优化BP神经网络的供热管网故障诊断模型

为了克服传统BP神经网络收敛速度慢,易陷入局部极值的缺陷,提出一种遗传优化的BP神经网络供热管网故障诊断模型.通过建立泄漏工况数学模型,获取了泄漏工况下的节点压力变化情况,并以此作为BP神经网络的样本数据;利用遗传算法对BP网络初始权值和阀值进行了优化,再通过BP神经网络进行了供热管网的故障诊断,以确定泄漏管段和泄漏量,并对泄漏点进行定位.实验结果表明:该模型性能明显优于传统的BP神经网络故障诊断模型,且诊断精度高.     

基于BP算法的光纤传感器非线性位移补偿研究

针对光纤位移传感器应用中存在的非线性问题,提出了以神经网络为补偿环节,结合传感器构成的一种非线性补偿模型.基本思想是采用BP算法,以传感器的输出作为神经网络的输入样本.传感器的输入位移为神经网络的期望输出,通过调整神经网络权值使神经网络的输出与期望值近似,实现位移测量的非线性补偿.实例仿真结果表明该方法有效提高了精度,是一种有效的传感器非线性补偿方法.     

基于神经网络的结构抗震可靠度预测及优化

针对结构抗震可靠度分析中存在影响因素复杂、统计资料缺乏、概率模型合理选取困难、计算繁杂等问题,利用遗传算法的全局空间寻优功能和BP网络映射能力强的优点,提出了预测结构抗震可靠度的进化神经网络模型,并利用BP网络进行对比研究.实例分析表明,利用进化神经网络预测结构抗震可靠度,可克服BP网络输入层节点数、隐含层数和隐含层节点数确定的盲目性,适应性更强,精度更高.     

偏压双连拱公路隧道围岩稳定性动态预测分析

由于高速公路偏压双连拱隧道的复杂地质条件,会给隧道安全施工带来严重威胁,提出在加强隧道开挖现场监控量测的基础上,以位移量测结果作为学习样本,应用BP神经网络预测隧道围岩位移的大小,分析围岩的稳定性.由于BP神经网络能综合考虑隧道围岩节理、裂隙等对围岩位移的影响,所以与有限元反分析法计算隧道围岩位移结果比较,显示BP神经网络预测结果的误差较小,预测值与实际测量值趋于一致,因此应用BP网络预测偏压双连拱隧道围岩位移,超前分析其稳定性是安全可靠的,该预测方法的预测结果可以指导现场的施工.     

基于人工神经网络的岩土工程位移预测研究

从神经网络理论及应用实践等几个方面分析研究了目前岩土工程位移预测神经网络模型存在的几个问题,并提出了几个可供借鉴的其它模型.最后,提出了一种进行位移预测的进化神经网络模型,并采用一个工程实例进行了研究,其结果验证了前述分析研究的结论,说明了本文分析的合理性.     

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.     

BP网络在非线性油阻尼减振器建模中的应用

针对传统的线性理论在解决复杂非线性油阻尼减振器模型上的局限性 ,提出了一种应用 BP网络进行建模的新方法。为阐述 BP网络在非线性系统中建模的优越性 ,进行了非线性油阻尼减振器的试验研究 ,建立了其相应的非线性模型。在分析实验模型的基础上 ,对 BP网络进行改进 ,建立更为符合实际的非线性油阻尼减振器模型 ,仿真结果表明 ,神经网络在建模中具有较高的精度和适应性 ,是一种可行的方法     

基于灰色BP神经网络组合模型的郑州市商品住宅价格预测

针对郑州市商品住宅价格问题进行了研究,在传统GM(1,1)模型的基础上引入BP神经网络模型,建立了灰色BP神经网络组合模型,采用传统GM(1,1)模型与灰色BP神经网络组合模型预测郑州市商品住宅价格.结果表明,灰色BP神经网络组合模型比传统GM(1,1)模型预测精度高,具有更好的应用价值.     

改进的BP神经网络在石油测井解释中的应用

通过修正系统误差改进了传统的BP算法,改进后的BP算法具有收敛速度快的特点。在此基础上,利用多种测井解释数据及岩心分析资料作为网络训练样本,通过网络的训练、学习,建立了BP网络孔隙度模型,并利用该模型预测该地区新井的孔隙度值,实验证明用该模型进行孔隙度预测是可行的。     

基于区域映射模型的R&D项目中止决策

针对传统的BP网络训练时收敛速度缓慢,容易陷入局部极小,并且实际分类准则与训练准则不一致的缺陷,提出了R&D项目中止决策模式识别的区域映射模型.模型从根本上保证了分类准则与训练准则的一致性,具有比BP网络更快的训练速度和更高的识别率.案例研究表明,区域映射模型是R&D项目中止决策的一种有效的模式识别方法.     

人工神经网络在河流高水水位流量关系分析中的应用

用BP网络对河流高水水位流量关系进行分析,研究人工神经网络中应用最为广泛的BP网络模型及其学习算法,并建立了BP网络,然后将其应用于河流高水水位流量关系分析中．应用表明,BP网络应用在高水水位流量关系分析方面具有较高的精度,且可以减少工作量,提高工作效率．     

基于遗传算法的BP神经网络在声音智能监控中应用

针对标准的BP神经网络对于声音信号在线监控模型的预测误差比较大,提出了一种用遗传算法优化BP神经网络的算法,建立了声音监控的预测模型。遗传算法优化BP神经网络主要是用遗传算法来优化BP神经网络的初始权值和阀值,然后通过训练BP神经网络以得到预测模型的最优解,优化后的神经网络具有预测误差比较小、反应速度快等特点。实验结果证明,利用遗传算法优化BP神经网络在声音的智能监控中取得了比较好的效果,达到了系统设计的目的。     

因子相关性对两种大坝监测模型的影响分析

通过实例分别对BP神经网络模型和统计回归模型进行了建模因子的主成分分析,通过对相应原始模型的比较,研究了因子相关性对两种模型的影响,结果证明因子相关性对BP神经网络模型基本无影响,对统计回归模型影响较大.因此,对效应量做预报时,采用BP模型或主成分回归模型比较合适,因为它们不受因子相关性影响;如果要分析效应量和自变量之间的关系,考虑BP模型难以用明确的方程式表示,则采用主成分回归模型较为合适.     

BP神经网络拟合方解石晶体色散方程

介绍BP算法神经网络曲线拟合方法,并借助MATLAB工具箱函数将它运用于方解石色散特性研究,通过拟合效果图,误差曲线,误差范数反映BP神经网络的优越性,体现BP算法较高的预测能力和良好的泛化能力,并且可以自动地确定数学模型,精确度高,原理也较简单,尤其对复杂的输入输出系统具有更好的效果。     

改进的BP网络在嵌岩桩承载力预测中的应用

本文提出了用改进的BP网络对嵌岩桩承载力进行预测的新方法，并编写了相应的训练程序。实例计算表明，改进的BP网络算法比一般的BP模型结果误差小、收敛快，人工神经网络方法对嵌岩桩承载力的预测行之有效。