人工神经网络模型预测高碳钢高速线材力学性能

为了提高碳钢焊条熔敷金属延伸率和冲击功力学性能指标的预测准确性,建立了基于反向传播(bp)神经网络、径向基函数(rbf)神经网络、自适应模糊神经网络(afnn)3种单一模型的碳钢焊条熔敷金属力学性能非线性神经网络组合预测模型。综合运用遗传算法优化bp神经网络连接权的方法对模型预测性能进行了有效改进。利用试验获得的55组相关样本数据对模型进行训练和验证。结果表明,延伸率、冲击功指标的预测平均相对误差分别降为3.15%和2.67%,远小于5%,满足实际生产要求;与采用单一预测模型相比,使用基于遗传算法的神经网络组合预测模型能够显著提高预测准确性和泛化能力。

为了提高碳钢焊条熔敷金属延伸率和冲击功力学性能指标的预测准确性,建立了基于反向传播（bp）神经网络、径向基函数（rbf）神经网络、自适应模糊神经网络（afnn）3种单一模型的碳钢焊条熔敷金属力学性能非线性神经网络组合预测模型。综合运用遗传算法优化bp神经网络连接权的方法对模型预测性能进行了有效改进。利用试验获得的55组相关样本数据对模型进行训练和验证。结果表明,延伸率、冲击功指标的预测平均相对误差分别降为3.15%和2.67%,远小于5%,满足实际生产要求;与采用单一预测模型相比,使用基于遗传算法的神经网络组合预测模型能够显著提高预测准确性和泛化能力。

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

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.

应用人工神经网络模型对Q345钢焊接接头力学性能预测的实验研究

介绍了用q345钢焊接接头力学性能的实验数据,建立并训练基于人工神经网络技术的q345钢焊接接头抗拉强度、屈服强度、延伸率和断面收缩率的预测模型,并用验证性实验结果分析了这些模型的精确程度。该实验研究为利用计算机虚拟技术进行焊接工艺评定来替代或辅助实物焊接工艺评定进行了有益的探索。

用人工神经网络预测高速公路软土地基的最终沉降——采用人工神经网络较强的非线性映射能力和学习能力，提出基于人工神经网络的高速公路软土地基最终沉降量的预测新方法。本方法利用实测资料直接建模，避免了传统方法计算过程中各种人为因素的干扰，所建立的模型...

人工神经网络具有较强的自组织、自适应、容错性以及很强的学习、联想能力,本文将其应用到高速公路路基沉降预测中。重点介绍了elman模型方法,本方法利用实测资料直接建模,避免了传统方法计算过程中的各种局限性,通过对高速公路路基实测沉降资料的计算分析,证明本模型预测精度高,简便易行,具有广泛的工程实用价值。

根据某高速公路高路堤填土施工期路基沉降实测资料,建立了预测路基沉降的等时距bp神经网络模型,并运用三次样条插值获得预测时间段内任一时刻沉降值,并与实测值进行比较,证明它具有很高的预测精度。

人工神经网络在岩石力学中的应用——从岩石力学研究思维方式转变的观点出发，从岩石非线性系统辨识、工程时序预测、反分析及岩石工程系统等四个方面综述了人工神经网络在岩石力学中的应用进展情况，并对其应用情况进行了简要评述。　　

从岩石力学研究思维方式转变的观点出发,从岩石非线性系统辨识、工程时序预测、反分析及岩石工程系统等四个方面综述了人工神经网络在岩石力学中的应用进展情况,并对其应用情况进行了简要评述。

提高重轨钢的性能控制能力对其产品质量保证有重要作用。采用神经网络方法建立了重轨生产性能预报模型,并通过模型结构优化提高了模型预报的可靠性。通过模型自检、历史数据检验和离线应用,表明高速重轨的抗拉强度与伸长率预报命中率较高,可基本满足生产要求。

借助人工神经网络模型,建立了可依据现场量测信息对软基路堤沉降量随时间而发展的过程进行动态预报的分析方法。其要点是:建立公路软基沉降预测的神经网络结构,并将前期沉降观测值作为样本,通过神经网络结构的训练寻求沉降及其主要影响因素的内在关系,据以预测后期沉降量

**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.

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。

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。　　

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。

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。

分析了影响我国钢材价格的客观因素,基于bp神经网络建立钢材价格预测的模型。采用levenberg-marquardt算法对bp神经网络的权值进行优化。使用matlab语言编写程序,用1990-2008年的数据对模型进行训练得出预测结果。结果表明,预测值与真实值较吻合,所建立的神经网络模型有较准确的预测精度。

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。