回归分析与人工神经网络在建筑物沉降预计中的应用

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.

提出基于人工神经网络的基础最终沉降的预测新方法,通过工程实例应用,在较短的实测资料情况下,可获得较小误差的最终沉降量,所建立的模型预测精度高。

建筑物沉降的诱因与沉降量之间有一个复杂的非线性相关性,应用回归法对这种复杂的相关性进行分析有较大的局限性。人工神经网络是由许多神经元组成的大规模非线性系统,具有较强的动态处理能力,能对简单的非线性函数进行多次复合,来实现一个复杂的非线性函数。神经网络这些特性满足建筑物沉降分析的需求。实例表明,应用神经网络bp算法可以对建筑物沉降原因进行更客观的分析,对沉降趋势预测效果也较好。

介绍了基于matlab的径向基函数rbf神经网络对于建筑物沉降预测的方法,讨论了rbf神经网络的构造思路、参数和分布密度spread的选择。为建筑物变形监测人员的数据分析、变形预测提供了一个可行的概念。

本文对人工神经网络的历史作了简单回顾,并对它在建筑声学领域中的应用状况作了阐述,同时提出了有待进一步探讨的若干问题。

对日益广泛应用于建筑结构的人工神经网络的基本原理与特征以及误差反向传播的多层感知器网络(bp网络)的多种改进算法进行了介绍,分析了人工神经网络在建筑结构的优化、控制以及损伤诊断等领域中的应用情况,对人工神经网络的推广应用具有一定指导意义。

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...

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。

基于神经网络在建筑物沉降预测中的局限性，许多学者对此进行了探讨和研究，文中采用灰色理论中的等维新息思想构建训练样本，建立了等维bp神经网络，通过采用matlab数学工具编程实现，对实际的沉降量进行变形预测。结合具体工程实例进行分析，实验结果表明该模型比灰色gm（1，1）模型具有更好的预测效果，能够满足实际应用的需要。

针对建筑物成新度评估中存在的问题,利用人工神经网络理论,建立了建筑物成新度评估的人工神经网络模型,从而为其准确评估提供了科学的依据.

从人工神经网络的发展入手,对其基本概念及组成特性做了介绍。并以反向传播模型b-p模型为例阐述了人工神经网络(ann)的结构及学习算法,给出了b-p模型的实现方法及最终在建筑施工中的成功应用,指出了人工神经网络系统广阔的应用前景,最后提出了今后研究的方向。

用vb编制了人工神经网络的通用bp算法程序。根据西安参考年气象参数,采用动态模拟程序计算了某办公楼4月至9月逐时冷负荷,结果显示利用神经网络的预测值与计算值吻合。

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。

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。

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...

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。

在我们应用回归方法对建筑物沉降原因分析及沉降趋势的预测中,由于实际情况的复杂性及主观认识的局限性,这样所得的结果含有较多的人为因素,可能会与实际情况有所差异。针对这种情况,讨论了应用神经网络方法来发现和验证引起建筑物沉降的因素及对沉降趋势的预测。实例表明,该方法能取得较好的效果。

随着社会经济的发展,原有的预测方法逐渐显露出其诸多弊端,这种情况下促使新预测方法的出现,这就是最近非常热门的神经网络。人工神经网络是一种新兴的综合性边缘学科,通过对大脑神经网络的智能模拟得到实现,具体自适应性、非线性处理、并行处理等多方面特点。基于此,文章从不同角度对建筑管理领域中人工神经网络的应用展开了分析和研究,希望可以为同行的研究提供一些参考。

人工神经网络在软土地基沉降预测中的应用——人工神经网络这种数学工具可以以任意精度逼近任意非线性曲线，且具有容错性和联想记忆功能，利用基于人工神经网络和反向传播理论的分析方法对软土地基沉降进行的预测体现了很强的优越性。介绍构建网络模型后，用某高...

人工神经网络这种数学工具可以以任意精度逼近任意非线性曲线,且具有容错性和联想记忆功能,利用基于人工神经网络和反向传播理论的分析方法对软土地基沉降进行的预测体现了很强的优越性。介绍构建网络模型后,用某高速公路软基沉降的实测数据进行网络的训练和学习,再用建立的预测模型预测出了最终的沉降量。所得的结果与实测值达到了较好的一致性,与用其它理论计算方法所得结果相比较具有较高精度。

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...