基于BP神经网络设备维修人员训练数量预测方法

在岩土工程中如何准确预测桩基竖向承载力是一件非常重要的事情。针对现有研究存在的不足,基于标准bp神经网络算法,加入一动量因子,建立了修正的bp神经网络模型,对单桩的竖向承载力进行了预测。以镇江市勘察测绘研究院所完成的地质勘查报告为工程背景,以地震波静力触探测试（scptu）测得的4个指标（锥尖阻力、锥侧摩阻力、剪切波速和孔隙水压力）为输入参数,桩基承载力为输出参数。通过与现场静载试验进行比对,得到了相关系数较高的桩基荷载响应曲线。经过与传统预测方法进行比较发现,用修正的bp神经网络算法可以有效预测桩基竖向承载力,精度较高。

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.

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.

基坑工程施工过程中的周边地面沉降直接关系到周围建筑物的安全,本文根据上海前滩地区某基坑工程的历史监测数据、施工工况和周边地层参数等多源数据对基坑周边地面沉降进行监测和预测。以pso-bp神经网络为基础,通过将基于时序和基于沉降影响因素的网络模型对比发现:二者预测结果误差较小且基于时序的神经网络预测精度更高,说明利用pso-bp神经网络能够很好地对基坑周边地面沉降进行分析与预测。为了综合考虑时间效应和空间效应的影响,在基于沉降影响因素的预测模型的基础上加入历史监测数据作为模型输入层进行优化,结果表明:优化后的pso-bp神经网络模型具有更小的相对误差范围和更高的预测精度,在基坑周边地面沉降预测中有很好的应用前景。

为简化震害预测工作,提出一种以房屋普查数据为震害影响因子并利用人工神经网络模型为工具的震害预测方法。从以往震害实例中选取了具有典型破坏特点的建筑物作为神经网络的学习样本,用收集的数据对网络进行了训练并得到了收敛的网络,应用此收敛的网络对一组新的房屋数据进行震害预测,结果表明了运用此方法和模型的实用性。

针对深基坑系统的复杂的非线性及基坑工程变形多步预测的重要性,将人工神经网络技术引入其中。分析了用bp网络进行多步预测时存在的不足,提出了基于递归神经网络的基坑工程变形多步预测模型。通过一软土深基坑工程变形多步预测实例的分析,论证了递归神经网络用于基坑工程变形多步预测的可靠性和实用性。该方法有效可行,在其他领域的多步预测中同样具有广阔的应用前景。

房地产业是国民经济发展的重要支柱产业之一,因此,科学预测房地产价格指数具有十分重要的意义。将神经网络算法应用于房价指数预测,收集我国主要城市的房地产价格指数数据,使用spssclementine软件进行分析。实验结果表明,该预测方法是可行的和有效的。

公路客运量和货运量预测是一个复杂的非线性问题,由于影响因素较多,难以用普通的数学方法建模,而建立bp神经网络可以表达这些非线性问题。根据公路客运量货运量历史数据及其相关影响因素数据建立了bp神经网络预测模型。利用实际数据确定网络输入与输出样本,对bp神经网络预测系统进行训练和预测。通过对网络输出预测结果与实际数据的分析,验证了bp神经网络预测系统的精确性和方便性,提高了公路客运货运预测的精确性。

路面性能的发展变化是一个长期复杂的过程，受各种影响因素较多，其发展变化呈现一定的不规则性。该文利用人工神经网络特有的非线性信息处理能力，通过对路面已有的发展变化趋势进行分析处理，推测出未来的路面发展状况，为路面的养护决策提供依据。

为提高铁路货运量的预测准确性,运用灰色关联分析法,计算分析了与铁路货运量相关的主要社会指标,确定铁路货运量的影响因子分别为铁路运营里程、铁路电气化里程、铁路复线比重、公路运营里程、固定资产投资总额和钢材产量。将所确定的因子作为铁路货运量的预测指标,建立基于bp神经网络的铁路货运量预测模型,并对模型进行了应用测试。结果表明：bp神经网络模型具有较高的精度,最大相对误差为3.7%,平均相对误差为2.3%。该方法具有较快的收敛速度和较高的预测精度,可为我国铁路货运量的预测研究提供方法支撑。

阐述了神经网络的基本概念、基本结构和算法原理,建立了基于bp神经网络的工程造价预测模型,并根据模型结合matlab神经网络工具箱对程序进行设计,最后通过案例分析对其具体应用作了详尽阐述。研究表明使用bp神经网络来进行工程造价预测是完全可行的。

针对化工设备mro物料批量小、种类多、管理难度大、费用高等问题,分析化工设备mro采购的影响因素,采用化工设备管理信息系统对mro库存、采购、领用数据和设备运行情况数据进行信息化集成,应用bp神经网络模型建立mro采购需求预测模块,自动生成采购订单。同时增加订单对比监测模块,将预测采购订单与实际物理使用情况进行对比,以此对下次预测订单进行修正,并实时监测预测采购订单输出。通过实例验证此方法是有效的。

考虑到常规bp神经网络算法容易陷入局部最优解,所建立的网络遗传流量检测模型检测效率低,准确率不高等问题,提出一种改进型ga优化bp神经网络算法,并使用其建立网络遗传流量检测模型。常规遗传算法在搜索过程中,往往会由于出现影响生产适应度高的个体而对遗传算法搜索过程产生影响的现象发生,因此需要对常规遗传算法进行改进。使用的方法是通过混合编码方式进行改进,同时对交叉算子、变异算子、交叉概率以及变异概率等参数进行优化修正。使用kddcup99数据库中的网络异常流量数据进行实验研究,研究结果表明,所提出方法的检测性能要明显优于常规算法,其对bp神经网络的结构、权值以及阈值进行同步优化,避免了盲目选择bp神经网络结构参数带来的问题,避免了常规bp神经网络容易陷入局部最优解的问题。

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。

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。

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。

建筑业是我国重要的物质生产部门之一，在我国的经济发展过程中，—直扮演着重要的角色。工程作为建筑业的核心，工程的管理具有很高的现实意义。所谓工程造价预测，是指处于准备投标或准备建设的工程项目，在进行投标或实施前，依据现有的建设工程项目资料、结合建设工程施工环境及施工企业自身条件，采用相应的方法对建设工程项目的成本进行预测，并将预测结果用以控制项目实施过程中的成本支出，能够提高建筑企业的项目成本管理的科学性，促进企业资金的良性运转。

短时交通流预测是现代智能交通系统的核心内容,针对城市道路被占所造成的城市交通拥堵排队问题,以路段视频统计为例,利用bp神经网络方法就实际通行能力、具体车辆数、事故持续时间与排队最长长度之间的关系进行预测分析,从实验模拟结果来看,该方法能有效地解决交通流实时和可靠性预测。

本文结合住宅房地产的价格理论和相关网站上的数据,科学地选取影响商品住宅价格的影响指标为人均gdp、人均可支配收入、人口数量、房地产开发投资额和商品住宅建筑面积,并以此建立hedonic商品住宅价格影响因素模型。依照bp神经网络预测的实现步骤,探索bp神经网络在预测海口市商品住宅价格的应用,得到2018年6月-2019年5月商品住宅价格预测值,对海口市商品住宅价格的研究具有一定的指导作用。

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,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,并通过实例验证了该网络模型的准确性。该方法使建筑人员在设计阶段就能快速且准确地获得设计建筑的能耗。

进度控制作为项目管理的主要内容，如何对施工进度进行有效的预测将有重要的现实意义，应用bp神经网络技术对工程进度进行预测，得到的预测值比线性方法更准确，精度更高。