基于神经网络的桥梁结构损伤识别分析

本文在总结大量洪水预报实践经验的基础上，提出了一种峰值识别理论及相应的改进BP算法(Error Back Propagation with Peak Recognizer,简称BPPR).该理论及算法在修改网络权重时，偏重大值误差，即大值误差对权重的修改起主要作用.这种BPPR算法使人工神经网络洪水预报模型对洪峰的预报精度显著提高，从而保证了洪峰预报的可靠性.

本资料为基于神经网络及遗传算法的投标报价变量选择，通过分析不同时代估算模型的特点及其存在的问题,建立了人工神经网络及遗传算法报价变量选择模型,用遗传算法对网络权值进行修剪,确定最优网络.内容详实，值得参考下载。

本资料为基于BP神经网络的建筑工程估价模型研究，提出了基于BP神经网络的工程造价估测模型 ,以工程特征为参数 ,用历史数据 ,建立模型 ,并验证了BP神经网络模型在工程造价估测中的优良效果 ,结果显示 ,BP神经网络在这方面具有很好的应用前景。内容详实，值得参考下载。

应用误差反向传播的人工神经网络技术对大跨度双层扭网壳进行设计，双层扭网壳的跨度在50～ 80 m 之间变化，训练了估算双层扭网壳的最大挠度、重量和杆单元横截面面积的神经网络。为减少数据的非线性和提高训练速度，形成了特殊的数据排序方法。这种方法提供了必要的稳定性。本文研究表明应用神经网络技术对双层网壳结构进行设计是可行的。

本资料为模糊神经网络控制及其在化纤工业中的应用，针对化纤工业侧吹风的恒温、恒相对湿度和恒定风速的多变量控制系统的非线性特征,提出了一种可增强模糊控制规则优化能力的模糊神经网络控制策略,并给出了控制算法特点,仿真实验证明了方法的可行性.内容详实，值得参考下载。

对于受拉区仅配置预应力钢绞线的高强混凝土梁，在正常使用荷载作用下，当截面出现开裂以后，GB50010—2002(《混凝土结构设计规范》给出的挠度计算方法已经不再适用。针对这一现象，首先通过理论分析，找出影响预应力混凝土梁挠度的主要因素，在此基础上，分别以影响因素和挠度为输入、输出，建立预测预应力混凝土梁挠度的优化BP神经网络模型。然后，针对所建模型，输入一定量的实测数据样本，进行网络的训练、学习和调整。仿真计算的结果表明，应用人工神经网络的方法，进行预应力高强混凝土梁挠度预测分析是可行的，而且与我国现行规范公式计算结果比较，梁开裂后的预测结果更加接近实测数据。

叙述了常用的BP神经网络在空调控制中的优点，在分析了VAV空调系统的优缺点的基础上，提出了人工神经网络控制的策略，并从建立模型、样本训练和控制实现方面阐述了神经网络在VAV空调系统中的应用。展望了神经网络在空调领域的研究和开发走向。

111

人工神经网络作为一个具有高度非线性映射能力的计算模型, 已广泛应用于模式识别、自动控制等许多领域。在数值预测方面, 它不需要预先确定样本的数

本文将神经网络理论和RBF算法应用于水环境评价中，介绍了径向基函数（RBF）的基本知识及RBF网络在环境监测中的应用；该方法较之原有的水质数

基于神经网络的大体积混凝土温度预测与控制，内容详细丰富，可供网友参考下载。

燃油经济性的提高和世界上严格的排放法规要求增强空气控制和燃烧技术，例如低温燃烧，PCCI（发动机燃烧数值模拟）和HCCI（均质混合气压燃技术）。另外，NOX 后处理系统，例如选择性催化还原系统（SCR）和倾斜NOX捕捉器，也需要减少车辆的尾气排放。关于发动机排放NOX的信息对于发动机的燃烧优化

本资料为神经网络集成在工程造价估算中的应用研究，文中采用神经网络集成方法建立了工程造价和主要工程量估算数学模型,并采用matlab61计算软件,以深圳市已完典型工程资料为例,验证了该模型的正确性及实用性,得出了神经网络集成方法泛化能力更高的结论. 内容详实，值得参考下载。

本资料为基于模糊神经网络的建筑工程造价估计方法，提出了建筑工程造价估计的模糊神经网络方法，给出了用该方法进行建筑工程造价估计的基本原理，网络模型及估价方法，计算实例表明，应用模糊神经网络估计工程造价具有方便，准确的特点。内容详实，值得参考下载。

采用神经网络技术，基于自振特性对PRC简支梁的预应力识别进行了数值仿真研究，对三种不同预应力水平的仿真测试，给出了较高的识别精度，表明基于RBF神经网络的PRC简支梁的预应力识别方法具有一定的可行性和进一步研究的价值。

根据人工神经网络理论和方法，针对活性污泥间歇曝气系统的特点，提出了-活性污 泥间歇曝气系统的BP人工神经网络水质模型。通过对模型预测结果与实测值的比较表明：其具 有精度高，适应性强，使用方便的特点。这种模型的建立，为活性污泥工艺实现在线智能化控制提 供了一条简便的连径。

1111

　用以活性污泥数学模型(ASM) 为基础的EFOR 软件的模拟输入输出数据训练设计好的神经网络,然后同时变化 输入数据,比较输出数据。结果表明神经网络用于污水生物脱氮过程的动态的模拟,预测出水COD 的误差可控制在±3 %以 下,出水TN 的误差可控制在±6 %以下,出水SS 的误差可控制在±10 %以下

该文针对污水处理厂进水水质变化及处理过程中具有非确定特性、不易精确控制等特点，充分利用神经网络模糊信息 处理的优势，结合污水处理工艺过程，以MATLAB 为研究平台建立一套具有3 层神经网络结构的预测模型并进行仿真验证。

主要采用神经网络方法和可靠度理论，依据混凝土中钢筋的锈蚀量，对钢筋混凝土构件的可靠指标进行了分析，并运用所得的结果进行了耐久性分析，以期指导结构设计人员科学合理地控制结构耐久性。

本文研究了以神经网络理论为核心的黄河上游宁蒙河段冰情预报。通过分析河流冰情特点，开发出了用Levenberg-Marquart算法改进传统BP神经网络理论进行冰情预报的数学模型，适用于流凌、封河、开河、水温、流凌密度、冰塞、冰坝等的预报中。把该模型应用到2004年－2005年冰情预报中，提前预报出2004－2005年冰情发生情况，具有良好效果。理论分析和实例论证都表明该神经网络模型能够进行宁蒙河段冰情预报，并且它的经验能为其它冰冻区河流建立冰情预报模型提供有益的帮助和重要的参考。

摘要：将自组织神经网络模型应用于环境监测优化布点方案的决策，与模糊聚类方法的实例进行了比较，本方法不仅实用、有效，而且具有编程简洁，实现容易，效率更高的特点。

根据居民年生活用水的特点，提出一种灰色遗传神经网络组合模型。该模型首先通过遗传算法（ＧＡ）对λ取值进行选优，并运用灰色加权模型对年需水量进行一级预测，后通过ＢＰ模型对年需水量进行二级预测。以Ａ市Ｓ区年居民生活年需水量为例，将２００７～２０１３年生活年需水量作为原始数据并选择合适指标对２０１４年需水量进行预测。

摘要 政府项目投资失控问题业已引起广泛关注, 而造价工程,胡子工程 ,马拉松工程, 豆腐渣工程等 估算不准是其 中主要原 因之一 。许 多不确 定 因素影 响着项 目 三超 现象尤为严重 据 资料表明 造 价 并且这些 影 响 因素 与造 价之 间呈 高度 非线性 关系 传 统 统计方法难 以对新建项 目造价进行准确估算 本文利用bp神经网络在 已完工程资料中提取规则实现了对项目造价的 准确估算 。本文对bp网络基本理论作了简介,并用举例说明 bp网络预测工程造价的准确性.从例子可以看到预测值与实 际值 的相对误差很小足以满足造价估算的要求 。

对于不同数据特点的序列神经网络的逼近能力有较大的差异。为了使BP神经网络预测河流日径流的效果有较大改善, 分析了S型神经元的训练和数据调整过

[目的]为实现作物的实时灌溉提供科学依据。[方法]利用实测气象资料、桓台县节水灌溉试验站 2008～2009冬小麦试验资料等建立BP神经 网络预报模型,应用Matlab神经网络工具 箱 ，采用 Trainhn算法进行模型训练 ，对试验田的土壤贮水量进行预测 。『结果]基于BP神经网络的土壤贮水量预报模型的泛化能力较强；在冬小麦日耗水量较大的拔节、扬花、灌浆 3个时期，该模型的预报精度 较高 ，稳定性较好 。[结论]基于BP神经网络的土壤贮水量预报模型在冬 小麦耗水较大时期的模拟值具有较高的精度

基于人工神经网络的大体积混凝土温度场预测，内容详细丰富，可供网友参考下载。

　结构的动力特性和结构参数直接相关, 结构的损伤将引起相应动力特性的改变, 因此, 如果能建立结构动力特性变化与结构损伤之间的映射关系, 则可以利用结构振动测试信息实现结构损伤诊断。神经网络方法因其具有非线性映射能力强、计算速度快、容错性好等优点, 正越来越多的用于基于振动的结构损伤识别, 但是对于大型复杂结构, 普遍存在网络结构复杂, 识别效率低下的问题。以框架结构为例, 应用BP 网络分阶段的进行损伤位置、损伤程度的识别, 这有效降低了网络的复杂性, 减少了学习样本, 提高了学习效率。

LM算法很好地解决了BP算法训练代数大，训练误差大，易陷于局部最小等问题， 为坝肩滑坡体位移数据的分析提供了一种有效的方法。构建某坝坝肩滑坡体位移数据分析的BP神经网络，选取86组数据作为训练和测试样本，运用LM算法对此网络进行训练，利用训练好的神经网络对测试样本进行预测，并且将预测值与实测值进行对比分析．结果表明预测值与实测值较吻合，说明基于数值优化的LM 算法值得推广。

针对污水处理过程中出水水质受到诸多因素的干扰，在国际水协开发的基准仿真模型ＢＳＭ１基础上，通过采用改进的粒子群算法，结合神经网络对活性污泥法系统进行仿真模拟和仿真。

本文利用人工神经网络的自适应性、容错性、模糊性，建立了各自的BP神经网络预测模型。对偏压短柱，选取长径比、偏心距、钢材的屈服强度、混凝土的抗压强度及偏心率等5个影响偏压短柱极限承载力的主要因素作为输入单元，以极限承载力为输出单元，选用52组数据作为训练集，13组数据作为测试集，建立了一个3层的BP神经网络预测模型，预测结果与现有规范比较，公式物理意义明确、简洁、结果准确。