PCA-GA-BP算法在爆破振动预测中的应用

距离建筑较近基坑爆破开挖时,爆破震动如果控制不好,会对相邻建筑结构造成损害。本文使用主成分分析法（PCA）对原始爆破振动监测数据抽取了5个主成分作为主要影响特征,将其作为BP神经网络输入层参数,实现了对输入层参数的简化处理,而后结合遗传算法（GA）优化BP神经网络的权值和阈值,形成了能够提升模型精度和稳健性的PCA-GA-BP神经网络预测模型,可对爆破震动进行较为准确的预测。这对制订爆破参数、控制爆破震动对建筑的影响具有一定的参考价值。     

水利工程项目工期延误风险预测方法研究

当前,工期延误问题在水利工程项目建设中较为普遍,对项目利益相关方造成一定的负面影响。为准确预测水利工程项目工期延误风险,结合水利工程项目工期影响因素,利用前馈神经网络和循环神经网络构建预测项目工期的混合神经网络模型。由模型训练结果可知,该模型工期预测误差较小,能够作为预测项目进度和工期延误风险的工具,具有较高的实用价值。     

基于PCA法的BP网络对冰蓄冷系统的空调负荷预测

BP神经网络应用于空调负荷预测时,如果输入变量较多或变量间存在相关关系,会直接影响BP神经网络的预测准确性。针对此问题,采用主成分分析(PCA)法,在保留原始数据主要信息的前提下提取数据的主要成分。根据各主成分的贡献率对神经网络输入变量进行缩减,达到压缩变量维数的目的。然后将主成分输入到负荷预测的模型之中进行预测,使之更符合空调负荷预测的特点,提高预测的速度和精度。最后通过实际算例进行验证,实验结果表明,该方法确实可行。     

基于PSO-BP的明挖法地铁车站施工工期预测

为了有效处理明挖法地铁车站工程建设的复杂性以及工期与其影响因素之间的非线性关系等问题,采用粗糙集理论、粒子群算法(PSO)与BP神经网络相结合的方法预测明挖法地铁车站施工工期.首先,识别得出24个工期影响因素,采用粗糙集理论根据样本数据对影响因素进行约简,确定了11个工期预测指标作为预测模型的输入变量;然后,针对BP神...     

基于GA—BP神经网络的大型公共建筑能耗预测研究

针对大型公共建筑高能耗问题,将影响能耗的因素进行定量与定性分析,提出了遗传算法和神经网络相结合的大型公共建筑能耗预测模型。采用GA算法优化BP神经网络的权值和阈值的方法对大型公建能耗预测模型进行分析,并结合实例验证了该模型的有效性。结果表明：较传统的BP神经网络,该模型能更准确地预测大型公共建筑能耗,并且为其确保用能定额和节能工作的开展提供了科学依据。     

基于PCA-BP神经网络的用地碳排放预测研究

量化和预测用地的碳排放是实现规 划控碳的前提和基础。基于城镇建设用地分 类体系,从城市用地建筑能源消费的碳排放 核算视角,提出以“用地”作为碳排放的核算 终端和核算单元,基于PCA-BP神经网络建 立规划用地碳排放预测模型来预测用地碳 排放。将调研获得的样本地块的碳排放数据 作为因变量,以其用地特征指标（包括：容积 率、建筑单体数量、用地面积、建筑密度、建 筑高度、用地类型、用地兼容性、人口密度） 作为自变量,建立用地碳排放预测模型。以长 兴县老城区为实例,应用该模型预测用地碳 排放,从模型预测结果来看,该方法能较准 确地预测用地的碳排放,为城市的低碳规划 和碳排放管控提供了量化依据。     

基于GA-BP神经网络的深基坑变形最优化预测研究

为研究明挖法市政隧道深基坑施工过程中立柱结构竖向位移、墙体水平位移、支护桩(墙)顶部竖向位移、支护桩(墙)顶部水平位移与地下水位之间的规律,利用现场实测方法对风险点位展开时程监测,通过基于GA-BP神经网络的算法得出其相应联系并进行最优化预测。该研究方法在广州市天河区大观路隧道段施工中得到应用,通过合理指导措施改进了数据监测安全性和真实性,该基坑结构实际监测过程中始终处于安全范围,验证了研究方法的合理性。     

RBF神经网络在工程项目自然风险预测中的应用

运用 RBF 神经网络的方法,建立了自然风险预测模型。模拟结果表明,实际预测中效果较为理想,从而为自然风险的预测提供了一种新的方法和理论依据。     

工程项目工期隐性成本控制模型研究

针对建筑工程项目投资大、周期长、施工不安全因素多等特点,对工期隐性成本进行三级科目设置,以深化对建筑工程项目工期隐性成本的认识。通过分析神经网络与工程网络图的相似点,构建工期隐性成本神经网络控制模型,同时针对传统神经网络的缺陷,引入基于自适应学习速率的算法,提升了神经网络技术对于工期隐性成本控制的准确度。     

基于灰色系统理论的工期偏差预测分析

介绍了灰色系统理论GM(1,1)模型应用于水电工程项目的进度偏差分析和进度偏差影响因素分析,从而实现工程进度主动的动态控制,以便及时采取措施,使其对工期的影响降到最低程度.     

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.     

基于ANN-CVaR模型的住宅投资风险评价研究

商品住宅的开发投资风险越来越大,建立有效的评价方法和模型已经迫在眉睫。文章定性分析和定量测算相结合,使用BP神经网络和条件在险价值,构建了商品住宅开发投资的风险评价模型。通过整合BP神经网络和CVaR模型的优点,更真实准确地反映住宅投资风险,并做了实证研究。该模型在判断出风险程度的同时给出风险来源,指导商品住宅的投资决策,还为以后研究商品住宅开发投资风险提供了新思路。     

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BIM-5D 的工程施工成本预测系统构建

成本预测能够体现工程实施阶段的造价波动及变化趋势,控制成本在合理范围,从而减少投资风险以及施工方实施过程的风险,具有重要意义。为了降低施工过程中影响价格的不可预见因素不确定性,以及人材机等价格的不可控性,实现人才机等价格非线性走势进行预测,构建了BIM-5D 工程成本预测系统。基于BP 人工神经网络,挖掘BIM 功能价值,结合BIM-5D 在造价管理的潜在优势,介绍了系统实施流程及主要预测方法,并通过南京青奥体育公园项目案例,论证了基于 BIM-5D 工程成本预测系统的可行性。     

基于遗传算法和BP网络的岩爆预测

选取影响岩爆的一些关键指标,例如脆性系数、弹性应变能指数、应力强度比等作为输入参数,采用经遗传算法优化过的BP网络,对岩爆的发生及其烈度进行了预测.针对国内外一些地下工程的实例进行了分析计算,预测结果与实际情况是符合的,说明这种方法有一定的实际意义.     

遗传算法优化管网神经元网络模型

拟利用BP神经元网络建立杭州市供水管网宏现状态模型。针对传统BP网络学习速度慢、网络结构难以确定等问题，引进遗传算法来优化改进算法的BP神经元网络的拓扑结构，模型预测结果较为理想。     

遗传-BP神经网络法预测叶绿素a浓度变化

基于2009年—2010年对临江河回水区水质指标的监测数据,采用遗传算法结合BP神经网络的方法对回水区的叶绿素a(Chl-a)浓度变化进行动态模拟预测。通过灰色关联法确定了对Chl-a浓度有显著影响的指标与网络输入变量,即水温、DO、流速、透明度(SD)、TP、CODMn及Chl-a。模拟结果表明,遗传-BP神经网络的预测值和实测值吻合较好,其相对误差约为9.8%,模型可良好地用于次级河流回水区叶绿素a浓度的短期预测。预测结果表明,在春末夏初季节,当水库蓄水位为150～160 m时,临江河回水区富营养化潜势较高,尤其应注重临江河该时段富营养化的防控工作。     

基于风险驱动理论的费用风险分析方法

基于风险驱动理论的费用风险分析方法,可以克服传统不确定性分析方法不能将风险事件单独定量分析的不足。该方法将处于中等与高等水平的风险事件的发生概率与影响值分别定义为贝努利分布与三角分布,对风险事件与费用子项构建风险分配矩阵,利用风险定量分析软件对费用进行模拟分析,并依据模拟分析的结果制定相应的响应措施。通过案例分析,验证了此方法的有效性与实用性。