广义回归神经网络的β型磷建筑石膏强度预测  

通过电缆接头温度监测电缆接头运行状况,是供电公司管理电缆运行的良好途径。利用已有的110kv单芯电缆运行试验数据,建立基于广义回归神经网络的电缆接头温度预测模型。研究分析结果表明grnn模型相比bpnn模型具有较高的准确度和可靠性,克服了bpnn模型预测时训练过程中存在局部最小点、收敛速度慢等缺点,

湿空气中温度和湿度的关系通常通过水蒸气性质表进行查取,通过温度和饱和水蒸气分压力的关系计算相对湿度值,但其为离散的非线性关系,不便于实时控制。提出了一种简单、有效的广义回归神经网络(grnn)用于中央空调控制中的湿度调节,grnn可以对离散的非线性关系进行拟和,不同于数值分析中的插值和拟和,也不同于常用的bp网络,grnn易于实现,仅需要一个参数,结构简单,便于编程,可以在较少数据中较好地工作。

使用锥形升流式分离器可以将磷石膏中的杂质分离，得到洁白、无放射性的二水石膏，用它生产的建筑石膏质量达优级标准．分离出的废渣是含磷较高的磷肥．利用磷石膏生产建筑石膏，经济效益和社会效益都很好

磷石膏生产建筑石膏的工艺探讨

提出了根据实测数据构造神经网络变形预测模型的基本思路,构造出基于bp算法的神经网络变形预测模型,并给出应用实例分析。结果表明,神经网络应用于变形预测效果良好,具有一定参考价值和指导意义。

在传统预测混凝土强度的基础上,提出一种基于人工智能的新的预测方法,建立了两种神经网络模型:bp神经网络和rbf神经网络,实现了从新拌混凝土成分及其特性到硬化后混凝土强度之间的复杂的非线性映射。通过对试验数据的学习,网络结构可以早期预测混凝土28d抗压强度。另外,还利用bp神经网络模拟分析了混凝土成分质和量的变化对抗压强度的影响,其结果符合已知的经典混凝土强度变化规律,表明神经网络模型具有较高的精度和较强的泛化能力。

在分析普通混凝土强度影响因素基础上,选取混凝土配料中7个因素作为输入值,混凝土28d强度作为输出值建立了混凝土强度预测的bp网络模型。讨论了模型的学习样本、网络参数对预测精度的影响,选出最佳网络参数配置。实例证明模型预测精度高。

本文运用均匀设计的方法进行树脂混凝土的配合比设计,用较少的试验取得较好的效果;建立了树脂混凝土的强度预测的神经网络模型,对试验的数据进行了训练和仿真,预测的结果与试验结果吻合非常好。

1.引言神经网络是一种信息处理系统,它由大量而简单的处理单元(神经元)广泛的相连接而形成复杂系统,它通过学习来解决问题,基坑沉降的预测是一项难以通过理论分析出影响因素与沉降结果映射关系的工作,而这项工作如果交

人工神经网络是在模仿人脑处理问题的过程中发展起来的新型智能信息处理理论,通过对人工神经网络及bp网络的基本原理与特征的分析,建立了工程估价预测模型.

**资讯http://www.***.*** **资讯http://www.***.*** **资讯http://www.***.***

鉴于前人推导的镐形截齿破岩截割阻力和截割比能耗的理论公式计算值与实际值相差较大以及最优截槽宽没有定量表示,文中选取岩石密度、单轴抗压强度、抗拉强度、静态弹性模量等为影响因子,建立了bp预测网络模型,并利用此模型对我国常见的4种岩石镐形齿截割参数进行了预测。检验及预测的结果表明建立的预测网络运行稳定,预测结果良好,对截割力的预测优于理论计算结果,对截槽宽和截割厚度最优比值、截割比能耗的预测结果良好,相对现有理论的计算和经验公式计算精度有了很大提高,能更好的满足工程要求。

在分析检测数据的基础上,提取了结构服役时间、结构建造时间、结构检测时间、混凝土设计强度和混凝土碳化深度等特征参数,建立了预测既有建筑混凝土强度退化的人工神经网络模型。采用动量法和自适应调整法改进了bp算法;采用训练好的bp神经网络对既有混凝土强度最小值和混凝土强度最大值进行了预测,并与实测值进行了对比。结果表明:利用bp神经网络对既有建筑混凝土强度退化进行预测是可行的,该研究成果可为既有建筑大面积的抗震性能普查提供参考。

磷石膏与天然石膏相比含游离水较高,传统的磷石膏制建筑石膏粉一步脱水间接换热法工艺存在弊端。介绍二步脱水直接换热与间接换热相结合的磷石膏制建筑石膏粉的新工艺及有关设备,每吨产品耗煤80kg,比传统一步法节煤20kg/t,产品质量优良。

通过广义回归神经网络对沈阳市房地产市场2003年至2009年相关数据进行训练，采用逼近性最好的光滑因子0．1，对2010年和2011年的数据进行预测，并与真实数据进行对比，得出沈阳市房地产开发投资额、商品房均价及空置面积均在高位运行．由此判断出沈阳市房地产市场仍处于繁荣期，但属于后期阶段，有出现房地产泡沫的可能，政府、房地产开发商、购房者应给予足够关注．

建筑节能是当今城市建设和社会发展的前沿和研究热点,对建筑的能耗现状进行综合分析与评估是进行节能改造或节能设计的前提和基础,而建立反映能耗变化的预测模型是从宏观尺度上分析认识建筑能耗变化与发展特性、为公共建筑节能工作提供决策依据的有效途径和重要手段。研究针对常规bp网络算法收敛速度慢、易陷入局部最小点的缺点,采用了具有较快收敛速度及稳定性的lm算法进行预测,构造了基于bp神经网络的建筑物用电量预测模型。以某市公共建筑原始用电能耗统计数据作为样本,并采用matlab对预测模型进行了仿真预测。结果显示:误差在允许范围内。

根据建筑物实测沉降利用人工神经网络理论,建立了前馈网络预测模型并提出新的学习算法,结合某建筑物纠偏工程实例对建筑物沉降进行了预测.预测结果表明神经网络方法是可行且有效的.

由于目前只有很少一部分建筑师能掌握复杂的建筑能耗分析,因此本文利用matlab建立bp神经网络,将影响建筑能耗的18个因素作为网络的输入,进行学习训练,最后通过测试样本点数据预测建筑能耗,并与dest-h模拟计算得到的结果比较,发现相对误差在3.5%以内,验证了该网络模型的可行性。该方法使建筑师在设计阶段能够简单且准确地获得设计建筑的能耗。

利用matlab建立bp神经网络,将影响建筑能耗的18个因素作为网络的输入,进行学习训练,最后通过测试样本点数据预测建筑能耗,与dest-h模拟计算得到的结果比较,发现相对误差在3.5%以内,并通过实例验证了该网络模型的准确性。该方法使建筑人员在设计阶段就能快速且准确地获得设计建筑的能耗。

为研究严寒地区建筑热环境和人体热舒适,于2004年9月至2005年12月在哈尔滨进行了20次现场研究,测量了室内热舒适参数.利用人工神经网络方法,建立了严寒地区建筑pmv的bp神经网络评判模型,实现了对严寒地区建筑热环境内pmv的智能化预测.现场研究结果验证表明,该模型预测的严寒地区建筑热环境内pmv与实际主观调查吻合.

为改进以往神经网络对建筑能耗预测的不足,提出应用遗传算法结合levenberg-marquardt算法(galm)改进神经网络对建筑能耗进行预测。首先,利用遗传算法优化神经网络的权值和阈值;其次,利用levenberg-marquardt算法优化神经网络训练,针对影响建筑能耗的主要因素建立galm神经网络的建筑能耗预测模型。通过建立建筑能耗监测平台采集某公共建筑1个月的能耗数据,对该模型进行训练和测试。实验结果表明,该模型可以准确且高效地对建筑能耗进行短期预测。

随着我国城乡建设的飞速发展,建筑火灾形势日趋严峻,依靠传统的管理技术和方法已远远不能适应社会和民众对安全的需要。针对某城市建筑火灾非线性时间序列,建立了小波神经网络(wnn)预测模型,计算分析证明了该模型的可行性。该模型可与消防工作相结合,建立和实施城乡综合防灾减灾系统,实现城乡综合防灾减灾的科学管理。