神经网络在建筑物沉降分析中的应用

建筑物沉降的诱因与沉降量之间有一个复杂的非线性相关性,应用回归法对这种复杂的相关性进行分析有较大的局限性.人工神经网络是由许多神经元组成的大规模非线性系统,具有较强的动态处理能力,能对简单的非线性函数进行多次复合,来实现一个复杂的非线性函数.神经网络这些特性满足建筑物沉降分析的需求.实例表明,应用神经网络BP算法可以对建筑物沉降原因进行更客观的分析,对沉降趋势预测效果也较好.     

基于RBF神经网络的建筑物沉降预测

采用RBF神经网络的建模方法对建筑物的沉降进行了预测,并利用桂林市某在建农贸市场附近建筑物上的一个监测点连续3个多月的监测数据进行计算分析。实践表明,该模型预测精度相对较高,有很好的实际应用价值。     

一种基于PSO-BP神经网络的建筑物沉降预测模型

为更好地预测建筑物沉降,该文使用粒子群优化(PSO)算法BP神经网络进行建筑物沉降预测。利用PSO算法修正BP神经网络的初始权重和阀值,优化BP神经网络机构及算法全局收敛性,建立基于PSO-BP预测模型。将所建立的预测模型应用于实际案例,通过已有的监测数据,分别进行传统BP神经网络预测和PSO-BP神经网络预测,对预测的结果进行对比,结果表明,基于PSO-BP神经网络的建筑物沉降预测结果明显优于传统BP神经网络预测模型。     

基于BP神经网络的建筑物沉降预测模型研究

人工神经网络(ANN)是一个拥有高度非线性映射能力的计算模型,有较强的动态处理能力。在对其进行研究的基础上,利用MATLAB建立BP神经网络的建筑物沉降预测模型,指导建筑物的沉降预警工作。通过将建筑物沉降的实测数据和模型的预测数据进行对比分析,发现两者间的误差相对较小,预测模型能很好地反映建筑物沉降的发展趋势,对于建筑物沉降预警工作有着极其重要的意义。同时,研究结果也证明了BP神经网络预测模型具有较高的精确性和稳定性,可以在类似工程中加以应用。     

幂函数对建筑物沉降的回归分析

通过实例推导幂函数对建筑物沉降进行回归分析，并且得出较为精确的结果，同时也说明在选择回归函数的时候，还会受到很多条件影响。     

回归分析在建筑物沉降变形分析中的应用

根据南宁市民生广场沉降的实测资料,文中运用回归分析法分别建立了差异沉降回归模型和累计沉降回归模型;并通过对沉降变形的预测、成果的分析和检验,证实了在建筑物沉降变形分析中应用回归分析的可行性.     

曲线回归分析在高层建筑物沉降预测中的应用

在建高层建筑物的沉降监测是安全施工的一项重要内容。本文通过对华融天禾城2号楼的沉降观测数据,运用双曲线回归模型进行沉降预测以及对模型中的参数作显著性检验。实际研究表明,该方法可以运用于高层建筑物的沉降预测,而且应用效果良好。     

SSA-Elman神经网络模型在建筑物沉降预测中的应用

为了提高建筑物沉降变形预测精度,最大限度地减少监测数据中非变形噪声分量对预测结果的影响,本文在Elman神经网络模型的基础上引入奇异谱分析方法,构建新的SSA-Elman神经网络模型。首先利用SSA方法提取沉降监测数据中的趋势分量与周期分量,剔除噪声分量,提高监测数据信噪比;其次通过Elman神经网络模型分别对趋势分量、周期分量进行预测,得到对应分量预测结果;最后重构趋势分量与周期分量预测结果得到最终预测结果。通过实测建筑物沉降数据分别对Elman神经网络模型与SSA-Elman神经网络模型进行建模与预测,结果表明,SSA-Elman神经网络模型的预测精度更高,更适应长周期预测。     

基于Matlab的建筑物沉降数据预测模型对比研究

针对建筑物变形监测的数据处理问题,本文基于Matlab提出了几种拟合模型对所得的沉降数据进行分析、预测.本文以某高层建筑物变形监测数据为例,经基准点检查和三点修匀法对原始数据处理以后,通过模型预测分析得出高层建筑物沉降特征与规律.实验结果表明,使用指数函数模型拟合出的实际效果能够更加准确地分析高层建筑物的沉降变形.     

建筑物沉降规律的综合时序分析

建筑物的沉降监测数据序列具有趋势变化和随机变化的特点，本文针对两种变化项的特点分别建立相应的数学模型，再将其组合起来建立综合数学模型，从总体上把握沉降数据序列的变化规律。实例计算分析表明，此方法具有较高的拟合精度和预测能力，具有一定的应用参考价值。     

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，说明此方法是可行的和有效的。它对提高高速公路建设质量具有十分重要的现实意义。     

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。     

地图符号识别的神经网络模型

着重讨论地图符号识别的神经网络模型。分析了神经网络的信息处理和信息加工方式,讨论了神经网络的设计要点和基本模型,以及神经网络的分类器。最后,还给出了几种常用的网络模型。     

最大值函数对建筑物沉降的回归分析

为有效地对建筑物的沉降进行回归分析,本文以新城花园酒店为例,用幂级数和最大值函数两种回归函数对观测数据进行分析,通过显著性检验值和均方差的大小来推测建筑沉降的规律,并根据分析预测结果来评价两种回归函数的性能,理论分析和实验表明:采用最大值函数和幂级数对LS5的观测数据进行回归分析都能够达到建筑物沉降变形的精度要求,但最大值函数的性能优于幂级数。     

回归分析与人工神经网络在建筑物沉降预计中的应用

随着高层建筑物的逐渐增多,对其做好沉降预警工作具有重要意义。本文中分别采用回归分析法和人工神经网络建立沉降预计模型,对工程实例进行沉降预计,通过图表表现出的预测值与真实值的差异,说明两种方法的优缺点以及两者的实际应用价值,最终两种方法均取得了令人满意的预计结果。     

工程测量在建筑物纠偏中的应用

本文主要探讨在高密度的楼群中,如何测量倾斜楼房的倾斜量,计算纠偏所需的相对沉降量,为纠偏工程的设计提供精度可靠的数据;在纠偏过程中,利用观测的沉降值监控纠偏速度,使其均匀沉降,安全生产。     

基于CNN的尾矿区水平位移监测数据分析

基于卷积神经网络,对某尾矿区1997—2019年水平位移监测数据进行了方向自动识别.该法首先改进神经网络的卷积核并设计卷积-池化结构,然后将多年监测数据分类为训练集、验证集与测试集,并设置其构成比例与运行参数.实验结果表明,采用卷积神经网络模型进行尾矿区水平位移方向自动识别,具有较高的效率和精度,数据运行时间为636....     

基于神经网络的房地产估价研究

根据房地产估价的特点将人工神经网络引入到房地产价格评估领域,创建了基于神经网络的房地产估价模型,在对训练样本验证结果分析的基础上,对两种神经网络估价模型进行了对比分析,指出了两种网络各自的优缺点以及改进措施。     

基于小波分析的神经网络在遥感测温数据拟合中的应用

将小波母函数嵌入人工神经网络的神经元,形成紧致型小波神经网络,该网络用于遥感测温的数据拟合中,可提升纯粹的BP神经网络的拟合精度。本文结合红沿河核电站无人机红外测温试验,对其采集的一组温度数据采用小波神经网络进行拟合。对实验数据进行了统计分析,结果表明:小波神经网络能保证拟合误差在很小的范围之内,并且优于BP神经网络。