运用粒子群算法求解若尔盖湿地含水层参数

以潜水完整井流理论为基础,依据求解潜水含水层参数的Theis模型近似式,研究了基于抽水试验的粒子群算法确定孔隙潜水含水层导水系数T、渗透系数K、给水度μ等参数的方法和途径。计算结果表明,粒子群算法不仅可行,而且求解精度高,收敛速度比其他方法快,是一种值得在实际中推广应用的求解含水层参数的方法。     

基于人工神经网络的典型桥梁断面气动参数识别

基于同济大学风洞实验室既有大跨度桥梁试验数据成果,利用Access数据库软件和Java编程语言,集成了大跨度桥梁抗风性能的数据库系统。通过人工神经网络技术对人工神经元的训练和神经元间连接权值的调整,建立大跨度桥梁主梁气动参数（包括静力三分力系数和颤振导数）的智能化识别方法,主要针对扁平箱梁和倒梯形箱梁两种断面。气动参数的神经网络输出与期望输出间的误差符合预期要求,以期可作为桥梁结构初步设计阶段参考。     

基于神经网络算法的多参数火灾探测系统设计

为进一步拓宽神经网络算法在火灾探测领域的应用,利用以阴燃火、明火和无火发生概率作为输出结果的国家标准火实验数据,在MATLAB平台上训练了一个多层BP神经网络,此网络对于测试集样本拟合的决定性系数均达到了0.95以上.以AT89C52为主控芯片,在Proteus中设计出了一种能满足火灾探测目的的仿真电路图.通过将训练好...     

基于抽水试验的遗传算法确定含水层参数的研究

以潜水完整井流理论为基础 ,以“京蒙沙源区植被建设中水资源优化配置研究”项目实施地点进行的潜水完整井定流量抽水试验资料为依托 ,研究了基于抽水试验的遗传算法确定孔隙潜水含水层导水系数T、贮水系数 μ 以及重力给水度 μ等参数的方法和途径 ,取得了良好的效果。     

基于Neuman理论的神经网络优化确定水文地质参数

针对利用非稳定流抽水试验资料确定潜水含水层参数传统方法的不足,系统分析考虑垂直分量和弹性释水的Neuman潜水井流模型解析解的基础上,利用实码加速遗传算法(RAGA)和自适应BP神经网络模型相结合对Neuman潜水井流模型解析解进行优化求解,提出确定潜水含水层水文地质参数的Neuman-BP法。以计算实例表明,Neuman-BP法不需分抽水时间———降深过程的前、后段分别进行参数确定,避免了前、后段所求导水系数T的不一致,既充分利用了抽水试验数据,又获得了较高精度的参数,简化了参数确定过程。     

枯期径流退水规律与流域特征关系的区域化研究

针对枯期径流退水过程及地表形态特征对退水的调蓄作用,利用东江流域11个小流域枯期径流资料进行退水过程分析以及退水系数和水文地质参数的区域化研究。基于Boussinesq方程构建了Brutsaert和Lopez方法提出的快、慢速退水方程的解析解,计算出相应的退水系数,反演水文地质参数。通过对退水系数与流域地表形态特征的多元回归分析,确定影响退水系数的主要影响因子为河网密度、流域高差、流域面积和主干河流长度特征值,并建立与退水系数的多元非线性回归方程,以及水文地质参数T、给水度Sy以及含水层厚度D与流域特征的关系,为无(缺)资料流域的水文模拟提供基础。     

动量BP算法及其在桩基沉降研究中的应用

在说明动量BT算法及其程序实现的基础上，阐述了网络训练中的主要参数（初始权值或阈值、隐层单元数、输出单元数、归一化方法，传递函数）对训练过程的影响，并将动量BP算法应用于桩基沉降的研究，研究表明，使用一定的训练参数，得到的预测沉降与最终沉降量具有良好的一致性。     

回灌水温度场的试验研究

利用地下含水层进行能源储存,即深井的冬灌夏用及夏灌冬用,是行之有效的,好方法,也是解决能源短缺的一个有效措施。本文从研究回灌水温度在含水层中的变化特点入手,探讨提高能量储存效率的途径,制定最优储存方案。 一、试验概况 为了解储能体温度在含水层中的运移变化规律,曾设置四组试验场,现以两处为例加以说明。 试验含水层埋藏深度86～132m,主要为上更新统细砂、粉细砂、粉砂,实验室测得土性参数见下表。 抽水试验测得渗透系数K=3.75-4.05m/d,导水系数T=8.61-108.30m~2/d,     

单井出水量类别的综合分析

本文依据与出水量有关的含水层厚度、渗透系数、给水度、井的直径单位出水量、换算系数等因素作为出水量类别的判定指标，应用模糊聚类和判别分析两种方法，对哈尔滨地区松散层状孔隙含水层单井出水量类别进行判定，取得了较好的结果。     

半承压含水层中地下水非稳定流参数计算

通过水文地质勘察获取水位、流量等数据，建立半承压含水层地质概念模型和数学模型，采用直线图解法求得渗透系数、贮水系数等水文地质参数，为围护结构设计和基坑降水工程设计提供设计依据。     

不同加载效率下简支梁桥冲击系数分析

在桥梁动载试验中,实测冲击系数是较为重要的一个参数;以某简支T梁桥为分析对象,分析了桥梁冲击系数与加载效率之间的关系,指出了目前较为流行的取实测冲击系数与动载效率的乘积作为桥梁冲击系数评价值的做法所存在的问题,可供从事桥梁检测工程人员参考。     

神经网络下能量桩桩基混凝土强度及导热预测

基于神经元网络理论，建立能量桩桩基混凝土抗压强度和导热系数的预测模型，设计16组不同配合比的桩基混凝土进行抗压和导热试验。根据试验结果，以石墨掺量、玄武岩纤维掺量、水胶比、玄武岩纤维长度作为输入参数，分别以混凝土抗压强度、导热系数作为模型的输出参数，建立两个4-9-1的BP神经网络模型。研究结果表明：基于BP神经网络模型的预测与试验结果误差在5%以内，预测精度较高，可以作为能量桩桩基混凝土配合比设计的参考。     

基于Sym小波与BP神经网络的装配柱钢筋套筒灌浆连接缺陷检测方法

为检测装配柱钢筋套筒灌浆连接由于施工原因而产生的缺陷程度,采用ABAQUS建立有限元模型,利用Sym8小波基对装配柱加速度响应时程曲线进行小波分解,提取各个频带成分的能量占比变化量。构造特征向量作为BP神经网络的输入向量,定义弹性损伤系数与塑性损伤系数,分别作为神经网络的输出值。通过数值模拟的方法获得多种损伤工况下的训练样本用以训练网络,建立特征向量和装配柱套筒连接段等效弹性损伤与塑性损伤的对应关系。最后,通过有限元模型获得一系列测试样本用以检测网络的识别能力。结果表明,训练得到的神经网络可以对装配柱钢筋套筒灌浆连接的等效损伤程度进行识别,为实际工程中的检测提供了参考。     

基于神经网络的建筑结构安全评估模型研究

为实现建筑结构安全的快速评估,提出基于神经网络的建筑结构安全评估方法。基于《民用建筑可靠性鉴定标准》的调查与检测要求并考虑数据易获取性,选择45个涵盖承载力、耐久性、历史记录和环境情况等变量作为输入参数,以《民用建筑可靠性鉴定标准》中的安全等级作为输出参数,采用深度置信网络学习输入参数与输出参数间的非线性映射关系。对输入参数的选择、样本缺值问题、小样本问题和神经网络评估的可靠性进行探讨和验证。结果表明:在无法准确判断输入参数与输出参数相关性的前提下,采用全部输入参数的评估模型具有更高的鲁棒性; 迷失森林算法相较其他常用的缺值插补算法有更好的插补性能; 采用变分自编码器扩充训练样本集能有效提高神经网络的泛化能力和分类精度; 对深度置信网络引入加权交叉熵损失函数加以改进可增加训练时对不安全类别的敏感性,牺牲少量不安全类别的查准率可以大幅提高其查全率; 基于神经网络的结构安全评估模型能较好地预测结构的安全等级,具有快速且大批量运算的优势,是实现大范围建筑群结构安全监测的有效手段。     

基于BP神经网络的装配式剪力墙连接损伤检测方法

利用BP神经网络算法,结合ANSYS进行高精度数值模拟,设计了一种用于预制装配式剪力墙连接处损伤检测的方法,该方法能有效对损伤进行定位并评估损伤的程度。在识别参数中将动力响应参数传递系数变化率与前三阶振动频率变化率作为输入参数,将损伤率作为输出参数,通过ANSYS的高精度数值模拟,获得大量的训练数据来训练BP神经网络。测试结果表明,对于单点损伤,损伤定位的准确率达到了96.67%,损伤程度的识别率也达到了一定程度的准确率;对于两点损伤,也能有较好的损伤定位效果。这些都表明该方法具有良好的运用前景。     

工程车辆液压驱动系统的构成与特点分析(四)

6 定流网络二次调节原理与特点分析 传统的变量泵一变量马达流量耦合调节系统是一个典型多变量输入的非线性系统，如果能将系统中一、二次元件之间的耦合参数——压力或流量任意固定一个，作为一次元件的输出和二次元件的输入控制条件，则一、二次元件之间参数耦合得到解除，一、二次元件成为相互独立的控制元件，整个系统成为两个相互独立的单输入系统。     

循环抽水越流承压含水层水位变化与变形分析

建立了越流承压含水层在循环抽水的地下水运动数学模型,用Heaviside函数性质及Laplace变换求解得该数学模型关于承压含水层水位变化的解析表达式,进而求得承压层压缩变形。通过数学软件Mahtematica对算例进行了计算和分析,结果表明:承压含水层水位恢复存在滞后性,阻越流系数B越小水位恢复的滞后性越小,并且抽水引起的承压含水层水位下降量也越小,因而引起的承压含水层弹性压缩变形也越小;承压含水层以幅值Q0的循环抽水对应的水位降-时间曲线围绕恒定抽水t1Q0/T曲线上下波动,并呈上升趋势;距抽水井越远处的水位受到抽水循环反复作用的影响越不明显,较远处循环抽水水位降深-时间曲线与t1Q0/T曲线重合。     

动量BP算法及其在桩基沉降研究中的应用

在说明动量BP算法及其程序实现的基础上 ,阐述了网络训练中的主要参数 (初始权值与阈值、隐层单元数、输出单元数、归一化方法、传递函数 )对训练过程的影响 ,并将动量BP算法应用于桩基沉降的研究。研究表明 ,使用一定的训练参数 ,得到的预测沉降与最终沉降量具有良好的一致性     

含水层参数识别的M on te-Carlo 方法

 采用Monte2Carlo 随机模拟方法模拟观测数据, 根据水头和流量观测数据识别含水层的导水系数。通过对经典最小二乘法目标函数的修正, 添加了流量残差平方和最小一项, 保证参数识别结果的唯一性。研究表明, 当观测误差为正态分布时, 参数识别结果也为正态分布。采用本文所提出的含水层参数识别方法, 即使水头观测标准差达到1m , 参数识别结果的平均值与理论值的相对误差小于1%。     

基于BP神经网络的建筑结构隔震初步设计系统

基于BP人工神经网络,以建筑结构的抗震设防类别、设防烈度、场地类别、地震分组、高宽比、长宽比、刚度,质量和面积为主要影响因子,以隔震后结构的最大层剪力比和支座最大位移作为输出结果,建立一个隔震初步设计系统.经25个训练样本对该网络进行训练后,利用15个测试样本对网络进行了测试.通过测试结果与实际设计结果的对比,网络的平...