边坡变形分析与预报的模糊人工神经网络方法

边坡变形受地质,水,气候,突发因素人工活动等各种因素的影响,这些因素与变形之间一般不是确定的定量关系。     

模糊神经网络在变形分析与预报中的应用研究

研究了模糊神经网络的网络建模,提出了单点建模、分组建模和整体建模3种建模方法,为变形分析和预报提供了新思路。结合滑坡变形实例,指出了模糊神经网在工程变形分析和预报中的可行性。     

大坝变形预报的模糊神经网络模型

在介绍模糊推理神经网络FNNLM训练算法及网络参数的确定方法的基础上,以东江大坝12个测点的水平位移预报为例,说明了模糊神经网络模型具有训练时间短、预报精度高的优势。     

模糊综合评判方法在大坝变形分析与预报中的应用

提出应用模糊综合评判方法进行大坝的变形分析与预报,阐述基本原理,并应用该方法对西津大坝27#点的观测资料进行分析整理,通过建立相应的隶属函数,对此点的30期观测资料进行了预报,成功率达73%,说明该方法在大坝变形观测数据处理中具有一定的实效性.     

基于模糊时间序列的变形预报模型及其应用

将模糊时间序列模型引入变形预报,并与灰色GM(1,1)、等维灰数、组合动态等模型进行了比较,计算结果表明,模糊时间序列模型各项精度评定指标优良,并且计算简单,非常实用。     

变形分析与预报方法综述

简要介绍国内外现有的变形分析与变形预报的理论和方法,并对诸方法进行比较和评价。     

滑坡变形分析与预报的新方法

对滑坡变形分析与预报的一些新方法如提升小波、模糊聚类和模糊神经网络等方法及应用进行了研究,为滑坡变形分析与预报提供了新的研究思路。     

工程的变形分析与预报方法研究进展

工种的 变形分析和预报是多学科交叉的重要研究课题，结合近年来的科研实践，从大地和工程测量学的角度出发，简要地论述了与工程有关的变形分析与预报的各种方法。     

变形分析与预报方法综述

简要介绍国内外现有的变形分析与变形预报的理论和方法,并对诸方法进行比较和评价。     

高速公路沉降变形分析与预报

分析高速公路沉降变形观测的特殊性，认为用灰色理论进行沉降变形分析与预报是可行的，提出用Excel进行运算的基本方法。     

模糊神经网络在GPS高程转换中的应用

介绍了T-S模糊神经网络的基本原理以及如何确定GPS高程转换的模糊神经网络模型,并采用该模型对实测数据进行了计算分析。结果表明,模糊神经网络能够对小区域GPS高程做出比较准确定的拟合,从而能够为GPS高程转换提供一种较好的方法,能够满足实际工程需要。     

小波神经网络在高铁路基变形分析中应用研究

路基是高速铁路的轨道基础,是整个线路结构中最为薄弱的环节,对线路的平顺性、稳定性特别敏感,加强对高铁路基的沉降变形分析是确保路基工程施工质量和保障运营安全的重要环节。引入小波神经网络组合模型应用到高铁路基的沉降变形分析中,通过工程实例分析表明,小波神经网络组合模型预测精度较BP神经网络模型高,在高铁路基的沉降变形分析中具有更好的优越性和应用效果。     

基于神经网络的变形预报方法研究

对BP,RBF,Elman 3种神经网络模型进行了简要概括,将其应用于实际工程案例中,经过多角度综合分析,验证了3种模型进行变形预报的可行性,同时得出对实际工程具有指导性意义的结论。     

建筑物变形短期预测的神经网络方法

从系统论出发,把建筑物变形看成一个黑箱系统,提出了利用神经网络对建筑物变形进行短期预测的一种新方法,在此方法中,利用多层前馈神经网络实现系统的输出与输入映射,采用正的反向传播算法作为学习算法。用实例加以证明,其拟合和预测的结果都令人满意。     

基于RBF神经网络的变形预报研究与应用

在对RBF神经网络模型进行了详尽分析基础上,将其应用于实际工程案例中,多角度综合分析,验证了RBF神经网络模型进行变形预报的可行性,同时得出对实际工程起指导性意义的结论。     

基于BP神经网络法的地表变形监测

利用三维激光扫描技术监测地表变形时,需要对大面积的地形点云数据重建地面曲面。针对点云数据的海量性,提出利用BP神经网络的方法进行曲面重建,分别模拟出两期点云数据的曲面及两期点云数据的下沉曲面。实验结果表明,该方法对海量数据的曲面重建精度较高,并能提取变形信息,具有较高的使用价值。     

多点变形动态灰色模型辨识及预测

从单点灰色模型入手,导出了多点变形的预测模型,通过用MATLAB语言编程,实现了空间多点变形预测模型的建立,并以实例验证了模型预测的有效性.     

小波变换和BP神经网络模型在沉降变形监测中的应用研究

变形预测在预报工程险情方面起着关键性的作用,针对施工中需及时、准确地预测变形的问题,本文利用小波变换原理对监测数据进行降噪处理,并采用BP神经网络分析不同训练样本下的预测效果和精度水平。实验结果表明:基于小波消噪后的BP网络模型,以连续的近期观测数据作为训练样本,对下期变形预测精度高,效果好,相对误差很小。因此,小波变换和BP神经网络模型在沉降变形监测工程中能作为预测研究与应用的参考。