基于修正BP神经网络算法对桩基承载力预测方法

基于bp神经网络的单桩极限承载力预测——从基桩高应变动测试验的结果中提取特征参数，组成反映基桩竖向承载力的特征向量，利用bp神经网络的非线性映射特性和学习能力，建立了特征向量和单桩竖向极限承载力之间的一种对应关系，实例研究表明，人工神经网络的预测...

阐述了bp人工神经网络原理,分析了地基承载力的影响因素,以云安县六都—高要大湾二级公路(云浮段)新建工程勘察数据为例,通过建立神经网络模型并对模型进行训练,结果表明,该模型比较精确,可在今后勘察工作中运用。

基于wpnn与数据融合技术的桩基承载力预测方法研究- 工程事故分析 基于wpnn与数据融合技术的桩基承载力预测方法研究 摘要：为了能够快速并较准确的预测桩基的承载能力，达到在施 工过程中减少或不做试桩的效果，以单桩为例，分析了影响竖向承载 能力的量化因素及非量化的因素，利用小波概率神经网络(wpnn)与 数据融合技术的联想和预测功能，得出承载力和这些因素的关系。通 过对钻孔灌注桩的静载试验数据分析，选择了wpnn与数据融合技 术的方法对试验数据进行分析，建立了合理的模型进行承载力预测， 6根单桩的承载力的预测值与实测值吻合较好，证明了该方法在预测 桩基竖向承载能力时可以满足工程实际的需要。 关键词：桩基承载力,小波概率神经网络(wpnn),数据融合,预测 随着大跨度桥梁结构的迅速发展，桩基础的应用日趋广泛。近年 来，由于成桩工艺、检测手段的不断完善，桩基础

基于遗传-bp神经网络预测单桩竖向承载力——在遗传算法改进bp神经网络的基础上，利用遗传算法的全局优化能力和bp神经网络的较强的高次非线性能力和自学习能力，建立预测单桩竖向承载力的遗传一bp神经网络模型。通过利用济南地区现场试桩资料对该模型进行训练和...

基于珠海软土地区3根phc管桩隔时复压试验数据,采用bp神经网络建立了静压桩承载力时间效应的bp神经网络模型来预测静压桩的长期承载力。在建模过程中将桩长、桩截面积、土体摩擦角、土体变形模量、渗透系数、最终压桩力及休止期等与静压桩承载力密切相关的7个参数引入到输入层,用visualbasic语言编制了以最终压桩力和休止期为主要输入因素的计算程序,程序可以对比显示计算和实测曲线。在样本训练和学习过程中,任意选取2根桩的试验数据来预测第3根桩的长期承载力。通过对施工现场工程桩的试算,预测结果与实测值较为吻合,表明提出的bp神经网络模型用于预测静压桩长期承载力是切实可行的。

为了对民航系统安全运行状态进行科学的分析和预测,针对反映民航系统安全运行状态的重要指标之一——飞行事故万时率,采用bp神经网络的时间序列非线性预测模型及方法,对其进行了分析研究和仿真验证,计算结果表明,该预测方法是可行的,并与实际具有较好的一致性。

根据长期的工程实测资料,利用高层建筑物静载实验数据对模型进行了检验,并选取了典型的样本进行了预测值的误差分析,结果表明,预测的结果和静载实验数据吻合较好,从而证实了wpnn预测方法具有较好的可靠性和工程应用价值。

神经网络在单桩承载力预测中的应用——运用基于bp神经网络的组合预测模型对phc桩的极限承载力进行预测。分别利用灰色gm（1，）模型和bp神经网络对桩在荷载作用下的沉降进行估算，然后利用人工神经网络中的bp网络对所得的结果进行组合预测；最后利用lagrange算法...

采用神经网络方法对自密实混凝土受弯梁的正截面承载力进行模拟.以影响自密实混凝土梁受弯承载力的主要因素(抗压强度、截面尺寸、配筋率等)为参数,以构件的受弯极限承载力为网络输出,建立多层前馈神经网络来描述其非线性关系.利用不同研究者的32组试验数据对网络进行训练和测试.测试表明,建立的神经网络模型对32组试验数据具有良好的模拟精度,可作为预测自密实混凝土梁受弯承载力的一种新的计算方法.

为提高纤维增强复合材料(frp)加固混凝土轴压柱承载力的计算精度,建立了frp加固混凝土轴压柱承载力的bp神经网络预测模型.利用大量试验数据对神经网络模型进行训练,并用训练成熟的神经网络模型对frp加固混凝土轴压柱的承载力进行了预测.通过模型预测值与试验结果的比较,证明该模型的预测结果具有一定的可信度,最大误差不超过15%,比其他计算模型的精度高.

在遗传算法与误差反向传播网络(bp网络)结构相结合的基础上,提出了利用改进的遗传算法优化神经网络进行水资源承载力综合评价的新方法,将该方法应用于淮河流域水资源承载力综合评价,实例表明是可行的,为水资源承载力定量分析开辟了新的途径.

本文利用人工神经网络建立了方形钢管混凝土的神经网络bp模型。对方钢管混凝土轴压短柱,选取试件长度、截面的宽度、钢管的厚度、混凝土的抗压强度及钢材的屈服强度5个影响轴压短柱极限承载力的主要因素作为输入单元,选用45组数据作为训练集,8组数据作为测试集,建立了一个3层的bp神经网络预测模型,仿真预测结果要比现有计算理论更准确。

将bp神经网络用于电力负荷预测。给出了具体的数据处理方法、神经网络构造及预测结果评价方法。在南京市夏季电力负荷统计数据集上面的实验结果表明,bp神经网络能够对电力负荷进行较好地预测。

提出一种采用bp神经网络算法来预测深基坑沉降的方法,结合具体工程实例,构建了预测深基坑周边地表沉降具体bp神经网络模型,预测结果表明,该模型有较高的预测精度,可作为预测沉降的一种新方法。

确定单桩极限承载力的神经网络方法——利用桩基静载试验的荷载～沉降数据，由神经网络建立荷载与沉降之间的映射关系，按规范可确定或推测桩基极限承载力。通过7根桩的实例分析，表明该方法是有效的，具有较好的实用价值。

应用径向基函数神经网络预测单桩极限承载力——在径向基函数神经网络的基本原理基础上，通过对影响单桩极限承载力因素的分析，建立了单桩极限承载力设计的grnn模型，并进行了实例分析。计算结果具有较高的精度和收敛速度快等特点，是一种行之有效的预测单桩极限...

针对bp神经网络学习时间长、收敛速度慢等缺陷,借助小波分析理论,将母小波平移和伸缩构成的小波基作为神经网络的激励函数,通过指导网络的初始化和参数选取,使网络以较简单的拓扑结构实现函数逼近,利用网络训练建立起承载力与其影响因素之间的非线性关系。在相同结构和参数下,与bp神经网络进行分析对比。结果表明:利用小波变换对数据时频局域化分析的能力并结合人工神经网络的自学习功能,使得小波神经网络预测模型具有较强的逼近和容错能力,预测结果比传统的bp神经网络具有更快的收敛速度和更高的精度。

强烈的地震给人们生命财产带来巨大损失,为了能够在地震之前预测出建筑物震害,提出一多层砖房为例。利用matlab神经网络工具箱,建立一种基于贝叶斯正则算法的bp神经网络模型,并以过去发生地震地区的多层砖房调查数据为震害因子的震害预测方法。结果表明:对多层砖房的震害样本的预测达到理想效果。

针对bp神经网络训练过程中的训练时间较长、完全不能训练或容易陷入局部极小值等问题,提出基于遗传克隆选择算法(cloga)优化bp神经网络的流程,克服bp算法的一些缺陷。并通过湖北省人口预测问题进行效果检验,得到满意的结果。

负荷预测是电力规划的基础,传统的神经网络预测方法存在对初始网络权值设置敏感、收敛的速度慢、容易陷入局部极小值等缺点。文中引入遗传算法先对神经网络的初始值进行优化,再通过神经网络进行学习和训练,得出的结果再经bagging方法集成,目的是提高其准确率。通过matlab仿真进行实验,结果表明,基于bagging算法集成遗传神经网络,能够克服传统bp神经网络的缺点,可较快收敛又不易陷入到局部极值中,具有较强的泛化能力,同时也大大提高了网络的预测精度。

本文提出了一种基于rbf神经网络的直接预测法,对公路货运量进行了预测,并利用matlab工具箱予以了实现.对2004和2005年公路货运量预测的结果表明,预测值与国家统计局公布的实际数值有很好的一致性,预测精度也高于其它rbf预测法,有很好的应用性.

公路货运量受多种因素影响,各因素的作用机制通常不能准确地用数学语言进行描述。采用广义回归神经网络(grnn)对货运量进行分析及预测。通过对1995~2003年南京市公路运量的历史数据进行分析和处理,对网络进行训练和拟合,用2004~2005年的实际数据进行模型检验,结果证明了grnn用于货运量预测的有效性。