遗传神经网络岩土参数优化反分析

遗传神经网络计算公路沉降——把基于遗传算法的人工神经网络用于岩土工程领域，建立遗传神经网络公路沉降计算模型。通过工程参数监测数据来训练遗传神经网络以获得网络神经元的连接权值。获得满意的权值后，用遗传神经网络来计算高等级公路沉降，取得了较好的计...

遗传神经网络预测路基沉降——利用人工神经网络能够处理大量信息能力的优势和遗传算法具有全局优化搜索的特点结合起来，形成基于遗传算法的人工神经网络，称之为遗传神经网络。这样的人工神经网络避免了在学习过程中陷入局部最优解。把它用于岩土工程领域，通过...

遗传神经网络模式下的工程造价快速估算研究——针对工程项目建设前期对造价估算误差大、难度大、编制时间长的特点，通过设立以人工智能技术为基础的新型造价快速估算方法，可以使工程项目初期造价估算更合理、准确、快捷，并为项目投资评估及投标报价提供依据。

皮尔—遗传神经网络在预测深厚软基沉降中的应用——依托某高速公路应用塑料排水板堆载预压法处理深厚软基的工程实践．运用皮尔一遗传神经网络对其沉降观测结果进行了分析、预测．研究结果显示该方法预测精度高，说明这种方法对软土地基沉降的预测是有效的．

绿色产品被认为是人类走可持续发展战略的必由之路,采用科学、准确的评价方法对绿色产品进行认证至关重要。传统的评价方法主观因素太强,而人工神经网络模型克服了传统项目评价依赖专家经验的弊端,为产品绿色度评价开辟了新途径。然而神经网络训练时具有训练速度较慢、全局搜索能力弱、易陷于局部极小等缺点,这里提出了用遗传算法优化神经网络,从而提高了产品绿色度评价的准确性。这里首先阐述了遗传神经网络模型的原理,然后利用该模型对机电产品进行实例分析。分析表明,采用该模型获得结果是令人满意的。

针对工程项目建设前期对造价估算误差大、难度大、编制时间长的特点,通过设立以人工智能技术为基础的新型造价快速估算方法,可以使工程项目初期造价估算更合理、准确、快捷,并为项目投资评估及投标报价提供依据。

目前常见的沉降预测方法有灰色系统模型、时间序列分析法、bp神经网络及其改进算法等。针对bp神经网络容易出现过拟合和局部最优的缺点,部分学者利用遗传算法进行神经网络初始权值和阈值优化。但是遗传算法对于因监测数据质量问题而造成变形预测结果不佳的优化效果有限。因此引入自适应增强算法对遗传神经网络预测模型进行改进。并利用某高层建筑基坑实测50期监测数据进行仿真预测。实验结果表明,利用自适应增强算法改进之后的遗传神经网络预测模型在满足工程监测精度要求的前提下,在mape、mae、mse三项精度指标上分别提高80.57%、81.04%、70.83%。

本文的主要目的是开发基于实数编码的杂交遗传算法来识别土体的本构参数。该杂交遗传算法在经典遗传算法框架下开发,融合两个新开发的交叉算子,形成了一个新的杂交策略。为了保持种群的多样性,在算法中采用了一个动态随机变异算子。另外,为了提高算法收敛性,采用了一个基于混沌的局部搜索技术。分别基于室内试验和现场试验,通过识别土的本构参数来测试新算法的搜索能力和搜索效率。为了测试新开发算法的突出表现,特选用5种经典的随机类算法(遗传算法、粒子群算法、模拟退火算法、差分算法和蜂巢算法),分析同样的案例进行比较。结果表明,在收敛速度和最优解的准确度方面,新改进的算法可以很好地处理岩土工程的参数反演。

针对隧道工程施工网络计划执行率低的现状,将遗传算法和神经网络技术联合用于隧道施工网络计划的动态优化与决策。基于遗传优化和神经网络方案(模式库、专家知识系统)的优化决策方法能使该技术在隧道施工的应用更科学合理、准确可靠和方便快捷。该技术不仅能解决施工网络计划的执行率低的现状,而且为信息化和智能化的隧道施工提供了有力的技术保障,具有广泛的应用前景。

神经网络在岩土工程观测数据优化中的应用——利用人工神经网络独特的结构和处理信息的方法，以实际工程为背景，编制了岩土工程观测数据优化程序，结合德兴铜矿2号尾矿坝b-b测线浸润线观测实例进行分析研究，使得优化的结果与实际相吻台。

基于遗传神经网络的公路工程造价估算分析——从影响公路造价的影响因素中提取特征因子为参数,用历史数据为依据,用遗传神经网络建立了公路造价快速估测模型,最后用实例验证了遗传神经网络模型在公路工程造价估测中的优良效果。　　

鉴于堆石坝材料参数反演分析问题的复杂性,在bp神经网络反分析的基础上,利用均匀设计理论构造参数样本,结合有限元分析,对水布垭面板堆石坝主、次堆石料的邓肯e-b模型参数进行反演分析。为了验证反演结果的可靠性,再利用反演分析结果,重新进行有限元计算,将计算得到的坝体沉降位移值与实际监测值相比较,结果显示,有限元计算位移值符合大坝变形的基本情况,反分析结果满足精度要求。说明利用均匀设计结合bp神经网络的反分析方法,可以减少堆石坝材料参数反演分析中网络学习的样本数量,提高反分析效率及准确性。

从影响公路造价的影响因素中提取特征因子为参数,用历史数据为依据,用遗传神经网络建立了公路造价快速估测模型,最后用实例验证了遗传神经网络模型在公路工程造价估测中的优良效果。

基于遗传神经网络的地震砂土液化判别研究——针对bp人工神经网络具有易陷入局部极小等缺陷，本文提出了将遗传算法与神经网络结合，同时优化网络结构的权值与阈值的思想，建立了砂土液化判别的遗传神经网络模型。根据地震液化的实测资料，分别对bpl神经网络判别...

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...

基于遗传神经网络的地震砂土液化判别研究——针对bp人工神经网络具有易陷入局部极小等缺陷，本文提出了将遗传算法与神经网络结合，同时优化网络结构的权值与闽值的思想，建立了砂土液化判别的遗传神经网络模型。根据地震液化的实测资料，分别对bpl神经网络判别...

针对现阶段公路隧道照明控制存在的一些问题,以及电能大量浪费的现象,以物联网技术为切入点,搭建了无线控制网络,实现了对隧道照明系统的实时控制及远程监控。详细阐述了系统的整体结构和控制流程,并利用遗传神经网络算法进行优化,从而有效地提高了照明效率,降低了能耗。

针对传统方法单独采用bp神经网络算法易陷入局部极值的问题,提出了遗传算法优化bp神经网络,并将其应用于mimo-ofdm系统信号检测中。该方法将遗传算法与神经网络相结合,用遗传算法优化神经网络初始值,使bp网络快速收敛到最优解,避免了由初始值的随机选取而带来的检测误码。仿真结果表明所提出的方法在误码率方面有比较好的性能。

岩土工程逆反分析的进化神经网络研究——逆反分析实质为系统的逆辨识过程，对此采用神经网络描述比较合理有效。基于提出的网络权值及其结构同时进化的新型进化神经网络模型，进行了岩土工程逆反分析的研究，并用一个算例进行了效果验证。结果证明反分析精度较高...

逆反分析实质为系统的逆辨识过程,对此采用神经网络描述比较合理有效。基于提出的网络权值及其结构同时进化的新型进化神经网络模型,进行了岩土工程逆反分析的研究,并用一个算例进行了效果验证。结果证明反分析精度较高,其效果良好。由研究得到以下结论:网络训练样本应由正分析得到,且应采用正交实验设计进行样本选取;神经网络逆反分析时多参数反演的精度低于单参数反演。

随着我国智能电网建设的快速发展,电力建设市场日益壮大以及电力投资主体日益多元化,“如何控制和降低工程造价”的问题便凸显出来。本文通过引入基于遗传算法优化的神经网络建立输电线路造价估算模型,通过大量样本学习将隐含在数据内部的关系用网络拓扑结构和参数表达出来,拟合出输电线路工程量和造价之间的非线形映射关系,从而为解决智能电网输电线路施工成本估算问题提供理论和现实指导意义。

针对现阶段冰蓄冷中央空调系统负荷预测的bp(backpropagation)模型收敛速度慢和容易陷入局部极小点等缺点,结合遗传算法ga(geneticalgorithm)和bp神经网络,提出了一种ga-bp算法,并在冰蓄冷中央空调负荷预测系统中应用。