神经网络和双曲线混合模型的高速公路沉降预测

结合高速公路的特点,基于层次分析法和神经网络,建立高速公路物流预测模型,以湖南高速公路物流为样本对模型进行实证分析,验证模型的有效性和准确性。

基于神经网络的高速公路软基沉降分析——简述了高速公路软基沉降观测的目的和意义。介绍了工后沉降的预测方法。其后，简述了bp神经网络的基本概念。论文提出了基于神经网络的高速公路工后沉降预报方法。结合江苏省某高速公路现场监测资料，进行了实例分析，说明...

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。

以宏观动态交通流模型为基础,分析了模型中各个参数之间的函数关系.给出了基于bp神经网络理论的高速公路交通流预测模型建立的方法,对高速公路进行建模.该模型可以通过对高速公路交通流信息的实时采集对参数进行动态的修正,达到交通流信息预测的准确性要求.

1.引言神经网络是一种信息处理系统,它由大量而简单的处理单元(神经元)广泛的相连接而形成复杂系统,它通过学习来解决问题,基坑沉降的预测是一项难以通过理论分析出影响因素与沉降结果映射关系的工作,而这项工作如果交

基于人工神经网络理论,提出了根据前期沉降观测资料进行沉降预测的人工神经网络模型,并用于汕汾高速公路预压荷载卸荷时间预报.研究表明,所建议的模型较传统沉降预测模型具有显著的优越性,应用前景广阔.

公路软基沉降函数干涉神经网络预测模型——建立了基于函数干涉神经网络的公路软基沉降预测模型。工程实例表明，所建议的模型外延性好，而且，可以由较短预压期内沉降观测资料预测远期沉降发展，与传统沉降预测模型相比具有显著的优越性，工程应用前景广阔．

文章主要对江西高速公路信息中心建设中的道路气象监测平台和交通应急监控平台做了一些具体的研究。主要研究内容首先是道路气象监测平台监测各路段及关键点的各种异常交通环境因素变化和气象状况。将数据信息及时传送到高速公路信息中心基于地理信息系统gis模型，再通过bp神经网络模型分析路况实时气象数据（气温、湿度、风向、路面温度、能见度等）与道路车辆行驶状况（如交通量、速度、道路占有率等）之间的关系，模拟道路天气对道路车辆的影响。

基于甘肃高等级公路收费年收入的统计数据,结合其收入和交通量之间的粗略关系,运用bp神经网络预测高等级公路各收费站年收入,从而间接地对高等级公路交通流量进行预测,为提高高速公路的管理与服务水平,对提高高等级公路管理部门的信息感知能力和应急处置能力、提高路网运行效率、建设和谐高等级公路具有极其重要的意义。

引言高速公路交通量预测是高速公路建设项目可行性研究报告的一项重要内容,它是进行交通量现状评价、综合分析建设项目的必要性和可行性的基础,是确定高速公路建设项目的技术等级、工程规模、效益分析的主要依据。同时,其准确率直接关系高速公路投资回报率,甚至影响项目国民经济评价及财务评价。根据调查资料和工程项目的性质选用不同的预测方法,国内、外已提出的各种预测方法多达200种左右,但用于实际操作的较少,如头脑风暴法、专家预测法、

以高速公路交通流预测为研究对象,简化了高速公路宏观动态交通流模型,利用matlab神经网络工具建立模型并进行网络训练与预测。对嘉兴站附近高速公路交通流数据进行了采集、建模和预测。从预测结果中得知,基于bp神经网络交通流预测模型具有很高的可靠度,该简化的交通流模型更为简练,预测结果亦可以点带面地面描述该站点一定空间及时间范围内的交通流情况。

为提高高速公路车辆跟车安全,在常用安全距离算法基础上,结合汽车制动过程分析,提出安全度判别准则的安全控制方法,建立rbf神经网络防追尾模型,讨论rbf网络设计过程中的参数设置,并运用matlab编程进行训练和仿真,仿真结果表明rbf模型是有效的;同时,模型为高速公路汽车追尾建模提供一种新思路,为汽车预警设计提供理论基础。

工程项目前期造价的确定直接关系到整个项目的总体运作情况,因此准确的确定前期造价是非常重要的。目前工程中应用的投资估算编制方法不是很科学,采用bp神经网络方法改进投资估算的确定方法。结果表明,该方法可以有效的提高其编制精度,为科学的确定和有效的控制工程造价中全过程造价奠定了良好的工作基础。

用人工神经网络预测高速公路软土地基的最终沉降——采用人工神经网络较强的非线性映射能力和学习能力，提出基于人工神经网络的高速公路软土地基最终沉降量的预测新方法。本方法利用实测资料直接建模，避免了传统方法计算过程中各种人为因素的干扰，所建立的模型...

人工神经网络具有较强的自组织、自适应、容错性以及很强的学习、联想能力,本文将其应用到高速公路路基沉降预测中。重点介绍了elman模型方法,本方法利用实测资料直接建模,避免了传统方法计算过程中的各种局限性,通过对高速公路路基实测沉降资料的计算分析,证明本模型预测精度高,简便易行,具有广泛的工程实用价值。

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%。

通过分析城市深基坑沉降量时间序列的非线性动力学系统,认为该时间序列具有混沌特性.在此基础上,通过相空间重构的方法建立了用于城市深基坑沉降量预测的混沌神经网络模型;并利用此模型对上海某深基坑沉降量进行了预测,取得了较为满意的预测效果.

以福建省公路旅客周转量和货物周转量的统计资料为基础,结合神经网络技术原理,应用bp神经网络方法建立3维输入、单输出、隐层单元数为15的3层神经网络模型,分别对福建省公路旅客周转量和货物周转量进行预测.结果表明,各月的旅客周转量和货物量预测值的最大相对误差的绝对值分别为0.4890%和0.4495%.该模型具有简便实用、预测精度高的优点.

文章对高速公路的工程特征进行全面的分析和筛选,确定了7个对公路工程造价影响较大的工程特征,使其作为神经网络预测模型的输入向量,随之构建了基于bp神经网络的高速公路工程造价预测模型,最后结合matlab神经网络工具箱对程序进行设计,并选取已完工程为实例.通过对模型的训练、修正以及实例验证,证明bp神经网络可以有效提高预测的精确度,具有较强的实用价值.

采用人工神经网络较强的非线性映射能力和学习能力,提出基于改进的bp神经网络预测盐淮高速公路的路基的沉降。利用实测沉降资料直接建模,避免了传统方法计算过程中各种人为因素的干扰,所建立的模型预测精度高、预测的沉降量误差小。

提出了根据实测数据构造神经网络变形预测模型的基本思路,构造出基于bp算法的神经网络变形预测模型,并给出应用实例分析。结果表明,神经网络应用于变形预测效果良好,具有一定参考价值和指导意义。

人工神经网络是在模仿人脑处理问题的过程中发展起来的新型智能信息处理理论,通过对人工神经网络及bp网络的基本原理与特征的分析,建立了工程估价预测模型.