基于BP神经网络的文山州水资源承载能力评价分析

基于人工神经网络模式识别理论和方法,依据水资源承载能力评价指标体系和标准,构建BP神经网络水资源承载能力评价模型,对区域不同规划水平年不同保证率情景下的水资源承载能力进行评价分析。结果表明：①文山州及各县级行政区域的水资源承载能力在不同水平年不同保证率情景下均未达到Ⅰ级标准,表明各评价区域水资源仍有一定的开发利用潜力。②BP神经网络模型的评价结果符合区域实际,且评价网络稳定,结果直观明了,是一种可以运用的区域水资源承载能力综合评价方法。     

清江隔河岩库区滑坡预测的神经网络方法

提出了滑坡预测的人工神经网络方法，并将该方法应用于清江隔河岩库区两个主要滑坡的预测，预测结果表明了该方法的有效性以及在滑坡预测中的良好应用前景。同时该方法是一种“面向数据”的预测方法，适合不同地区滑坡的建模和预测，它既能进行滑坡时间预测，又能进行滑坡位移的预测。     

自组织映射神经网络电价预测方法

文章利用自组织特征映射神经网络的聚类特性,对样本数据进行筛选,筛选后形成的新样本数据再用于训练BP神经网络,仿真结果表明,经过这种数据处理后,样本训练速度得到了明显的改善,且预测效果较好。     

应用神经网络方法预测堆石坝的面板挠度

运用MATLAB语言提供的newff函数创建BP神经网络,预测混凝土面板堆石坝的面板最大挠度.对网络的输入和输出数据采用lnx函数进行非线性变换和比例归一化处理,使输入和输出数据分布于[0.2,0.8]区间内,可改善网络的性能.对网络结构及训练样本的确定进行了分析,通过工程应用验证网络结构的可靠性及预测精度.结果表明,用试错法确定的网络结构是稳定可靠的,对面板最大挠度预测的精度高于常用的伊梅祖米半经验公式.     

BP神经网络在水资源承载能力预测中的应用

采用三层的BP神经网络结构,选取与水资源承载力密切相关的6个社会经济指标,根据1995～2004年10年时间序列指标数据,运用MATLAB中改进的BP神经网络算法建立了长春市水资源需求量预测模型,通过预测值和检验值的误差比较,表明预测模型的精度较高。参考长春市“十一五”规划期间的社会和经济发展目标,预测得到“十一五”期间长春市水资源需求量,对比现有供水能力,“十一五”期间水资源承载能力无法满足社会和经济的发展要求,为实现资源、社会和经济的协调发展,从开源和节流两个方面提出了水资源的可持续利用对策。     

基于神经网络的岩爆分级预测

为了检验神经网络在岩爆预测分级中的可行性,利用神经网络的模式识别特性,构建了岩爆分级预测的神经网络模型.以13组实测数据作为神经网络的训练样本、5组实测数据作为测试样本验证神经网络的工作性能.验证结果表明,神经网络的岩爆分级预测结果与实际结果完全一致,表明训练良好的神经网络可以用于工程实践中的岩爆分级预测.     

证据理论融合蚁群神经网络的水质预测方法

为了提高水质指标预测的精度,提出了证据理论和蚁群神经网络相结合的组合预测方法。用蚁群神经网络作为单一模型对水质指标进行预测,再由BP、RBF网络对预测误差进行分析建模,获取每个模型的可信度。利用证据理论获取单一模型的权值,实现水质指标的组合预测。该方法克服了常规BP算法收敛速度慢、易陷入局部极值的缺陷,能有效提高预测精度。     

基于RBF神经网络的降雨量预测

文章论述了鉴于降雨量受众多因素的影响和具有复杂的非线性特点,在Matlab环境下建立了RBF神经网络的降雨预测模型.经实例验证,该模型收敛速度快、预测精度高。并且与BP神经网络模型对比结果表明,该方法避免了BP神经网络的局部极小及收敛速度慢等缺点,在精度,训练速度等方面优于BP神经网络。     

唐山市水资源承载能力分析

水资源是人类赖以生存的物质基础,研究水资源承载能力具有重要的现实意义.以唐山市为例,分析了该区域水资源开发利用现状,指出其存在的主要问题,并在供需预测的基础上,有针对性地提出了缓解唐山市水资源供需矛盾的对策.     

西吉县水资源承载能力分析

文章分析计算了西吉县近10 a的降水量、地表水资源总量和地下水资源总量,同时,预测了近期目标2025年和远期目标2035年的用水总量和需水总量。最终得出,到2025年基本能能够满足县域经济社会发展对水资源量的需求,到2035年将不能满足县域经济社会发展对水资源量的需求的结论。     

基于小波神经网络的工程形变量预测模型

土木工程的形变量关系到工程的寿命和生命财产的安全。针对工程形变量的预测问题,应用小波神经网络建立了形变量预测的一般模型,给出了一般土木工程形变所考虑的影响因子,并通过实例进行验证。结果表明,该模型的预测值与实测值十分接近,避免了人为因素的干扰。应用该模型对于一般土木工程形变量的预测结果是准确的。     

基于循环神经网络的水库水位预测方法

大型水库重要站点的水位预测是水库防洪中的重要问题,目前主要采用水动力学方法计算.但是由于该方法对输入边界条件的准确性要求较高,而实时调度情况下又很难完全满足此条件,因此容易造成较大的水位计算误差.对此,提出了循环神经网络模型,从水库运行的历史数据中挖掘知识,学习入库流量和坝前水位到目标站点水位的映射关系,不需要使用地形...     

基于神经网络的节理岩体单轴强度预测

基于RMT-150C岩石力学试验系统上的节理岩体单轴压缩试验结果,分析了影响节理岩体单轴压缩强度的因素。节理岩体的单轴压缩强度与节理贯通度、节理倾角、节理个数等因素有关,且是一种复杂的非线性关系。同一贯通度节理岩体在节理倾角为0°时峰值强度最大;同一节理倾角岩体的峰值强度随着贯通度的增大而减小。考虑到多种因素对节理岩体单轴压缩强度的影响,建立了BP神经网络模型,对节理岩体的单轴压缩强度进行预测,然后利用遗传算法优化BP神经网络模型。通过岩石单轴压缩试验样本数据的学习,遗传算法优化的神经网络模型能够很好地预测节理岩体的单轴压缩强度。     

考虑初始几何缺陷的大型钢板筒仓构造措施的研究

钢板筒仓在煤炭、电力、粮食等行业中有着广泛的应用,对其构造措施进行研究十分必要。通过数值分析方法,从加劲肋的设置范围及位置、加劲肋宽度、加劲肋厚度、加劲肋间距等方面对存在初始几何缺陷的钢板筒仓不同加劲肋构造的稳定性能进行了研究。研究表明,加劲肋应设置在0～16 m范围内;环向加劲肋选L125×10号等边角钢,环向加劲肋间距2 000 mm;竖向加劲肋选10 mm厚100 mm宽的钢板,竖向加劲肋间距1 600 mm。影响仓壁屈曲承载力的主要因素是加劲肋的设置范围,其次加劲肋的宽度、间距和厚度也是影响仓壁屈曲承载力的重要参数。     

基于概率神经网络的河床床面形态预测模型

判定冲积河流床面形态的经验与图形分析方法较多,但一般只使用水流和泥沙参数中的2个参数,其判别效果不甚理想.为克服传统分析方法的局限性,在分析冲积河流床面形态影响因子的基础上,建立了非线性映射能力强的概率神经网络床面形态预测模型.实例分析表明,该模型能反映冲积河流复杂因素及其变化对床面形态的影响,较好地实现输入与输出的非线性映射,其预测效果较好,为床面形态的预测提供了一种新的方法.     

基于BP神经网络的改良黄土强度参数预测

选用新型固化材料SH改良黄土,以室内土工试验数据为学习样本和测试样本,通过BP神经网络模型就含水率对改良黄土力学参数的影响进行了预测分析,结果表明:隐含层函数为正切tansig函数、输出层为对数logsig函数、隐含层神经元数为9时训练次数最少,模型误差最小;根据试验数据建立了非线性预测模型,预测结果与试验数值基本吻合,内摩擦角的平均误差为0.5%,黏聚力的平均误差为7.74%,内摩擦角的预测效果优于黏聚力的,但整体误差较小,且都在土工试验允许误差范围内,可见将BP神经网络应用到力学参数的预测中是合理的。     

基于BP神经网络的大跨桥梁结构混凝土温度预测

讨论了大体积混凝土水化热时的温度应力对于桥梁结构的影响,表明温度监控对于大体积混凝土结构的必要性,根据洛阳瀛洲大桥拱肋中心部位浇筑过程的水化热温度场的变化为研究对象,对建立的BP神经网络进行优化训练,并用此BP神经网络预测温度变化值并与有限元仿真得到的温度结果进行了比较。     

基于改进爬山聚类法的模糊神经网络边坡稳定性判别模型

影响边坡稳定性的因素复杂且具有随机性和模糊性。综合考虑重度、黏聚力、内摩擦角、坡角及坡高等影响边坡稳定的主要因素,为判别边坡稳定性建立出新型模糊神经网络模型,该模型利用学习能力强大的神经网络及推理功能突出的模糊逻辑,通过改进的爬山聚类法进行结构学习,并利用 BP 算法和最小二乘估计法相结合的综合学习算法来调整参数,进而大幅度提高模型判别能力。经工程实例测试证明该模型可以快速准确的判别边坡的稳定性,可以为类似工程提供参考和借鉴。     

Combining Radial Basis Function Neural Network Models and Inclusive Multiple Models for Predicting Suspended Sediment Loads

Water Resources Management - An important issue in water engineering is predicting suspended sediment load (SSL). For the Telar River and its tributaries, this study employs an inclusive multiple...     

基于人工神经网络的钢筋混凝土受弯构件正截面抗裂预测

钢筋混凝土构件抗烈度预测受多种条件因素的影响,现有的方法由试验实测数据建立的数学模型误差较大,因此有必要寻求一种精度较高的方法进行抗烈度预测。通过实测试验数据,训练形成一个三层BP网络,其中78组数据作为学习样本,另外9组数据则作为测试样本,建立了人工神经网络预测钢筋混凝土正截面抗裂性能的方法,还对其他模型抗裂性能的计算值与实测值进行了比较。该方法预测值与试验值吻合良好。结果表明,提出的人工神经网络预测钢筋混凝土正截面抗裂度预测方法具有对直接参与训练的数据仿真效果好,整体预测精度高,与理论分析得出的结论基本一致,可用于受弯构件抗烈度预测。