基于BP神经网络的SWMM参数全局灵敏度分析方法

为了准确高效地分析SWMM模型参数的灵敏度,识别模型关键校准参数,提出了基于BP神经网络的参数全局灵敏度分析方法。以汇水区面积、宽度、不透水率等12个参数作为模型输入,以Nash-Sutcliffe效率系数(NSE)代表模型输出,设计了3套验证方案及其比较参考准则,对BP神经网络法与修正Morris法、线性回归法、LH-OAT法、多项式回归法等灵敏度分析方法进行了比较分析。结果表明,应用BP神经网络的连接权值作为全局灵敏度分析依据时,BP神经网络法的灵敏度分析精度优于线性回归法、LH-OAT法和多项式回归法。因此,BP神经网络法是SWMM模型参数全局灵敏度分析的一种可行方法。SWMM模型参数灵敏度分析精度与分析模型的非线性拟合程度存在密切关系,优良的非线性拟合能力是BP神经网络方法优于其他灵敏度分析方法的重要原因。通过比较不同灵敏度分析方法的效果,提出了以Morris扰动灵敏度分析结果作为真值基准、以SWMM模型几何参数作为灵敏度指示参数、以线性回归法和拟合优度作为比较基准等方法,可为灵敏度分析方法效果评价提供借鉴。基于BP神经网络的SWMM模型参数灵敏度分析方法为解决复杂模型参数"参数灵敏度分析-参数寻优"多重循环校准开拓了新路径。     

基于BP神经网络的施工企业综合能力模糊评价

当前对于建筑施工企业综合能力评价过程中,在运用模糊综合评价法评价较多家施工企业时,存在计算繁琐和标准不统一的诸多弊端,而BP神经网络具有的"自组织、自学习、自适应、强泛化"优势恰可弥补模糊综合评价法逐一评价的劣势.采用模糊综合评判法为采样基础,用BP神经网络理论建立模型,采用单隐层神经结构训练网络,建立了口径一致、方便快捷而又准确度高的建筑施工企业综合能力评价系统并对相关企业作出了统一评价.     

基于加权组合预测模型的城市用水量预测

介绍了移动算术平均预测法和BP神经网络理论在城市用水量预测方面的应用,并运用组合权系数优化理论,将移动算术平均预测法模型和BP神经网络预测模型进行加权组合。经吉首市实例验证,表明加权组合预测模型较单一的移动算术平均预测法模型和BP神经网络预测模型更全面,计算结果更精确,拟合效果更好。该模型能为我国中小城市用水量预测提供参考。     

基于 ANP 与麻雀搜索算法优化 BP 神经网络的装配式建筑进度风险评价

进行进度风险评价是装配式建筑风险管理的重点,也是提高装配式建筑工期效益的关键。从设计生产、运输供应、施工管理及环境 4 个方面识别影响因素并进行风险评价指标体系构建,在此基础上采用网络层次分析法（ ANP）构建指标关系网络并进行权重计算。同时针对传统 BP 神经网络评估精度低的问题,引入麻雀搜索算法（ SSA）优化 BP 神经网络,建立起基于 ANP 与 SSA-BP 神经网络的评价模型实现对装配式建筑进度风险的评价研究,通过与 ANP-BP 神经网络评价模型的对比验证了该模型的准确性与稳定性。     

基于BP神经网络对BT项目风险的评价

BT融资模式是加快城镇化发展过程中,大型基础设施项目建设的主要融资方式,准确地对BT工程项目的风险等级进行评价,有助于降低投资人的风险损失。为了更好地评价BT工程项目的风险等级,克服传统风险分析方法的不足,建立BP神经网络模型。本文以A市地铁BT工程项目为例,首先建立该项目的风险评价指标体系,然后确定合适的BP神经网络模型参数。在大量经验数据的基础上,对BP神经网络模型进行了训练与检测,通过试验发现构建18-17-1三层BP神经网络模型对风险等级的评价结果精度最高。最后通过此模型对A市地铁BT工程项目的风险等级进行了评价,取得较好的效果。     

基于GA改进BP神经网络的建设工程投标报价研究

在建设工程项目投标报价过程中,如何来确定标高金直接关系到承包商能否中标和盈利以及施工企业今后的生存与发展。提出基于遗传算法(GA)优化BP神经网络的标高金预测方法。在分析BP神经网络基本原理的基础上,主要阐述了如何应用遗传算法来改进BP神经网络收敛速度慢和易于陷入极小值等缺点。对BP神经网络模型隐含层节点数进行优选后,建立起GA改进BP神经网络的标高金预测模型;最后应用该模型和一般BP神经网络模型对20个典型国际工程实例的标高金进行计算和预测。计算结果对比发现,经遗传算法改进后的BP神经网络模型在降低计算和预测平均误差的同时,迭代次数比一般BP神经网络模型也大大减少了。因此,该模型适用于求解如建设工程投标报价等非线性问题。     

基于GA-BP神经网络的施工升降机安全评价研究

基于遗传神经网络评价技术,对施工升降机安全状况进行评估,以便减少施工升降机事故发生。依据人-机-环境系统工程学,建立一套施工升降机安全评价体系;将遗传算法和BP神经网络相结合,形成遗传(GA-BP)神经网络;利用GA-BP神经网络对施工升降机的安全进行评价和预测,得到比较满意的结果,对施工升降机安全评价工作提供参考借鉴。     

淮北平原地基分层与承载力的BP网络预测方法

针对淮北平原地质土成层性和不均匀性显著的特点,提出了多元互层地基分层和承载力分层计算的BP神经网络预测方法。以钻探取样、静力触探试验和螺旋板载荷试验、平板载荷试验原位测试结果进行对比,认为比贯入阻力ps值可以作为互层地基分层和地质土承载力预测的评价指标,并以此为基础采用BP神经网络的梯度下降算法和共轭梯度算法分别建立土质分层和承载力预测的模型,并将两种算法的计算结果进行了对比分析。结果表明：比贯入阻力值可作为淮北平原互层地基的土质分层和承载力预测的评价指标;BP神经网络的梯度下降算法和共轭梯度算法均对土质类型的识别和地基承载力的预测具有良好的效果,满足实际工程的精度要求,但是前者的计算效率明显低于后者。     

基于BP神经网络的照度计算方法

本文介绍了将BP神经网络应用于照度计算中,建立网络模型,在MATLAB环境下进行仿真的方法。与传统照度计算方法相比,BP神经网络计算获得的结果较理想。     

基于麻雀搜索算法优化BP神经网络的建筑工人不安全行为风险评价

建筑施工企业安全管理的重点是减少建筑工人不安全行为风险。从组织管理、个体、生产作业与社会环境4个方面识别影响因素并构建建筑工人不安全行为风险评价指标体系。通过BP神经网络法将指标进行网络输出,同时编制预警问卷。由于传统的BP神经网络法存在评估精度较低的缺陷,无法对相关指标进行优化,因此引入麻雀搜索算法(SSA)。使用麻雀搜索算法优化BP神经网络法,建立建筑工人不安全行为风险评价模型,并对该模型进行训练及测试。通过对比发现,经麻雀搜索算法优化的神经网络法较传统的BP神经网络法具有更好的收敛性与精确度,在建筑工人不安全行为风险预测方面更具可参考性。     

改进BP神经网络及其在西北建筑业预测中的应用

BP神经网络是分析处理复杂非线性问题的一种有效方法,是目前广泛应用的一种神经网络,已被逐渐应用于对宏观经济问题的研究中。本文有机地整合了计量经济学与BP神经网络,建立了基于因果关系理论来确定BP网络的输入变量,基于协整理论来分析BP网络系统的可靠性,基于学习率可变的动量BP算法的用于研究经济领域问题的改进BP神经网络预测模型,加强了网络模型的理论基础,提高了网络模型的质量,并将其应用于西北建筑业的预测和控制中,取得了令人满意的效果。     

BP神经网络和RBF神经网络在墩柱抗震性能评估中的比较研究

通过仿真实例,对BP神经网络和RBF神经网络在墩柱抗震性能评估中的应用进行了比较研究.训练和仿真结果表明,BP神经网络和RBF神经网络均能很好地对墩柱的延性进行抗震性能评估,并且,在相同精度要求下,RBF神经网络比BP神经网络的训练速度更快,效率更高,充分体现了RBF神经网络的优越性.同时也总结了BP神经网络和RBF神经网络所存在的不足.实际应用中,可以以此结论为指导来设计神经网络.     

基于改进BP 神经网络的建筑施工安全评价

通过分析我国建筑施工安全生产的现状,在评价方法选择以及评价指标体系的建立方面,都在传统评价方法的基础上进行了改进,在BP 神经网络的模型中引入了动量因子mc,从而克服了BP 神经网络运算次数多,易陷入局部最优等缺点。利用改进的BP 神经网络模型对建筑施工安全进行评价,找出施工中影响安全的主要因素,为建筑施工的危险辨识和制定相应控制措施提供依据,以指导人们有效地控制施工中的不安全因素,避免和减少施工中事故的发生。     

基于神经网络的聚合物火灾危险性预测

基于BP 神经网络预测模型预测聚合物的火灾危险 性,通过对测试样本进行网络仿真和拟合,量化输出IFHI 火灾危 险综合指数（Integrated Fire Hazard Index,IFHI）,来对聚合物 的各项（热危险与烟气危险指标）性能进行综合评价。实验表明, 通过BP 神经网络预测IFHI 的结果与层次分析法分析结果大体 相近,火灾危险性均大体符合火灾危险指数的总体走向,由模型预 测与评估的结果同实际数据具有较好的一致性与较高的重合度。     

基于GA的BP神经网络在砂土液化评价中的应用

BP神经网络是一种应用面较广的神经网络,但存在明显缺陷:学习收敛速度慢,易陷入局部极小。遗传算法具有良好的搜索全局最优解的能力。在探讨训练样本选取的基础上,耦合遗传算法和BP神经网络构建了遗传网络并应用于砂土液化的评价,通过与动量梯度下降算法改进的BP神经网络对比,表明了基于遗传算法的BP神经网络在砂土液化评价中的优越性。     

基于神经网络的蔷薇河水质综合评价

基于BP神经网络的改进算法,提出了以Matlab7．0为平台的算法程序的人工神经网络水质评价模型。参照《地表水环境质量标准》（GB3838-2002）,确定了神经网络学习和训练的样本以及模型的相应参数,并以流经连云港市蔷薇河的六个断面的水质数据为样本,进行水质综合评价分析。     

基于遗传神经网络模型的水质综合评价

建立了用于水质综合评价的遗传神经网络模型.该模型运用遗传算法优化改进型BP神经网络的初始权值和阈值,具有快速学习网络权重和全局搜索的能力,有效解决了BP神经网络容易陷入局部极小点和训练结果不稳定的问题.采用苏帕河梯级电站的水质监测数据对该模型进行了测试,并与其他方法进行了比较.结果表明,该方法用于水质综合评价客观、合理、准确,有其独特的优越性.     

基于BP神经网络的项目投资风险评价

风险项目投资具有高风险、高收益的特点,科学、准确的评价方法对项目投资至关重要.传统的评价方法主观因素太强,而人工神经网络模型克服了传统项目评价依赖专家经验的弊端,为项目投资风险评价开辟了新途径.本文首先阐述了BP神经网络的原理,然后结合实例给出了用于项目投资风险评价的UP神经网络模型,仿真试验表明,采用该模型的结果是令人满意的.     

新农村住宅建筑节能评价模型研究

结合当前我国关于住宅建筑节能的研究主要是针对城市地区,关于社会主义新农村建设进程中农村住宅建筑节能方面的研究相对不足的现状,以及广大农村地区本身的社会经济和资源环境特点,在现有研究基础上建立了新农村住宅建筑节能的初始评价指标体系,并结合层次分析法和熵值法的组合赋权结果对其进行筛选和优化,进而保证合理性。最后利用BP神经网络的方法,建立新农村住宅建筑节能评价模型。实例仿真结果表明,该模型可以取得较为理想的评价精度和良好的适用性。