真空预压软基处理沉降监测分析

在天津滨海新区某真空预压处理现场进行了地面沉降和分层沉降监测,地面沉降总量80～160mm左右,由工前沉降和施工沉降组成;分层沉降监测资料揭示了沉降量主要产生在吹填土和海相沉积软弱地层中,而且埋设分层沉降观测设施在软弱地层形成的扰动带,会产生难以避免的误差。由于塑料排水带的存在,增加了真空预压场地中软土的渗透性,通过理论推导和具体算例,提出了利用沉降观测资料计算土体固结度需考虑其瞬时沉降,建议计算采用地基处理手册相关公式为宜。     

改进BP网络的海底地形辅助导航算法

鉴于传统的迭代最近点算法存在着易陷入局部最优的缺陷和实时性不好的问题,提出了一种将BP神经网络引入迭代最近点算法中进行地形匹配的新方法。针对传统BP算法存在的局部极小和收敛速度慢等缺点,采用自适应学习方法、引入动量因子、可变化的学习率因子和可调激活函数等措施进行了BP算法的改进。仿真结果表明,改进后的算法可以在一定程度上克服由于局部收敛带来的匹配失效问题,能够获得很好的匹配效果,同时也解决了在实时性上存在的突出问题。     

Elman动态递归神经网络在陀螺仪系统建模中的应用

本文针对Ｅｌｍａｎ 动态递归神经网络的特点,提出了一种基于Ｅｌｍａｎ 动态递归神经网络建立陀螺仪系统模型的方法。文中给出了Ｅｌｍａｎ 网络的网络结构和学习方法,并对建立起的网络模型进行了仿真,仿真结果表明,该方法是可行的。     

双BP网络在损伤评估智能结构中的应用

为满足智能材料结构中大量的传感器和驱动器的信息处理和控制要求，目前应用较多的是ＢＰ网络，但它存在一些缺陷。本文研究采用双ＢＰ网络替代标准ＢＰ网络以提高其泛化能力，并应用于损伤评估智能复合材料结构中。     

浅议水泥搅拌桩在高速公路软基处理中的应用

实例表明,水泥搅拌桩应用于高速公路软基处理时,须重视几个关键性参数的择取及直接影响软基处理效果的几点重要关系。     

基于极大似然估计的BP算法及其在深基坑开挖参数辨识中的应用

本文采用人工神经网络BP算法对深基坑开挖工程中的参数进行辨识,将某些现场实测值作为网络输入,土层物性参数作为网络的输出, 限元计算取得学习样本来训练网络,从而地深基坑开挖工程中的参数进行辨识的目的,同时,本文提出了将极大似然估计引入BP学习算法中,可以考虑学习样本和网络输入（现场产测值）的误差,可以求得所辨识参数的可靠度,本文还对动态调整BP学习算法的学习速度因子,冲量系数以加快网络学习速度的算法进行了研究,本文算例表明本文算法训练速率可比传统BP算法快10倍以上。     

基于BP神经网络算法的断裂参数预测

采用BP神经网络算法预测断裂参数J和A2.将三点弯曲试件有限元数值实验结果作为神经网络的训练样本,经过训练得到拓扑结构为4-25-2的BP网络模型.建立了J-积分、约束参数A2这二者与裂纹尺寸、裂纹尖端附近三个应变值之间的非线性映射.结果表明:应用BP网络时,只要选取适当的传递函数、训练函数、隐含层数目、神经元个数、学习速率就可以得到较好的预测,满足应用要求.     

基于灰色BP神经网络的陀螺电机状态预测

陀螺电机状态直接影响惯导系统的精度和可靠性,对其进行预测是惯导系统性能评估和寿命预测的重要途径。利用灰色理论的建模预测方法对随机性较大的数据预测精度不高;BP神经网络模型的预测方法具有良好的非线性和自学习能力,但训练效率不高且训练效果受样本数影响较大,网络容易限于局部最小值。针对陀螺电机状态特征参数的特点,本文提出一种基于灰色BP神经网络的混合模型。该模型利用BP神经网络对灰色模型误差进行建模,模型输出返回灰色模型进行输入修正。利用灰色理论、BP神经网络以及混合模型对状态特征参数进行建模和预测,结果表明,混合模型的预测误差比灰色模型减小了约2／3,比神经网络减小了约1／3,证明了该模型的有效性。     

BP混沌混合神经网络在光纤陀螺温度漂移预测中的应用

提出使用BP混沌混合神经网络建立FOG温度漂移模型的方法.该方法在BP算法中采用了改进型Logistic-Map映射生成的混沌变量,能够避免陷入局部最小,可迅速达到全局最优.应用该方法分析某型FOG温度漂移实测数据,结果表明其具有良好的预测效果.     

基于Matlab和BP神经网络的爆破振动预测系统

爆破振动预测是一个复杂的非线性问题,可应用非线性功能强大的BP神经网络技术来解决,但由于其数值计算量大、可操作性不强等特点,在实际工程中应用困难。为了解决该问题,本文中将Matlab程序的强大计算能力与VB的友好界面相结合,利用ActiveX自动化技术和BP神经网络算法,开发得到爆破振速峰值预测系统。该预测系统可根据各工程实际情况选取影响爆破振动的主要因素作为输入参数,以预测爆破振速峰值。通过在北京市昌平线暗挖区间隧道工程中的应用表明：该预测系统在实际工程中使用方便,操作简单,预测精度高,人机交互界面友好。

     

高速公路高填方路基沉降量的神经网络预测

利用BP神经网络较强的高次非线性映射能力和学习功能 ,建立了基于人工神经网络的高速公路路基沉降量的预测模型。该模型依据现场实测资料 ,避免了计算过程中各种人为因素的影响。通过对某高速公路高填方路基沉降量的现场监测成果的学习与预测检验 ,证明其预测精度与适用性良好 ,具有较大的工程实用价值     

河滩相软土试验工程观测成果分析

以河滩相软土为研究对象,利用沉降板、测斜管、孔隙水压力计等多种测试仪器,选取有代表性的观测断面,进行了一年多的沉降与稳定观测。通过观测数据对河滩相软土的沉降规律进行了分析,同时推算了河滩相软土的沉降系数ms,这对今后在河南省河滩相软土地基上修筑高等级公路具有重要的参考价值。     

岩溶地面塌陷神经网络预测

应用神经网络理论的原理 ,通过对收集到的岩溶地面塌陷实例进行学习 ,建立了岩溶地面塌陷评价及预测模型 ,对某市岩溶地面塌陷进行预测。结果表明 ,神经网络方法具有精度高、收敛速度快、容错能力强等特点 ,在岩溶地面塌陷研究中具有广阔的应用前景     

软土地区工程性地面沉降预测的非等时距GM(1,1)模型

大规模城市建设诱发的工程性地面沉降已成为上海软土地区地面沉降新的制约因素。本文针对上海地区工程性地面沉降特点,运用灰色理论建立了非等时距GM(1,1)预测模型,并用工程实测数据进行检验,得到令人满意的预测结果。研究结果对预测和控制软土地区由建筑物群引起的地面沉降具有重要意义。     

基于Elman型神经网络的金川二矿地表岩移时序预测 模型

建立于煤矿开采基础之上的矿山开采沉陷理论和预测方法并不适用于象金川这样厚大、陡倾的金属矿床开采的岩移问题,因此,本文探讨利用神经网络来对地表岩移进行预测。根据Elman神经网络能够逼近任意非线性函数的特点和具有反映系统动态特性的能力,提出了利用Elman神经网络建立地表岩移时序预报模型的方法。利用金川二矿区GPS监测所得到的时间序列数据,通过对Elman神经网络模型预测值与GPS实测值之间的比较,结果表明模型预测显示了良好的准确性,特别是在时间步长较短情况下,应用于实际预测一定程度上可以弥补金属矿山岩移预测方法不足的缺憾。     

基坑支护结构水平变形预测的遗传神经网络方法

采用遗传算法和误差反向传播算法相结合的混合算法来训练前馈人工神经网络,先用遗传学习算法进行全局训练,再用BP算法进行精确训练。就遗传算法过程中的选择、变异进行了探索,提出了用BP网络训练产生变异的遗传算法。作为实例,将该方法应用于预测基坑支护结构水平变形中。结果表明,该方法有收敛速度较快、预测精度高等优点。     

高性能固化剂在天津软弱地基加固的应用

通过对高性能 (AS系列 )固化剂与水泥的对比试验 ,研究其在天津软弱地基加固中适用性和优越性 ,并得出一套实用的固化剂加固软土地基的施工设计参数     

基于级连相关神经网络的人工冻土本构模型

为解决BP (back propagation) 神经网络收敛速度慢,网络结构需事先定义等缺点,采用了级连相关神经网络模型来建立人工冻土应力和应变之间的关系. 基于该模型推导了冻土的一致刚度矩阵形式,利用人工冻土三轴试验数据对神经网络模型进行训练,并用其替换有限元计算中的传统本构模型,将计算结果与性质及含水率相同的冻土的试验结果进行了对比,发现该神经网络本构模型很好地反应了材料的非线性,能够改善数值计算结果,与实测结果吻合地很好,比具有相同隐含层神经元个数的BP 模型更接近实测结果.     

CONSTITUTIVE MODEL OF ARTIFICIAL FROZEN SOIL BASED ON CASCADE-CORRELATION NEURAL NETWORK

为解决BP (back propagation) 神经网络收敛速度慢,网络结构需事先定义等缺点,采用了级连相关神经网络模型来建立人工冻土应力和应变之间的关系. 基于该模型推导了冻土的一致刚度矩阵形式,利用人工冻土三轴试验数据对神经网络模型进行训练,并用其替换有限元计算中的传统本构模型,将计算结果与性质及含水率相同的冻土的试验结果进行了对比,发现该神经网络本构模型很好地反应了材料的非线性,能够改善数值计算结果,与实测结果吻合地很好,比具有相同隐含层神经元个数的BP 模型更接近实测结果.     

基于级连相关神经网络的人工冻土本构模型1）

为解决BP (back propagation)神经网络收敛速度慢,网络结构需事先定义等缺点,采用了级连相关神经网络模型来建立人工冻土应力和应变之间的关系。基于该模型推导了冻土的一致刚度矩阵形式,利用人工冻土三轴试验数据对神经网络模型进行训练,并用其替换有限元计算中的传统本构模型,将计算结果与性质及含水率相同的冻土的试验结果进行了对比,发现该神经网络本构模型很好地反应了材料的非线性,能够改善数值计算结果,与实测结果吻合地很好,比具有相同隐含层神经元个数的BP模型更接近实测结果。