人工神经网络的三江平原土壤质量综合评价与预测模型

为提高坡耕地产量,保护水土流失,分析不同下垫面土壤侵蚀量的预测方法,以2000~2001辽宁北部典型坡耕地数据为样本,建立bp神经网络土壤侵蚀量预测模型,应用2002年土壤侵蚀量数据对模型进行检验。结果表明:采用三层bp网络结构,输入层为4个神经元,分别为径流量、降雨量、有机质、覆盖度,输出层为土壤侵蚀量。预测值的合格率为80%,精度较高,具有很好的预测性能。

依据从2005年1~12月所采集的365组试验数据,建立了一个能够反映土壤墒情变化与气候因素之间关系的人工神经网络模型。模型共分输入层、隐含层和输出层3层。输入层的输入变量包括数据采集当天的10cm、20cm和40cm深度的土壤含水量以及当天的日照时数,空气湿度,平均气温和降雨量。输出层的输出变量包括1天后的10cm2、0cm和40cm深度的土壤含水量。模型的学习因子为0.1,动量因子为0.05。模型经过25000次训练后收敛,收敛误差为8×10-4,这说明该模型能够很好的反映出输出量与输入量的关系,并能够准确预报出土壤水分信息。

土壤含盐量的预测对合理配置水资源,防治土壤次生盐碱化等具有重要的指导意义。在阐述bp人工神经网络原理的基础上,针对影响土壤含盐量的主要因素,建立了多因子土壤含盐量的3层bp网络模型,以土壤含水率、地下水矿化度、地下水ph值、地下水埋深、相对湿度、降雨量、蒸发量作为模型输入参数,土壤含盐量作为模型输出,对土壤含盐量进行了预测。结果表明,bp神经网络模型预测土壤含盐量的最大误差为8.78%,平均误差为5.99%,模型具有较高的预测精度。

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

基于人工神经网络理论,提出了根据前期沉降观测资料进行沉降预测的人工神经网络模型,并用于汕汾高速公路预压荷载卸荷时间预报.研究表明,所建议的模型较传统沉降预测模型具有显著的优越性,应用前景广阔.

利用神经网络强大的非线性映射能力,提出了一种基于bp神经网络模型的工程造价预测模型,指出该预测模型可对不同情况的工程造价进行合理的预测,实例检验证明,该方法收敛速度快,预测的可靠性令人满意。

基于人工神经网络的工程造价预测模型——利用神经网络强大的非线性映射能力,提出了一种基于bp神经网络模型的工程造价预测模型,指出该预测模型可对不同情况的工程造价进行合理的预测,实例检验证明,该方法收敛速度快,预测的可靠性令人满意。　　

以bp人工神经网络模型为基础,建立预测模型,以小区某栋建筑物1期～8期的沉降观测数据为输入数据和输出数据,对网络模型进行训练,并对9期～12期实际观测值与预测值进行了比较,结果比较理想,从而验证了采用bp人工神经网络模型进行建筑物沉降的预测是可行的。

针对人工神经网络成矿预测模型结构难以确定的问题,详细阐述了一种在模型训练中进行隐层数目及隐层单元数目动态调整的人工神经网络算法,并以vc++为开发工具实现了变结构人工神经网络成矿预测模型,经用华南26个岩体检验,回忆率及预测率均高达100％。该方法提供了一种面向具体问题的动态解决方案,在成矿预测工作中具有一定的实用性。

针对基坑变形预测中信息的灰色性和数据的非线性性,提出用灰色神经网络预测基坑变形的新方法。用一桩锚联合支护体系实例进行了预测研究,得到支护体系的不同预测模型的组合预测值。研究结果表明:灰色神经网络预测误差比gm(1,1)预测模型小;与bp预测模型相比,前期误差大,后期误差小。在基坑变形监测中,为了更准确地预测基坑变形,可以采用灰色神经网络预测与bp预测相结合的方法进行预测。

人工神经网络模型描述

目前我国每年建成的建筑中,95％以建筑高能耗更为严重,单位建筑面积采暖能耗为发达国家新建建筑的3倍以上。为了节约建筑能耗,减轻环境压力,建筑节能成为可持续发展的重要战略。我国现有的建筑节能标准在设计和评价过程中,缺少有效的建筑体系耗能分析评价方法,而只是直观地给出了一些综合性指标(如建筑

土壤水分含量是影响作物生长的重要因素,精确的预测技术对水资源的合理利用与管理具有重要的指导意义。利用人工神经网络理论,建立了以降水量、蒸发量、相对湿度和地下水埋深为输入因子,土壤水分含量为输出因子的预测模型,并对其预测精度进行了评价。结果表明,bp神经网络模型预测土壤含水率的最大误差为8.66%,平均误差为4.27%,预测精度达到0.989。模型具有较高的预测精度,其结果可为制定合理的水资源调配方案和调度计划提供科学依据。

长期以来,由于水土流失引发的生态环境问题受到各界人士的十分关注。我国大部分地区降水集中,生态破坏导致水土流失严重。利用bp网络模型对水土流失程度进行检测和分析是当前学科领域的一个热门话题。

将模糊数学和人工神经网络应用于建筑工程质量等级的综合评价中,提供了一条定量、客观评价建筑工程质量等级的智能化新途径。

基于人工神经网络的软件质量评价

随着信息化建设的不断推进,计算机网络安全问题的受关注程度不断提升,计算机网络安全综合评价也随之成为业界关注的焦点,基于此,文章简单介绍了gabp神经网络模型、计算机网络安全综合评价模型,并结合仿真开展了模型的性能分析,希望由此能够为相关业内人士带来一定启发。

利用matlab编程语言构造了三层bp神经网络结构,建立了基于人工神经网络的投标报价模型,通过仿真模拟确定标高金水平,并用实例验证了其可靠性,为承包商作出合理报价决策提供了科学依据。

提出人工神经网络模型来模拟传统的带肋钢筋和混凝土之间的粘结性能,目的是预测钢筋从混凝土混合物中拔出的极限荷载(第一神经网络模型)或抗压强度(第二神经网络)以及根据rilem试验设计的不同钢筋直径的拔出极限荷载。采用112个带肋钢筋(直径为10mm、12mm)以及三种不同混凝土配合比的拔出试验结果数据库,对神经网络模型进行训练。根据反向传播算法,进行多层感知器训练。第一个模型(ann-6)有6个输入:钢筋直径、水灰比、砂石比、级配、水泥种类和混凝土龄期。第二个模型(ann-2)有2个输入:钢筋直径、混凝土抗压强度,两个模型的输出均为极限拔出荷载。研究结果显示:所采用的模型预测精度高、误差低、具有鲁棒性。从鲁棒性方面,第一个模型(ann-6)比第二个模型(ann-2)更精确。将混凝土的成分作为输入参数,而不是混凝土的强度,对于带肋钢筋-混凝土界面的局部现象更具代表性。

针对目前我国的高等级公路建设过程中普遍存在着投资失控、决算超预算、预算超概算、概算超估算现象越来越严重的问题。提出了从介绍公路工程投资原理和现行的公路投资体系存在的问题出发,将国内现在使用的公路工程投资预测模型加以对比和分析,探索了利用人工神经网络在公路投资预测领域建立新的模型,以此提高预测精确度,改变投资失控的现状。

发展绿色施工促进施工企业节约能源和资源、保护环境,是全球应对气候变化挑战、实现可持续发展的重要手段,而绿色施工评价对于建筑业落实可持续发展起到一定作用。本文在介绍bp人工神经网络基本原理的基础之上,分析了与其它评价方法相比,bp人工神经网络在绿色施工评价中的优越性。通过建立模糊评价矩阵,利用bp人工神经网络处理数据,较客观地对绿色施工进行评价。最后将此评价模型应用于实例,取得了令人满意的结果。

对长输管道而言,影响管道输油成本变化的因素众多,但影响最大的是生产油耗和电耗费用。为了更深入地探索输油过程中输量与能耗的变化关系,以某条输油管道几年来输量及生产油耗、电耗数据为基础,用人工神经网络的方法建立了管道输量与生产油耗、电耗的预测模型。分析表明,该模型的计算结果相对偏差在±5%以内,满足工程实际需要,因此可以用该模型来预测热油管道的生产油耗和电耗。该研究首次建立了热油管道输量与生产油耗和电耗的预测模型,为预测管道的能耗总量提供了便利。