MATLAB神经网络方法的多层砖房震害预测

本文将遗传算法与神经网络相结合,从而建立了一种高效的、实用的桥梁震害预测方法。根据遗传算法具有局部寻优的特点,为避免bp神经网络陷入局部极小值,本文将二者结合起来形成ga-bp混合算法,以ga优化神经网络的初始权值和阈值,对网络进行训练。在大量收集梁式桥震害资料的基础上,将此算法引入桥梁的震害预测中,并与传统的单独bp神经网络相比较,结果表明该方法能够有效、准确地对桥梁结构进行震害预测。

当前,诸多研究人员被电力负载预测所吸引,由于其是精确计划、调度及运维电力系统的先决条件.众多因素均影响着电力负载预测,因此提出一个混合模型来提升预测的准确性是有必要的.文中提出一种采用2种方法的新的混合负载估计方案:小波变换(avelettransform,wt)和人工神经网络(artificialneuralnetwork,ann).为了将大型非对称时变电力原始数据集合考虑到其中,根据时间和频率采用小波技术来分解数据,众多小波函数可以采用,但选择一种合适的小波函数在设计此模型中扮演着关键作用.文中采用了以下几种类型的小波函数,即haar小波函数、deubechies小波函数、symlet小波函数以及coiflet小波函数,将电力负载数据分解成不同的段.随后,使用ann来预测负载的非线性数据.由aemo获取一周每天24h的数据验证了文中所设计模型的有效性.

在分析普通混凝土强度各影响因素的基础上,选取6个影响因素组成输入层,以混凝土28d强度作为输出,建立径向基函数网络,经网络训练和仿真结果对比,表明所建网络结构合理、收敛速度快、精度高,可以满足普通混凝土强度预测要求,具有广泛的应用前景。

将粗糙粗集理论和神经网络原理结合起来,建立了基于粗集-神经网络的建筑物震害预测模型。首先运用粗糙集理论,根据原始样本建立决策表进行属性离散化、属性重要性排序、属性约简和分类规则的提取;然后将所提取的关键成分作为神经网络的输入训练模型。实例研究表明,基于粗集-神经网络的多层砖房震害预测结果与实际震害基本吻合。该模型简化了神经网络结构,提高了训练速度和分类精度,还能对各因素对房屋震害的影响度进行分析。

鉴于震害成因的复杂性，本文应用模糊人工网络方法来对震害进行分析预测。由于不同地区不同类型的构造物的震害差异很大，本文提出应针对不同类型的构造物筛选出影响其震害的主要因素，然后采用地区性的震害资料对所建成的人工神经网络进行训练，这样得到的网络才能达到预测区域震害的地区。最后，本文以量大面广的多层砖房为例，以云南省近向年来的几次大地震的灾害资料为样本，进行了模糊人工神经网络的建筑与训练，其结果说明，这

介绍了rbf神经网络的模型和结构,提出将该网络应用于建筑物沉降预测。运用matlab工具箱函数建立了沉降预测网络模型,编制了计算程序,通过工程实例验证了该模型的正确性和可行性,并和bp神经网络在收敛速度上进行了比较,结果表明rbf神经网络的收敛速度远远快于bp网络。

采用comgis(组件式地理信息系统)技术开发了结合专业震害分析模型的建筑物震害评估系统,讨论了基于bp人工神经网络和gis耦合模型的多层砖房震害预测.研究表明:水平成层土地震反应分析程序shake91在vb菜单下可直接调用,实现地震动影响场计算的模块化;bp神经网络应用于建筑物震害预测中,能达到较理想的效果,其计算模型在系统菜单下可直接调用;系统的gis空间分析功能可使震害预测结果与建筑物信息进行空间匹配,实现地震灾害损失快速评估.

利用多层砌体房屋震害预测专家系统，对山东潍坊地区１８２栋多层砖房逐栋进行了单体房屋的震害预测。在此基础上，统计分析了该地区多层砖房的地震易损性特征，并进行了初步震害预测研究，给出了该类房屋的易损性矩阵、各破坏等级的损失参数矩阵和对应不同地震烈度的相对损失预测，为进一步开展震害预测和采取针对性的防震减灾对策提供了科学依据

能源与环境是当今世界的两大热点问题,越来越受到人们的关注。在我国,城市的能耗大部分来自于建筑,建筑节能是我国可持续发展战略的一个重要组成部分。对建筑进行能耗预测能够对能源进行科学的管理并有效地节约能源,实现低碳。通过将神经网络算法与建筑能耗预测系统相结合,开展建筑能耗预测模型的研究,能够有效地帮助管理人员合理安排建筑系统的运行方式,评估能耗水平是否合理,从而实现建筑节能。

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.

比较分析了现行的造价估测模型的特点及其存在的问题,突出bp神经网络模型进行造价估测的理论优势,引入工程分类思想,以学校类建筑为例,建立了bp神经网络估测模型并进行了造价估测。

造价估测方法的研究和bp神经网络模型的应用——比较分析了现行的造价估测模型的特点及其存在的问题,突出bp神经网络模型进行造价估测的理论优势,引入工程分类思想,以学校类建筑为例,建立了bp神经网络估测模型并进行了造价估测。　　

采用催化传感器和电化学式气体传感器配合使用的传感器阵列.为了解决2种传感器对矿井co和ch4气体的交叉敏感问题,提出了一种基于改进bp神经网络的矿井co检测方法.通过matlab仿真可以看出,基于神经网络的传感器阵列方法可以明显提高co检测精度.实际输出值和期望输出的绝对误差平均值为3.43ppm,相对误差平均值为1.43％.

为克服传统bp神经网络方法在建筑能耗预测的不足,提出了一种基于时间序列自相关分析的人工鱼群神经网络预测模型。对建筑标准能耗进行自相关分析,确定输入变量的维数,结合人工鱼群算法寻优速度快、易跳出极值等优点,对bp神经网络的初值权值和阈值进行优化,建立能耗预测模型,并用模型对西安某高校建筑一个月的能耗值进行预测。结果表明,较传统的bp神经网络模型,人工鱼群神经网络预测模型具有更快的收敛速度,预测精度在±1%左右,预测误差随着迭代次数的增加而降低。

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。

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。

通过对公路货运量的预测方法进行研究比较,并根据公路货运量形成的复杂和非线性等特点,建立bp神经网络预测模型.利用黑龙江省公路货运量及其相关影响因素的实际数据,确定网络输入与输出样本,并对bp神经网络预测系统进行训练和预测.通过对网络输出的误差曲线图的分析,验证bp神经网络预测系统的精确性和简单方便性,提高了公路货运量预测的精确性.

采用催化传感器和电化学式气体传感器配合使用的传感器阵列。为了解决2种传感器对矿井co和ch4气体的交叉敏感问题,提出了一种基于改进bp神经网络的矿井co检测方法。通过matlab仿真可以看出,基于神经网络的传感器阵列方法可以明显提高co检测精度。实际输出值和期望输出的绝对误差平均值为3.43ppm,相对误差平均值为1.43%。

砖砌体结构是村镇地区一种量大面广的结构形式,其抗震性能薄弱,在地震中极易出现脆性破坏。本文尝试应用基于l-m算法的bp神经网络方法,利用它强大的非线性映射功能,建立起村镇地区砖砌体结构震害影响因素与破坏状态等级之间关系。设计出一个9-6-5的三层神经网络模型,根据实地调查,筛选出影响房屋震害的9个主要因素,如层数、层高、砌筑方式、砖墙面积率等作为神经网络的输入参数,输出参数为房屋5种破坏状态。选择2008汶川地震后四川、陕西、甘肃等地的震害实例作为学习样本对所构建的神经网络模型进行训练。训练结果表明,该模型对已训练数据有很好的适应性,但如果要将其用于单个或群体建筑的易损性分析,并取得较精确的预测结果,还需积累足够多的训练样本,并进行大量的网络试验工作。

人工神经网络方法在基坑变形预测中的应用研究——分析研究了人工神经网络方法在基坑变形预测中的建模方法，并通过实例应用，证明这种方法是切实可行的。同时将人工神经网络方法预测结果和灰色系统模型及时序模型预测进行比较，充分证明人工神经网络方法在变形预...

小样本协整检验的神经网络方法

本文把信息扩散原理和神经网络相结合,提出一种工程造价的估测方法,并给出计算实例。