统计分析继电器贮存寿命神经网络预测

徽派建筑是我国四大古建筑流派之一,木构件是徽派建筑的核心.准确预测徽派木构件的寿命,对于古建筑的保护具有重要的意义.目前系统考虑多种因素对木构件寿命共同影响的研究较少,elman神经网络是一种典型的多层动态递归神经网络,通过存储内部状态使其具备映射动态特性的功能,从而使系统具有适应时变特性的能力,可用于预测木构件复杂的非线性时变系统的建模.针对基本的elman神经网络存在训练速度慢、容易陷入局部极小值的特点,使用带有自适应变异算子的粒子群优化算法对基本的elman神经网络进行改进,优化网络中各层之间的连接权值,提高学习速度,并在全局范围内寻找最优解.仿真结果表明,改进后的网络能较准确地拟合训练值,并进行有效预测,能够较好应用于徽派古建筑寿命预测.

bp神经网络在基坑变形预测分析中的应用——本文提出了基坑变形预测与分析的bp神经网络方法，建立了基坑变形预测分析的模型，应用matlab语言编制计算程序进行计算并与实际工程监测值进行比较，从而验证了神经网络在基坑变形预测分析中的可行性、有效性。　　

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。

神经网络组合预测法在软基沉降预测中的应用——通过引入神经网络组合预测模型，对软基沉降序列进行了非线性组合预测。预测结果表明，神经网络组合预测的结果比各单项模型预测的结果都好，提高了软基沉降的预测精度，可进一步推广应用。　　

基坑变形人工神经网络预测及其网络参数优化——基坑变形人工神经网络预测受网络参数的影响较大，选取适当的网络参数才能得到较优的预测结果。本文介绍了人工神经网络原理及其网络参数的优化方法。以挡土桩桩顶水平位移预测为例，说明其具体预测步骤及网络参数优...

路网规模研究是公路网规划的重要内容。考虑影响公路网合理规模的多种因素,提出了一种基于bp神经网络的公路网规模预测方法,并建立了模拟路网规模与其影响因素间的非线形关系预测模型。步骤依次为:改进传统的bp算法、合理确定影响因素、建立预测模型、模型的训练与检验、数据预测。预测结果表明,该方法客观、合理,预测精度高,实用性强,具有较强的理论与实际应用价值。

介绍了风电功率预测的背景，对风电功率预测进行了理论分析，分析了bp神经网络的原理及基于bp神经网络的风电功率预测流程和预测结果误差的评价指标。以matlab软件的神经网络工具箱为仿真平台，搭建bp神经网络，进行了功率预测仿真，预测结果均方根误差分别为6．97％、200．59％。两组仿真对比结果表明，基于bp神经网络的风电功率预测在短期预测中是可行的．

砂土地震液化的神经网络预测——分析了砂土地震液化预测方法的研究现状，采用改进的bp神经网络模型对收集的样本进行了学习和预测，取得较好的预测效果。

人工神经网络预测软土地基沉降——简要介绍了高速公路软土地基的基本性质和对高速公路的主要影响，充分运用人工神经网络较强的非映射能力来预测软土地基的沉降，利用实测资料来对复杂的非线性的土工结构进行直接建模，并计算出软土地基的沉降值，获得满意的效果...

人工神经网络在预测软基沉降中的应用研究——依据影响软土路基沉降的因素选取参数建立了bp神经网络预测最终沉降量模型，利用已建高速公路沉降数据，进行了软土地基最终沉降量的预测，取得了较为理想的效果。证明神经网络法能避免传统方法计算过程中各种人为因素...

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.

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。

针对电力系统短期负荷预测的特点,以及人工神经网络的自学习和复杂的非线性拟合能力,将人工神经网络的bp、elman、rbf三种模型用于短期负荷预测,建立了短期电力负荷预测模型,综合考虑气象、天气等影响负荷因素进行短期负荷预测。某电网实际预测结果表明,rbf比bp、elman有更好的预测精度,更快的速度。

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。

简要介绍了高速公路软土地基的基本性质和对高速公路的主要影响,充分运用人工神经网络较强的非映射能力来预测软土地基的沉降,利用实测资料来对复杂的非线性的土工结构进行直接建模,并计算出软土地基的沉降值,获得满意的效果。结果显示,人工神经网络应用于软土地基沉降的前景是非常广阔的。

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。

针对深基坑变形控制系统中的不确定性、模糊性因素多的问题,将模糊控制理论与神经网络技术相结合,采用非线性神经元构成的神经网络结构,把对应的网络输入、输出表达为输入、输出信息的模糊数隶属度,建立了一种基于模糊神经网络的深基坑施工变形预测模型.结果表明,利用模糊度隶属函数对基坑施工进行动态控制具有较好的实用效果.

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。

泡沫金属试样测试复杂,对试样而言又急需知道基体结构参数与力学性能和阻尼性能的关系,采用线性回归技术无法实现这一功能,应用人工神经网络,则解决了通过测量泡沫金属的四个基本参数达到推知其力学性能、阻尼性能的课题。

在对某基坑工程采用bp神经网络模型预测基坑开挖引起地表变形的分析中,考虑到现有模型可能会遇到预测结果跳不出训练样本以及训练时间较长的问题,提出采用matlab中的mapminmax函数进行归一化处理,并基于牛顿法、共轭梯度法和l-m法三种数值优化方法对bp网络训练算法进行了改进.研究结果表明:与常用的基于梯度下降原则相比,改进后的bp神经网络在训练时间和预测误差方面均有明显的优势,采用l-m法的神经网络在训练样本时的迭代次数最少为74次,采用共轭梯度法的预测结果与实测结果的误差最大为2.4％,而采用牛顿法神经网络的预测值则比较均衡,预测结果相对最佳.

文章针对房地产价格的动态特性,提出了基于elman神经网络的房地产价格预测方法,并通过其对上海市房地产价格的预测,证明了该方法的有效性,为房地产价格预测提供了一条新的方法。

根据盾构施工引起地表沉降的具体问题,结合广州地铁三号线某区间地质资料,建立了地表沉降预测的bp神经网络模型,并对网络进行了训练和测试,测试结果表明,利用神经网络进行盾构隧道施工的地表沉降预测是可行的,可用于工程实践。