基于模态分析和神经网络的裂缝损伤识别

提出了裂缝损伤诊断的神经网络方法,探讨了用模态技术和神经网络对混凝土结构裂缝损伤进行识别与定位的方法。文中以一简支矩形截面梁为研究对象,通过完好结构和损伤结构的有限元分析,获取两者的损伤标识量,输入BP神经网络训练。以损伤位置和裂缝高度作为输出参数,对其进行单处损伤定位的研究。数值仿真结果表明,采用神经网络方法可以对裂缝做出较好的诊断。     

基于遗传神经网络算法的测井曲线重构技术

本文使用遗传算法对传统神经网络的拓扑结构、权值和阈值进行优化,提出了基于遗传神经网络优化方法的测井曲线重构技术,可克服传统神经网络方法易陷入局部最小值的缺点.以声波测井曲线的重构为例,确定遗传神经网络有关参数并分析其重构效果.为了验证方法的有效性,分别对声波曲线、电阻率曲线和自然伽马曲线进行了重构,结果表明,遗传神经网络的曲线的重构结果要优于传统神经网络.因此,基于遗传神经网络的测井曲线重构具有较好的精度和实用性.     

遗传优化神经网络方法在桥梁震害预测中的应用

本文将遗传算法与神经网络相结合,从而建立了一种高效的、实用的桥梁震害预测方法。根据遗传算法具有局部寻优的特点,为避免BP神经网络陷入局部极小值,本文将二者结合起来形成GA-BP混合算法,以GA优化神经网络的初始权值和阈值,对网络进行训练。在大量收集梁式桥震害资料的基础上,将此算法引入桥梁的震害预测中,并与传统的单独BP神经网络相比较,结果表明该方法能够有效、准确地对桥梁结构进行震害预测。     

基于遗传优化神经网络的高速公路路基沉降量预测

控制路基沉降是公路工程中的一个关键技术问题,而路基沉降与其影响因素之间存在着线性、非线性关系。当输入自变量较多时,用传统神经网络建模容易出现过拟合现象,导致网络模型预测精度较低。针对此问题,本文用遗传算法对神经网络模型的权值和阈值进行优化,同时讨论遗传参数的设定对输出结果的影响。通过对成南高速的实测数据进行仿真,试验结果表明:优化后的BP神经网络具有较高的预测精度,预测效果明显优于传统神经网络模型的输出结果,该预测方法可作为高速公路路基长期沉降预测的一种有效辅助手段。     

基于遗传神经网络的大地电磁反演

为进一步提高大地电磁非线性反演的稳定性、运算效率及准确度,将遗传神经网络算法引入大地电磁反演.首先针对大地电磁二维地电模型建立BP（Back Propagation）神经网络基本框架进行学习训练,网络输入为已知地电模型的视电阻率参数,输出为该地电模型参数;再利用遗传算法对神经网络学习训练过程进行优化,计算出多种地电模型网络连接权值和阈值的最优解;最后将最优连接权值和阈值对未知模型进行反演测试,网络输入为未知地电模型的视电阻率参数,输出为该地电模型参数.模型实验表明：遗传神经网络算法充分结合了遗传算法的全局寻优性和神经网络的局部寻优性,相比单一神经网络算法,在网络学习训练中提高了解的收敛成功率和计算速度,在反演测试中能更准确地逼近真实模型.将遗传神经网络算法与最小二乘正则化反演进行对比,理论模型和实测数据都验证了遗传神经网络算法在大地电磁反演中的可行性和有效性.     

遗传BP网络在地震和爆破识别中的应用

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．      

基于GA-BP神经网络的地震预报技术

概述遗传算法(GA)和BP神经网络的原理,利用遗传算法具有全局搜索能力且不易陷入局部极小点的特性,优化BP神经网络的连接权值和阈值,使得计算结果全局最优,以弥补BP算法的不足。选取闽粤赣交界及东南沿海地区的地震目录作为研究样本,提取出7个测震学前兆指标作为预报因子,构建GA-BP神经网络进行训练和仿真。震例检验结果显示,该优化方法的震级预测精度较BP神经网络有较大提升,具有对地震震级预测的可行性。     

测井岩性识别新方法研究

为了更好地解决测井岩性识别问题,引入了一种基于粒子群优化的支持向量机算法.通过实际测井资料和岩性剖面资料进行学习训练支持向量机,并利用粒子群优化算法对支持向量机参数进行优化,建立了测井岩性识别的支持向量机模型,应用该方法对准噶尔盆地某井的测井岩性进行识别,并将该方法的识别结果与BP神经网络方法的识别结果进行了比较,结果表明该方法优于BP神经网络方法,具有识别正确率高、收敛速度快、推广能力强等优点.     

基于BP网络本构模型的SMA拉索系统优化控制分析

通过试验测试了SMA材料的超弹性性能,以材性试验数据作为BP网络的训练样本,建立了SMA经遗传算法优化的BP网络本构模型。在MATLAB中直接调用该本构模型,利用改进的遗传算法,对一空间模型结构进行了SMA位置和数量的优化,并对最优布置方案进行了地震反应分析。结果表明,相比未优化的BP网络,优化后的BP网络本构模型与试验曲线吻合地更好,稳定性更高;BP网络本构模型调用简单,精度高,便于SMA控制系统的MATLAB仿真分析。改进的遗传算法能够保证遗传过程中SMA根数的不变,提高全局搜索的效率,获得更优的布置位置;经优化配置后的SMA控制系统可以更加有效发、地降低结构的地震反应,布置4根SMA拉索时,模型结构的层间位移之和即可减少44.51%。     

基于遗传神经网络的地震砂土液化判别研究

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结合,同时优化网络结构的权值与阈值的思想,建立了砂土液化判别的遗传神经网络模型。根据地震液化的实测资料,分别对BP〗神经网络判别结果和遗传神经网络判别结果进行了比较,结果表明后者比前者判别能力要好些。     

基于浮点遗传算法的近震定位方法

文中介绍了一种适用于基于浮点遗传算法的地震定位问题方法, 在该算法中选用了浮点基因表示方法、 参数和基因取值范围一致来避免编码解码, 提出了算法的动态结束条件及处理方法。 通过实际运算检验证明使用该方法来实现地震定位可以避免地震定位中的不稳定性和对初值的依赖性, 从而保证地震定位的可靠性和稳定性, 在时效方面也达到了相当的水平, 是一个具有实际使用价值的算法。     

自适应GA-BP优化方法进行高分辨率反演

本文提出了一种高精度的神经网络学习方法．由于BP神经网络受初值的影响较大,而遗传算法可以很快达到全局最优解附近．本文结合遗传神经网络和BP神经网络各自的优点,将两种算法混合．使得神经网络的收敛速度得到加快,精度得到提高,并对传统的混合方法作了一点改进．通过对波阻抗进行反演的实践,表明这种方法可以达到提高分辨率的效果。     

Application of genetic BP network to discriminating earthquakes and explosions

Introduction Artificial Neural Network (ANN) is an important branch of artificial intelligence. It is proposed on the foundation of the study on modern neural science, is a man-made network that can implement some functions based on the mans comprehensive understanding for cerebral neural network (HAN, WANG, 1997). ANN is a mathematical model of simplified human brain neural network and is used to simulate the structures and functions of human brain neural network. ANN is a complex netw…     

基于改进遗传算法优化BP神经网络的单体建筑物震害评估方法

结合机器学习算法最新研究进展,提出一种基于改进遗传算法优化BP神经网络的单体建筑物震害评估方法。以四川地区为例,通过改进遗传算法优化BP神经网络建立评估模型,输出评估区域内不同结构类型单体建筑物在各震害影响因素综合作用下的破坏等级,并通过实际算例分析对模型的有效性进行验证。结果表明,该方法可快速、准确地评估单体建筑物震害情况。     

基于神经网络的视电阻率快速算法

本文从瞬变电磁均匀半空间二次磁场响应公式出发,提出了一种基于神经网络的视电阻率快速计算方法.以中心回线为例,根据瞬变响应公式的特点,简化网络结构,选用三层BP神经网络和误差训练算法,用均匀半空间样本数据进行训练,确定了收敛快、误差小的一步正割法和隐含单元数,得到基于不同采样时窗的一组网络参数.用本文方法与二分法、牛顿迭代法做模型计算比较,及最后的实验计算,说明算法的快速,准确.本文方法不依赖初始模型,避开了复杂的电磁场数值计算,实现了视电阻率的快速计算,对瞬变电磁法资料的快速解释有一定的参考价值.     

基于IGA算法的电阻率神经网络反演成像研究

为满足地球物理资料反演解释的高精度、快速、稳定的要求,本文结合免疫遗传算法寻优速度快和BP神经网络反演不依赖初始模型等优点,设计了一种将BP神经网络和免疫遗传算法进行有机结合的全局优化反演策略,并将该策略成功地应用于二维高密度电法数据反演.利用免疫遗传算法(Immune Genetic Algorithm,简称IGA)对神经网络的反演参数进行同步优化,提高了电阻率反演的精度.仿真和实验结果验证设计的全局优化反演策略取得了较好的效果,通过与线性反演方法和BP法以及遗传神经网络法等反演方法进行比较,得出该方法具有反演精度更高,反演时间更短等显著优势的结论.     

基于MATLAB神经网络方法的多层砖房震害预测

提出利用MATLAB人工神经网络工具箱建立基于贝叶斯正则算法的BP神经网络模型,以地震区多层砖房震害调查数据为因子的震害预测方法.神经网络模型输入震害因子包括建筑的层数、施工质量、房屋整体性等,输出值为建筑物在地震作用下的破坏程度.结果表明,本方法可以对多层砖房的震害样本进行预测并达到较理想的效果.     

基于BP神经网络模型的多层砖房震害预测方法

针对传统的基于地震烈度的建筑物震害预测方法的不足,本文以地震动峰值加速度作为建筑物震害预测的地震动指标,结合几次大地震中多层砖房的震害实例,提出了一种基于BP神经网络模型的建筑物震害预测方法,模型的输入为反映结构抗震性能的各类物理参数,输出为给定地震动峰值加速度下建筑物破坏状态的概率。研究表明:基于BP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,本文的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。     

电阻率二维神经网络反演

由于非线性特性地球物理反演一直以来都是一个比较困难的问题. 近十年来,非线性反演方法如人工神经网络、遗传算法在地球物理数据解释中得到越来越多的应用,但目前基本仍限于一维反演问题. 对于二维反问题,反演参数较多,神经网络反演运用较少. 本文利用BP神经网络优化方法,实现了电阻率二维非线性反演. 与传统线性化的迭代反演比较,神经网络反演能够克服传统方法的不足、获得更好的反演结果.