基于PCA-BPNN的膨胀土自由膨胀率预测

为了准确地对膨胀土进行分类,将主成分分析方法（PCA）和BP神经网络方法（BPNN）相结合,进行膨胀土自由膨胀率预测研究。首先,对影响自由膨胀率的几个物性指标数据进行主成分分析,得到主成分数据序列;然后,根据主成分数据序列建立输入样本并应用BP神经网络进行训练,得到PCA-BPNN预测结果,从而预测自由膨胀率。采用南阳膨胀土数据进行实例分析,结果表明,该模型比单一BP神经网络预测方法的效果更好。     

启培抗疏力改良膨胀土的自由膨胀率试验研究

膨胀土是一种广范分布的,具有遇水膨胀、失水收缩的特殊性黏土,其特殊性质使其成为困扰工程建设的世界性技术难题。本文用启培抗疏力处理剂在试验室进行膨胀土的自由膨胀率试验研究,试验发现启培抗疏力可有效降低膨胀土的自由膨胀率,在加入2%、5%、15%时,可分别使低、中、高膨胀性膨胀土降到无膨胀性,表明启培抗疏力对于膨胀土的膨胀性抑制作用明显,可用于工程中膨胀土的抗膨胀处理。     

水泥改性膨胀土膨胀率试验研究

为探讨水泥改性膨胀土的膨胀率的影响因素,文中采用击实、滴定等室内试验方法测得水泥改性膨胀土的膨胀率,在大量试验的基础上,对各种因素对水泥改性膨胀土膨胀率的影响进行详细分析,结果表明,增加适量的水泥对减小膨胀土的膨胀特性,改善土体结构,节约投资和指导施工具有重要的意义。     

低黏土矿物含量泥岩的自由膨胀率试验研究

针对现有规范中自由膨胀率试验方法存在的不足之处,为了在规范基础之上得到更为精准且具有代表性的自由膨胀率试验结果,在满足规范试验要求的基础之上,将某工程地基中的低黏土矿物泥岩碾碎,把0.5~0.25 mm、0.25~0.1 mm、0.1 mm三种粒径范围的碾碎泥岩按照不同的质量比例组合搭配完成自由膨胀率试验。结果表明:对于同一种土样,依据规范完成的自由膨胀率试验可能会因为试验人员、操作过程等原因导致级配不同,进而出现千差万别的试验结果,且结果符合正态分布。通过分析建议使用以上三种粒径范围质量比为60∶40∶0、40∶20∶40、20∶20∶60的级配进行自由膨胀率试验。验证发现,建议级配的试验结果能够与各指标更加同步、准确地判别膨胀土。试验成果可为进一步完善工程地质相关规范提供借鉴。     

水泥改性膨胀土干密度与自由膨胀率试验研究

掺加一定比例的水泥对膨胀土进行改性是目前处理膨胀土的主要方法之一,通过在南水北调中线一期工程总干渠膨胀土试验段工程（南阳段）施工现场进行室内不同水泥掺量比的系列试验,研究不同水泥掺量、击实试验前后掺加水泥的膨胀土放置时间对水泥改性土干密度、自由膨胀率的影响,用以更好的指导工程施工。试验表明,随着水泥掺量的增大,水泥改性土的最大干密度逐渐减小;随着水泥改性土放置时间的增长,自由膨胀率逐渐变小并最终趋于稳定,水泥对膨胀土膨胀性的改良是一个渐进的、长时间的过程。     

水泥改性膨胀土干密度与自由膨胀率试验研究

掺加一定比例的水泥对膨胀土进行改性是目前处理膨胀土的主要方法之一,通过在南水北调中线一期工程总干渠膨胀土试验段工程(南阳段)施工现场进行室内不同水泥掺量比的系列试验,研究不同水泥掺量、击实试验前后掺加水泥的膨胀土放置时间对水泥改性土干密度、自由膨胀率的影响,用以更好的指导工程施工。试验表明,随着水泥掺量的增大,水泥改性土的最大干密度逐渐减小;随着水泥改性土放置时间的增长,自由膨胀率逐渐变小并最终趋于稳定,水泥对膨胀土膨胀性的改良是一个渐进的、长时间的过程。     

基于BP神经网络的膨胀土判别分级方法研究

以安康膨胀土为研究对象,选用粘粒含量、粉粒含量、液限和塑性指数4个分级指标,建立了两层无偏置的BP神经网络模型,研究膨胀土的判别分级问题。结果表明,该模型学习效果良好,能准确预测未知样本的膨胀性;对于安康膨胀土,粘粒含量和粉粒含量对分级结果影响较大,而液限和塑性指数影响较小;相比于传统的指标分级法,该模型具有较好的容错能力,可有效减小指标测量误差对分级结果的影响;BP神经网络用于膨胀土的判别分级是合理可行的,具有一定的推广与应用价值。     

有荷载膨胀率试验的探讨

膨胀土系一种颗粒高分散,含有一定量的亲水矿物,具有一定胀缩可逆的粘性土,其遇水膨胀,失水收缩,变形受约束时产生较大的内应力,对工程危害极大。 2000年,山东省水利科学研究院对某高速公路土质进行了膨胀及收缩试验,对有荷载膨胀试验的有关事项进行了分析研究。     

膨胀土自膨胀率预测中的两种分析方法

通过建立一种模型对自由膨胀率进行预测.膨胀土自由膨胀率预测分两个阶段:①合理选择判别指标;②用选取的指标建模.人工神经网络具有高度的非线性映射能力,通过样本的学习,实现输入与输出之间的非线性映射.然样本指标的选择会影响神经网络的学习能力,从而影响最后结果预测的准确有效性.通过结合南水北调东线一期工程-刘老涧站土样作样本,采用回归分析选取最优判别指标及采用BP神经网络预测膨胀趋势相结合,比单纯采用BP神经网络或回归分析结果更准确,具有可推广性.     

基于BP神经网络的参照腾发量预测模型

本文在分析影响作物蒸发蒸腾量的气象因子的基础上，以不同的气象因子组合为输入向量，以参照腾发量为输出向量，构建了气象资料不足情况下三种计算参数腾发量的BP神经网络模型BPET1、BPET2和BPET3。利用宁夏引黄灌区2000～2003年的逐日气象资料对所建模型进行反复训练和预测，并把预测结果与传统的Penman-Monteith公式计算而得的同期作物ETO值相比较。其中，BPET1的预测值与ETO值的相关系数平方为0．9914；BPET2的预测值与ETO值的相关系数平方为0．9917；BPET3的预测值与ETO值的相关系数平方为0．9854。研究结果表明，本文构建的模型计算精度较高，方法简便可行，能满足实际生产需要。     

基于 BP 神经网络的场次洪水河道沙量预报

针对日益严重的河流泥沙问题,掌握河流泥沙的影响因素和泥沙的变化过程是泥沙治理的关键。以神经网络模型为基础,建立场次洪水沙量预报模型,对多沙河流的洪水挟沙量进行预报,并取得较好的预报效果。选择辽西北多沙河流大凌河作为研究实例,首先将1984年-1998年间的29场历史实测洪水资料进行分析,得到影响下游沙量的主要因素;然后,通过神经网络模型建立上游影响因素与下游沙量之间的关系;最后,选取其中6场洪水资料进行验证。模型计算结果表明,计算结果与实测结果误差在合理范围之内,精度符合要求,可以用于下游沙量的预报。     

BP神经网络预测河流月径流量

河流的月径流量是随机变化的，影响因素很多，如人类活动、降雨、下垫面的土壤、植被覆盖情况。利用人工神经网络理论建立BP（Back-Propagation，反向传播方法）网络预测模型，用该模型对河流的月径流量进行预测，BP神经网络模型计算快速，占用内存小，还有很好的容错性，可以得到比较理想的结果，精度高，可靠性好。模型建立之后，将其用于实例，通过对大量样本进行很多次的训练学习，得到训练好的BP网络模型，最后进行预测，得到令人比较满意的结果。     

基于BP神经网络的非线性组合模型及其应用

由于采用最优权组合模型进行大坝安全监测观测资料分析时，有时会出现不符合实际的负权重，针对这一情况，采用基于BP神经网络的非线性组合模型，并进行实例计算。实例表明，基于BP神经网络的非线性组合模型是可行的和合理的，建立可信的数学模型是作好组合模型的前提，基于BP神经网络的非线性组合模型拟合精度和预报效果都要优于最优权组合模型，各予统计模型。     

基于BP神经网络的水电工程定额编制模型研究

水电建筑工程市场的快速发展对水电工程定额提出了实时、准确、高效的要求,而当前主流的传统定额编制方法已经不能满足市场需求,寻求一种快速有效的定额编制方法迫在眉睫。针对水电工程定额编制中存在的问题,运用BP神经网络理论,建立水电工程定额消耗量与其影响因素之间的BP神经网络算法模型,通过已知的有限样本数量预测出未知消耗量,并以实例验证了此方法的可行性。该方法的应用极大简化了定额的编制工作。     

基于BP神经网络模型的水库塌岸预测研究

考虑水库塌岸预测的非线性,构建基于BP神经网络模型的水库塌岸非线性预测模型,以漳河流域内岳城水库为研究对象,结合野外实地勘察数据,对岳城水库塌岸进行预测。研究结果表明:所建水库塌岸非线性预测模型预测结果与实际情况较为吻合,预测的左右岸水库塌岸和实地调查塌岸相对误差分别为1.92%和2.15%,岳城水库左右岸塌岸宽度预测平均值分别为31.8m和36.9m;水库下游预测塌岸速度小于1m/a,中上游塌岸速度大于1m/a,下游库岸态势较为稳定,中上游塌岸趋势将加剧。研究成果对于水库塌岸非线性预测及岳城水库塌岸防治和岸坡加固设计提供参考价值。     

基于改进BP神经网络的水库调度函数研究

介绍了BP神经网络的基本原理及其改进方法。运用改进BP神经网络对水库调度函数进行非线性拟合,并将所得的调度函数应用于水库群联合调度。模拟调度中以出流和时段末水位做决策,两者相互印证和补充。实例表明,神经网络拟合精度较高,水库群的模拟联合调度取得了满意的效果。对于金沙江下游梯级及三峡葛洲坝水库组成的6库水电系统,对比按常规调度和线性调度函数方式,梯级保证出力分别增加了380 MW和160 MW,年均电量分别提高了73.79亿kW.h和12.45亿kW.h,年均弃水量分别减少了512.5亿m3和87.7亿m3,效果显著。     

用BP神经网络原理对水流挟沙力的研究

通过对影响挟沙能力因素的分析，认为挟沙力的武汉水院公式和窦国仁公式在神经网络原理的基础上是一致的。找出了进行BP神经网络训练时应考虑的水沙要素，采用C Builder语言编制的程序，对30组高、中、低含沙量的水槽试验资料进行训练，发现训练值与实测值符合较好，说明得到的连接权能反映实际情况；用该连接权对4组试验数据进行了预测，预测结果与实测值相差较小，表明用BP神经网络方法确定挟沙能力的可行性。     

基于BP神经网络的大坝沉降预测模型

以某大坝沉降监测数据为例,利用Matlab软件的BP神经网络工具箱进行建模分析和预测。结果表明,滚动BP神经网络算法能较好地应用于大坝沉降数据的预测,具有良好的应用前景。     

基于BP神经网络的砂土液化势判别

本文从影响砂土液化的多个因素入手，根据不同因素的相对贡献率，应用人工神经网络基本原理，建立多参数综合评价砂土液化的BP网络模型，对砂土液化的严重程度做出了客观评价。