共查询到19条相似文献,搜索用时 578 毫秒
1.
人工神经网络原理在建筑物震陷预测中的应用 总被引:1,自引:0,他引:1
运用人工神经网络原理,对BP型神经网络作了多方面的改进,采用改进后的BP算法,建立了建筑物震陷预测模型,研究结果表明,改进的BP网络性能良好,所建立的模型预测精度高,能满足工程要求,是一种有效可行的预测新方法。 相似文献
2.
应用BP神经网络方法建立了珠江三角洲地壳稳定性的评价模型。首先在前人研究基础上,分析了珠江三角洲的地震活动、断层发育程度、地壳垂直形变、第四系厚度及地热分布等特征,然后收集相应的数据,建立这些影响因子与地壳稳定性之间相关性的转化原则,对这些数据进行标准化转化,建立并训练BP人工神经网络模型,由模型的实际输出插值得出珠江三角洲地壳稳定性的等值线图。与前人对该区地壳稳定性的定性及定量分析对比表明,该模型的评价结果与前人研究结果基本一致,因此基于神经网络的珠江三角洲地壳稳定性评价模型是比较可靠的。 相似文献
3.
灰关联与人工神经网络在建筑物震害预测中的应用 总被引:2,自引:1,他引:1
基于灰关联识别方法,解析了各震害影响因子对多层砖房抗震性能的影响程度;并利用BP人工神经网络非线性模型对震害实例样本进行了训练。结果表明:利用灰关联分析,可得出各因子对多层砖房抗震性能影响程度的大小排序,有利于实际的工程抗震设计;基于BP人工神经网络模型的多层砖房的震害预测结果与震害实例的实际情况比较吻合,其思路和方法可推广于其他不同类型的建筑结构的震害预测。 相似文献
4.
利用灰关联识别方法分析各震害影响因子对土石坝抗震性能的影响程度,并筛选出关联程度大的震害影响因子。利用BP人工神经网络非线性模型对震害实例样本进行了训练。结果表明:利用灰关联分析,可得出各因子对土石坝抗震性能影响程度的大小排序,供实际的工程抗震设计参考,基于BP人工神经网络模型的土石坝的震害预测结果与震害实例的实际情况比较吻合。 相似文献
5.
基于灰关联与人工神经网络综合评价模型的多层砖房震害预测 总被引:1,自引:0,他引:1
结合几次大地震中多层砖房的实际震害资料,基于灰关联识别方法,解析了各影响因子对多层砖房抗震性能的影响程度。以反映结构抗震性能的各类物理参数作为输入数据,以给定地震动峰值加速度下建筑物破坏状态的概率作为输出数据,采用8-6-5层结构,建立了基于BP人工神经网络的非线性模型,并对震害样本进行了训练。结果表明:利用灰关联分析,可得出各因子对多层砖房抗震性能影响程度的大小排序,有利于实际的工程抗震设计;基于BP人工神经网络模型的多层砖房的震害预测结果与震害实例的实际情况比较吻合,其思路和方法可推广于其他不同类型的建筑结构的震害预测。 相似文献
6.
针对悬浮泥沙影响水体遥感测深精度的问题,选择长江口南港至南槽为研究区,通过对遥感测深方法研究,结合悬浮泥沙光谱特性分析,把"泥沙因子"引入到水体遥感测深反演模型中,研究表明:1)单因子非线性模型中,指数模型对0-2m的水深反演效果较好,对数模型对2-7m的水深反演较好,二次回归模型对7-14m的水深反演效果较好:2)建立的BP人工神经网络水深反演模型综合了多个波段具有的水深信息,模型的反演效果好于单因子非线性模型;3)实验构建的泥沙遥感参数综合了不同波段具有的悬沙信息,削弱了叶绿素和外界环境条件对泥沙信息的干扰,可较好地反映悬沙浓度变化特征;4)建立的BP人工神经网络泥沙因子水深反演模型削弱了悬浮泥沙对遥感测深的影响,模型实际反演能力明显优于单因子非线性模型和多因子BP人工神经网络水深反演模型. 相似文献
7.
鉴于边坡稳定性评价的复杂性及其影响因素的不确定性和模糊性,运用模糊物元分析理论,分别使用层次分析法和熵权法计算各影响因子的主、客观权重值,建立兼顾主、客观因素的组合权重模糊物元评价模型。该模型有效避免了权重分配困难的问题,既能得到综合评价信息,也能反映评价对象的稳定状态。主、客观权重法既利用了样本资料的统计信息,又反映了专家的理论知识和经验,可得到较为客观、合理的指标权重。工程实例分析表明,该方法能准确反映边坡稳定性状况,为边坡稳定性的综合评价提供一条新的思路。 相似文献
8.
基于遗传神经网络的砂土液化判别模型 总被引:4,自引:0,他引:4
针对BP人工神经网络具有易陷入局部极小等缺陷,本文提出了将遗传算法与神经网络相结合,同时优化网络结构与权值、阈值的思想。根据地震液化的实测资料,建立了砂土液化判别的遗传神经网络模型,比较计算结果证明了该模型的科学性、高效性。文中并进行主成分分析,提出液化影响的主要因素。 相似文献
9.
人工神经网络通过神经元之间的相互作用来完成整个网络的信息处理,具有自学习和自适应等一系列优点,因而用它来进行地震活动性研究是可行的。针对地震活动性问题,初步建立了基于人工神经网络的计算分析系统,给出了应用实例。 相似文献
10.
11.
12.
13.
14.
将遗传算法(GA)和反向传播算法(BP算法)相结合成为GA-BP算法,以此建立了遗传BP神经网络.并将以BP算法为基础的BP神经网络及以GA-BP算法为基础的遗传BP神经网络用于对地震和爆破的识别中.得到的结果表明:遗传BP网络比BP网络对事件的识别能力略好些. 相似文献
15.
Pritpal Singh Bhogeswar Borah 《Stochastic Environmental Research and Risk Assessment (SERRA)》2013,27(7):1585-1599
Forecasting the monsoon temporally is a major scientific issue in the field of monsoon meteorology. The ensemble of statistics and mathematics has increased the accuracy of forecasting of Indian summer monsoon rainfall (ISMR) up to some extent. But due to the nonlinear nature of ISMR, its forecasting accuracy is still below the satisfactory level. Mathematical and statistical models require complex computing power. Therefore, many researchers have paid attention to apply artificial neural network in ISMR forecasting. In this study, we have used feed-forward back-propagation neural network algorithm for ISMR forecasting. Based on this algorithm, we have proposed the five neural network architectures designated as BP1, BP2, $\ldots, $ … , BP5 using three layers of neurons (one input layer, one hidden layer and one output layer). Detail architecture of the neural networks is provided in this article. Time series data set of ISMR is obtained from Pathasarathy et al. (Theor Appl Climatol 49:217–224 1994) (1871–1994) and IITM (http://www.tropmet.res.in/, 2012) (1995–2010) for the period 1871–2010, for the months of June, July, August and September individually, and for the monsoon season (sum of June, July, August and September). The data set is trained and tested separately for each of the neural network architecture, viz., BP1–BP5. The forecasted results obtained for the training and testing data are then compared with existing model. Results clearly exhibit superiority of our model over the considered existing model. The seasonal rainfall values over India for next 5 years have also been predicted. 相似文献
16.
17.
18.
19.
为解决与光学遥感图像不同的合成孔径雷达(SAR)图像中存在大量混合像元的问题,本文提出了一种基于拉格朗日分解算法的SAR图像混合像元分解的方法,结合相关内容中具体定理的证明,文中给出拉格朗日分解算法用于SAR图像混合像元分解的系统的求解方法.用人工模拟SAR图像和ENVISAT SAR图像进行实验,结果表明拉格朗日分解算法的混合像元分解结果明显优于非约束类神经网络(文中实验以BP神经网络为例)的分解结果. 相似文献