改进BP人工神经网络在地下水水质现状评价中的应用

调查分析了蘑菇湖水库的污染源,选取蘑菇湖水库污染的6项水质监测数据作为评价指标,采用matlab建立了蘑菇湖水库水质评价的三层bp网络模型,并以这6项指标为训练样本,对bp网络进行训练,将训练好的网络用于水质进行评价,得出的蘑菇湖水库水质评价结果是劣ⅴ类,采用分级评分法对计算结果进行了比较分析,结果表明:bp神经网络方法收敛速度较快,预测精度很高,蘑菇湖水库已丧失养殖功能,并且已不能满足农业灌溉的标准。

基于遗传算法的改进BP神经网络模型在水质评价中的应用

根据溶解氧、高锰酸盐指数、化学需氧量、氨氮、总氮、总磷的实测数据,本文基于bp神经网络对尼尔基水库水质进行了综合评价,评价结果表明：近年来水库水质介于iv至v类之间。水库库尾水质较库中和坝前水质略好,汛期水质与非汛期水质差别不大,介于iv至v类之间,水库水质污染问题尚未得到有效解决。bp神经网络综合评价方法相较于传统的单因子评价方法,评价结果更为客观、合理。

对富营养化评价标准进行插值获取大量的样本,建立了基于bp人工神经网络的富营养化评价模型。将模型应用于评价深圳市13座主要水库的富营养化状况,对其成因进行分析,并提出了对策与建议。研究结果表明,石岩水库与深圳水库为轻度富营养化,占评价水库总数的15.4%;西丽水库等11座水库为中营养,占评价水库总数的84.6%。人工神经网络用于建立湖库富营养评价模型是适合的。

人工神经网络(ann)作为一种新型的信息处理系统和计算系统,近年来被广泛的应用于蛋白质结构预测、谱图分析、药物分子药效预测、定量构效关系(qsar)研究等方面。文章论述了人工神经网络的的工作原理和基本特点,列举了国内研究者运用人工神经网络在蛋白质结构预测和qsar中的主要应用,并对以后的应用进行了展望。

简要介绍了人工神经网络的结构及特点,并且详细论述了神经网络在中央空调水系统、风系统、制冷系统、负荷预测、系统的仿真设计和建筑运行能耗评价等方面的应用概况,指出了神经网络在空调领域今后的发展方向.

人工神经网络在基坑变形性状研究中的应用——基坑工程不仅要保证维护结构本身的安全，而且要保证周围建(构)筑物的安全和正常使用。开展基坑工程变形性状研究具有重要意义。影响基坑变形的因素很复杂，传统的计算方法已无法准确预测基坑的变形。人工神经网络(an...

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...

在运用人工神经网络对深基坑岩土参数进行反分析的基础上,将pso与bp算法相结合,充分发挥pso全局寻优的能力和bp算法局部细致搜索优势,并通过实例验证了方法的可行性。可以看出,运用该方法可以使学习效率增高,收敛速度加快,预测结果更加准确。

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。

采用热压成型的方法制备掺杂粉煤灰、以无机纤维为增强体的摩擦材料,并测试其磨损性能。选用bp神经网络建模,以摩擦材料配方、制备工艺、测试条件为输入变量,以材料的磨损率为输出变量,采用l-m算法对网络进行训练。结果表明,模型可以对材料磨损性能进行有效的预测,可用于配方及制备工艺的优化。

人工神经网络(ann)是一种动态信息处理系统,它具有联想记忆、自组织、自适应、自学习和容错性等特性。人工神经网络可实现对危险源的动态分级;可解决安全综合评价中的不确定性、模糊性和动态复杂性、指标多、数据多等难题;在安全预测方面,可进行煤与瓦斯突出预测、煤矿瓦斯涌出量预测、煤层自燃预测、交通事故预测等。讨论了其在安全科学中的应用现状及存在问题,并对未来研究方向进行了展望。

人工神经网络在工程管理中的应用——基于建设工程的复杂性和长期性,阐述了工程管理发展的新现象,对神经网络的发展及其结构特点作了介绍,并对神经网络在工程管理各个阶段的应用及其所带来的优点进行了探讨,解决了诸多工程难题。

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。　　

对人工神经网络在结构控制中的应用做了综合评述。介绍了神经网络的控制原理,总结了结构控制中常见的网络模型,阐述了人工神经网络在结构控制中的应用情况,并对未来的发展方向进行了展望。

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。

介绍了应用人工神经网络解决问题的基本原理;论述了人工神经网络在农业工程中的应用及可能的应用范围;并指出了应用人工神经网络在农业工程中要注意的问题。

人工神经网络在岩土参数反分析中的应用——在运用人工神经网络对深基坑岩土参数进行反分析的基础上，将pso与bp算法相结合。充分发挥pso全局寻优的能力和bp算法局部细致搜索优势，并通过实例验证了方法的可行性。可以看出，运用该方法可以使学习效率增高，收敛速...

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。

简述传统的结构近似重分析技术的缺点与不足,介绍bp网络的原理、算法,利用bp网络能够实现从n维设计空间到m维任意非线形映射的特点,通过不同设计变量的训练样本集对bp网络进行训练,然后输出拟合值。经过分析,证明在结构近似重分析中,采用bp神经网络能很好地实现从设计变量到结构响应之间的映射。

对人工神经网络的发展及基本原理作了简要介绍,重点介绍了桥梁损伤智能诊断中常用的bp神经网络模型的结构及其国内外的主要研究成果,指出了bp神经网络的一些缺陷并提出了相应的改进方法,最终对人工神经网络在桥梁损伤智能诊断发展应用作了展望。

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.