人工神經(jīng)網(wǎng)絡(luò)的礦井水排水量預(yù)測(cè)

探討了礦井構(gòu)造定量評(píng)價(jià)的人工神經(jīng)網(wǎng)絡(luò)方法,結(jié)合東坡井田實(shí)際,重點(diǎn)討論了bp模型的輸入層、隱含層和輸出層的構(gòu)置和優(yōu)選等問題,并使用有序地質(zhì)量最優(yōu)分割方法和插值法得到學(xué)習(xí)樣本,經(jīng)過學(xué)習(xí)樣本的訓(xùn)練,對(duì)未知單元進(jìn)行評(píng)價(jià)取得了良好的效果

長(zhǎng)溝峪煤礦礦井涌水量受降雨影響顯著,曾經(jīng)因降雨造成淹井事故。文章分析了長(zhǎng)溝峪煤礦礦井充水因素及其影響程度,建立了礦井涌水量預(yù)測(cè)的bp網(wǎng)絡(luò)模型,通過對(duì)2006年和2007年+141水平和+20水平礦井最大涌水量預(yù)測(cè)驗(yàn)證了該模型的可行性,并據(jù)此對(duì)不同降雨條件下的礦井涌水量進(jìn)行了預(yù)測(cè)。

針對(duì)電力系統(tǒng)短期負(fù)荷預(yù)測(cè)的特點(diǎn),以及人工神經(jīng)網(wǎng)絡(luò)的自學(xué)習(xí)和復(fù)雜的非線性擬合能力,將人工神經(jīng)網(wǎng)絡(luò)的bp、elman、rbf三種模型用于短期負(fù)荷預(yù)測(cè),建立了短期電力負(fù)荷預(yù)測(cè)模型,綜合考慮氣象、天氣等影響負(fù)荷因素進(jìn)行短期負(fù)荷預(yù)測(cè)。某電網(wǎng)實(shí)際預(yù)測(cè)結(jié)果表明,rbf比bp、elman有更好的預(yù)測(cè)精度,更快的速度。

根據(jù)建筑物實(shí)測(cè)沉降利用人工神經(jīng)網(wǎng)絡(luò)理論,建立了前饋網(wǎng)絡(luò)預(yù)測(cè)模型并提出新的學(xué)習(xí)算法,結(jié)合某建筑物糾偏工程實(shí)例對(duì)建筑物沉降進(jìn)行了預(yù)測(cè).預(yù)測(cè)結(jié)果表明神經(jīng)網(wǎng)絡(luò)方法是可行且有效的.

鑒于前人推導(dǎo)的鎬形截齒破巖截割阻力和截割比能耗的理論公式計(jì)算值與實(shí)際值相差較大以及最優(yōu)截槽寬沒有定量表示,文中選取巖石密度、單軸抗壓強(qiáng)度、抗拉強(qiáng)度、靜態(tài)彈性模量等為影響因子,建立了bp預(yù)測(cè)網(wǎng)絡(luò)模型,并利用此模型對(duì)我國(guó)常見的4種巖石鎬形齒截割參數(shù)進(jìn)行了預(yù)測(cè)。檢驗(yàn)及預(yù)測(cè)的結(jié)果表明建立的預(yù)測(cè)網(wǎng)絡(luò)運(yùn)行穩(wěn)定,預(yù)測(cè)結(jié)果良好,對(duì)截割力的預(yù)測(cè)優(yōu)于理論計(jì)算結(jié)果,對(duì)截槽寬和截割厚度最優(yōu)比值、截割比能耗的預(yù)測(cè)結(jié)果良好,相對(duì)現(xiàn)有理論的計(jì)算和經(jīng)驗(yàn)公式計(jì)算精度有了很大提高,能更好的滿足工程要求。

**資訊http://www.***.*** **資訊http://www.***.*** **資訊http://www.***.***

提出基于人工神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)最終沉降的預(yù)測(cè)新方法,通過工程實(shí)例應(yīng)用,在較短的實(shí)測(cè)資料情況下,可獲得較小誤差的最終沉降量,所建立的模型預(yù)測(cè)精度高。

人工神經(jīng)網(wǎng)絡(luò)是在模仿人腦處理問題的過程中發(fā)展起來的新型智能信息處理理論,通過對(duì)人工神經(jīng)網(wǎng)絡(luò)及bp網(wǎng)絡(luò)的基本原理與特征的分析,建立了工程估價(jià)預(yù)測(cè)模型.

基坑變形人工神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)及其網(wǎng)絡(luò)參數(shù)優(yōu)化——基坑變形人工神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)受網(wǎng)絡(luò)參數(shù)的影響較大，選取適當(dāng)?shù)木W(wǎng)絡(luò)參數(shù)才能得到較優(yōu)的預(yù)測(cè)結(jié)果。本文介紹了人工神經(jīng)網(wǎng)絡(luò)原理及其網(wǎng)絡(luò)參數(shù)的優(yōu)化方法。以擋土樁樁頂水平位移預(yù)測(cè)為例，說明其具體預(yù)測(cè)步驟及網(wǎng)絡(luò)參數(shù)優(yōu)...

人工神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)軟土地基沉降——簡(jiǎn)要介紹了高速公路軟土地基的基本性質(zhì)和對(duì)高速公路的主要影響，充分運(yùn)用人工神經(jīng)網(wǎng)絡(luò)較強(qiáng)的非映射能力來預(yù)測(cè)軟土地基的沉降，利用實(shí)測(cè)資料來對(duì)復(fù)雜的非線性的土工結(jié)構(gòu)進(jìn)行直接建模，并計(jì)算出軟土地基的沉降值，獲得滿意的效果...

人工神經(jīng)網(wǎng)絡(luò)在預(yù)測(cè)軟基沉降中的應(yīng)用研究——依據(jù)影響軟土路基沉降的因素選取參數(shù)建立了bp神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)最終沉降量模型，利用已建高速公路沉降數(shù)據(jù)，進(jìn)行了軟土地基最終沉降量的預(yù)測(cè)，取得了較為理想的效果。證明神經(jīng)網(wǎng)絡(luò)法能避免傳統(tǒng)方法計(jì)算過程中各種人為因素...

簡(jiǎn)要介紹了高速公路軟土地基的基本性質(zhì)和對(duì)高速公路的主要影響,充分運(yùn)用人工神經(jīng)網(wǎng)絡(luò)較強(qiáng)的非映射能力來預(yù)測(cè)軟土地基的沉降,利用實(shí)測(cè)資料來對(duì)復(fù)雜的非線性的土工結(jié)構(gòu)進(jìn)行直接建模,并計(jì)算出軟土地基的沉降值,獲得滿意的效果。結(jié)果顯示,人工神經(jīng)網(wǎng)絡(luò)應(yīng)用于軟土地基沉降的前景是非常廣闊的。

泡沫金屬試樣測(cè)試復(fù)雜,對(duì)試樣而言又急需知道基體結(jié)構(gòu)參數(shù)與力學(xué)性能和阻尼性能的關(guān)系,采用線性回歸技術(shù)無(wú)法實(shí)現(xiàn)這一功能,應(yīng)用人工神經(jīng)網(wǎng)絡(luò),則解決了通過測(cè)量泡沫金屬的四個(gè)基本參數(shù)達(dá)到推知其力學(xué)性能、阻尼性能的課題。

介紹了模糊綜合評(píng)判和人工神經(jīng)網(wǎng)絡(luò)原理,分析了一般bp神經(jīng)網(wǎng)絡(luò)在研究復(fù)雜性問題時(shí)存在的局限性,根據(jù)模糊人工神經(jīng)網(wǎng)絡(luò)模型的構(gòu)建方法,探討了該模型在礦井構(gòu)造定量評(píng)價(jià)中的應(yīng)用,結(jié)合鮑店煤礦的實(shí)際資料,對(duì)建立的模糊人工神經(jīng)網(wǎng)絡(luò)模型進(jìn)行了學(xué)習(xí)訓(xùn)練,對(duì)未采區(qū)的構(gòu)造復(fù)雜程度進(jìn)行了預(yù)測(cè),結(jié)果表明:模糊人工神經(jīng)網(wǎng)絡(luò)較一般bp神經(jīng)網(wǎng)絡(luò)具有更快的收斂速度和更準(zhǔn)確的預(yù)測(cè)效果.

基于人工神經(jīng)網(wǎng)絡(luò)蔬菜價(jià)格預(yù)測(cè)

土壤含鹽量的預(yù)測(cè)對(duì)合理配置水資源,防治土壤次生鹽堿化等具有重要的指導(dǎo)意義。在闡述bp人工神經(jīng)網(wǎng)絡(luò)原理的基礎(chǔ)上,針對(duì)影響土壤含鹽量的主要因素,建立了多因子土壤含鹽量的3層bp網(wǎng)絡(luò)模型,以土壤含水率、地下水礦化度、地下水ph值、地下水埋深、相對(duì)濕度、降雨量、蒸發(fā)量作為模型輸入?yún)?shù),土壤含鹽量作為模型輸出,對(duì)土壤含鹽量進(jìn)行了預(yù)測(cè)。結(jié)果表明,bp神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)土壤含鹽量的最大誤差為8.78%,平均誤差為5.99%,模型具有較高的預(yù)測(cè)精度。

**資訊http://www.***.*** **資訊http://www.***.*** **資訊http://www.***.***

基于人工神經(jīng)網(wǎng)絡(luò)理論,提出了根據(jù)前期沉降觀測(cè)資料進(jìn)行沉降預(yù)測(cè)的人工神經(jīng)網(wǎng)絡(luò)模型,并用于汕汾高速公路預(yù)壓荷載卸荷時(shí)間預(yù)報(bào).研究表明,所建議的模型較傳統(tǒng)沉降預(yù)測(cè)模型具有顯著的優(yōu)越性,應(yīng)用前景廣闊.

準(zhǔn)確地預(yù)測(cè)混凝土的實(shí)時(shí)強(qiáng)度對(duì)確保結(jié)構(gòu)的安全使用有重要的作用，而影響混凝土強(qiáng)度的因素很多，且各種因素對(duì)混凝土強(qiáng)度的影響程度不同，所以在實(shí)際工程中對(duì)混凝土強(qiáng)度的預(yù)測(cè)比較復(fù)雜。通過人工神經(jīng)網(wǎng)絡(luò)及大量樣本數(shù)據(jù)，闡述了人工神經(jīng)網(wǎng)絡(luò)強(qiáng)度預(yù)測(cè)模型的技術(shù)方案，有效結(jié)合多種影響因子，建立了評(píng)估預(yù)測(cè)系統(tǒng)。實(shí)測(cè)結(jié)果表明，預(yù)測(cè)準(zhǔn)確率達(dá)到了96％以上，為混凝土更好地在工程上應(yīng)用提供一定理論依據(jù)，且為今后人工神經(jīng)網(wǎng)絡(luò)理論進(jìn)一步在結(jié)構(gòu)工程中應(yīng)用奠定了基礎(chǔ)。

文章采用人工神經(jīng)網(wǎng)絡(luò)對(duì)包鋼無(wú)縫鋼管廠φ180機(jī)組張力減徑過程管材的厚度、外徑進(jìn)行分析,建立多層神經(jīng)網(wǎng)絡(luò)模型對(duì)張減機(jī)出口壁厚進(jìn)行預(yù)測(cè),以適應(yīng)生產(chǎn)過程的要求。

混凝土強(qiáng)度是結(jié)構(gòu)設(shè)計(jì)中控制的主要指標(biāo)，其數(shù)值決定于水灰比、膠凝材料用量、礦物摻量、外加劑用量等多種因素，常規(guī)計(jì)算混凝土強(qiáng)度的公式因個(gè)人理解的不同而各異，一種仿生模型—人工神經(jīng)網(wǎng)絡(luò)則能很好地解決這個(gè)難題，文中嘗試用人工神經(jīng)網(wǎng)絡(luò)對(duì)不同混凝土強(qiáng)度進(jìn)行預(yù)測(cè)，結(jié)果表明此模型的可靠度很高，可以用以優(yōu)化混凝土的試配，節(jié)約大量的時(shí)間、人力、物力和財(cái)力.

從神經(jīng)網(wǎng)絡(luò)理論及應(yīng)用實(shí)踐等幾個(gè)方面分析研究了目前巖土工程位移預(yù)測(cè)神經(jīng)網(wǎng)絡(luò)模型存在的幾個(gè)問題,并提出了幾個(gè)可供借鑒的其它模型。最后,提出了一種進(jìn)行位移預(yù)測(cè)的進(jìn)化神經(jīng)網(wǎng)絡(luò)模型,并采用一個(gè)工程實(shí)例進(jìn)行了研究,其結(jié)果驗(yàn)證了前述分析研究的結(jié)論,說明了本文分析的合理性。