利用BP神经网络进行水库滑坡变形预测

滑坡变形监测与预测是滑坡预警预报中一种非常重要的途径。文章首先简单介绍了神经网络的基本原理和学习算法,然后利用某水库滑坡24期的GPS地表位移监测数据及其诱发因素即水库水位、降雨等资料,采用BP神经网络模型对该水库滑坡变形进行建模,最后将6期水库水位、降雨等资料输入模型进行滑坡变形预测,结果表明预测结果与实测数据符合性好,总体上能较好反映变形趋势。     

BP神经网络在灌区需水量预测中的应用

随着塔里木河下游水量逐年减少的趋势,铁千里克灌区水资源危机显的越来越严重。运用BP神经网络方法预测需水量,对灌区适时调整产业结构,保护生存和生态环境,促进区域社会经济和谐发展有重要意义。     

基于因子分析的BP神经网络在岩体变形模量预测中的应用

岩体变形模量是研究岩体变形特性的重要参数,它对工程岩体稳定性评价与优化设计具有重要意义。本文提出了基于因子分析的BP神经网络预测岩体变形模量的方法。以西藏某水电站为例,在现场调查、室内外试验的基础上,建立了48组包括密度、吸水率、纵波波速、单轴抗压强度、岩块变形模量以及泊松比等因素的数据库,采用因子分析法对6个影响因素进行分析,可得3个公共因子,该3个公共因子作为神经网络的输入参数,采用BP神经网络进行预测。结果表明:利用因子分析法可降维输入数据,消除BP神经网络中由于输入数据太多而影响数据处理速度的缺陷; 把因子分析法和BP神经网络结合进行岩体变形模量的预测,可使预测精度提高; 该研究思路不仅对岩体变形参数的预测是一个有益的尝试,而且对类似岩土工程问题的预测也有借鉴意义。     

多隐层BP神经网络模型在径流预测中的应用

基于人工神经网络基本原理和方法,构建多隐层BP神经网络径流预测模型,以新疆伊犁河雅马渡站径流预测为例进行分析,并构建常规单隐层BP以及RBF、GRNN神经网络模型作为对比分析模型,将各模型预测结果与文献[1]中的预测结果进行比较,结果表明:(1)多隐层BP神经网络径流预测模型泛化能力强,预测精度高,算法稳定,模型精度优于IEA-BP网络模型,表明研究建立的多隐层BP神经网络模型用于径流预测是合理可行的,是一种可以应用于水文径流预测预报的新方法.(2)RBF、GRNN神经网络径流预测模型预测精度高于常规单隐层BP网络模型,且RBF与GRNN神经网络模型具有收敛速度快、预测精度高、调整参数少,不易陷入局部极小值等优点,可以更快地预测网络,具有较大的计算优势.     

遗传算法改进的BP神经网络在混沌径流时间序列预测中的应用

区别于传统的提取混沌时间序列饱和嵌入维数的方法,本文利用人工神经网络成功地对水库混沌径流时间序列的饱和嵌入维数进行了提取,计算了该时间序列里的最大Lyapunov指数,两种方法结果都证明了该时间序列的混沌性。并用遗传算法对BP神经网络进行了改进,利用该模型对三门峡水库混沌径流时间序列进行了预测。实例计算表明该方法解决了BP神经网络收敛速度慢和易于陷入极小值的问题,大大提高了BP神经网络的计算精度和收敛速度。无论在计算精度上还是在收敛次数上都优于没有改进的BP神经网络。     

BP神经网络在冻土路基变形预测中的应用

在青藏铁路冻土路基现场实测资料的基础上,用改进的BP神经网络建立起了路基变形与地温、路基高度和上限之间的非线性映射.对某一典型路基第30年的变形进行了预测,结果显示路基的累计融沉量在冻胀量的两倍以上.从绘制的路基变形过程曲线可以很清晰地看出路基一年中的变形趋势和冻胀融沉区间.在4月份以后,路基的变形由冻胀向融沉转变,变形与地温有很好的正比关系,但是当地温升高到一定值时,路基的融沉量便不再随着地温的升高而增大.路基的冻胀与地温的关系也有相似的规律,说明地温对路基变形的影响存在一个比较明显的区间,在这个区间范围内的温度对路基变形的影响较大,这为控制路基的病害提供了一个比较有价值的信息.     

基于LSSVM-ARMA模型的基坑变形时间序列预测

如何准确预测和控制基坑变形是基坑工程的一个难点,提出了一种基于小波变换、粒子群优化的最小二乘支持向量机（PSO-LSSVM）和自回归移动平均模型（ARMA）的基坑变形时间序列预测方法。首先,利用小波变换将基坑变形时间序列分解和重构为2个子序列--趋势时间序列和随机时间序列,在该基础上,采用PSO-LSSVM模型与ARMA模型分别预测趋势时间序列与随机时间序列未来值,将2个子序列的预测值求和作为最终预测结果。最后,将该方法应用于昆明某基坑工程的深层水平位移预测,不断地利用前期工况的最新实测数据建模,对后期工况未来变形量进行滚动预测,获得了令人满意的结果。     

BP小波神经网络在边坡位移预测中的应用

用优化的BP小波神经网络建立的预测模型对吊钟坝边坡的变形量进行了预测。引入了共轭梯度反向传播算法来优化BP小波神经网络,从而使网络计算量大为减少,避免了网络产生局部最优的弊端,有效提高了网络的质量。与未优化的BP小波神经网络和BP神经网络的预测结果进行比较可以看出,优化的BP小波神经网络的预测值更接近GPS实测值。     

人工神经网络方法在基坑变形预测中的应用研究

分析研究了人工神经网络方法在基坑变形预测中的建模方法,并通过实例应用,证明这种方法是切实可行的.同时将人工神经网络方法预测结果和灰色系统模型及时序模型预测进行比较,充分证明人工神经网络方法在变形预测中的优越性.     

ARMA模型在锚碇基坑变形预测中的应用

本文在详细介绍时间序列预测原理、基本模型及预测步骤的基础上,选取新田长江大桥锚碇基坑工程施工过程中的基坑位移和危岩裂缝变形实测数据,运用时间序列法建立自回归滑动平均模型(ARMA),对施工过程中的基坑位移和危岩裂缝变形趋势进行预测,并将模型预测数据与实际监测数据进行对比。结果表明:ARMA模型可以通过差分算法很好地解决数据不稳定性问题,在预测周期较短时预测精度较高;随着预测周期的增加,ARMA模型的预测精度有所降低,其原因是由于随着预报步长的增加,预报所依赖的历史数据在减少;在建立ARMA模型时,定期加入新的数据,可以避免预测周期过长导致预测精度降低。本文的研究成果可以为今后类似工程的监测预报研究参考依据。     

基于MATLAB的BP神经网络在南通市地下水质量评价中的应用

利用MATLAB的神经网络工具箱,建立了地下水质量的评价模型,并对南通市地下水水质进行了评价,评估结果反映了南通市地下水质量的现状,表明BP神经网络模型具有很强的学习和自适应能力,避免了在权值和阀值确定中人为因素的影响,增加了评价结果的客观性、公正性和精度,具有一定的实用价值。     

基于MATLAB的BP神经网络在砂土液化评价中的应用

本文运用MATLAB的神经网络工具箱(NNT)建立砂土液化BP网络预测模型,并以南京地铁1#线玄武门站-南京站区间隧道砂土液化评价为例,阐述了基于MATLAB的BP网络应用于砂土液化分析的可行性和应用价值.     

基桩缺陷的神经网络判别法

基桩缺陷辨识是一个高度的非线性问题,现有分析方法人为干预比较多,难以得到准确的桩身完整性结果。利用 MATLAB工具编制了基于BP神经网络模型的基桩缺陷识别程序,该方法具有较好的判别精度。应用神经网络模型结合实测资料对南京地区的一些人工挖孔桩进行完整性分析,取得了较好的应用效果。     

BP神经网络方法在地下水动态监测网质量评价中的应用

本文运用BP神经网络方法构建了地下水动态监测网的质量评价模型，并以甘肃省武威盆地的地下水位监测网为例进行了实例研究。研究表明，在武威和清源附近地下水监测点密度大于0．09／km^2的三个区域，需要进一步调整地下水监测点结构。武威以东、双城以南的地下水位漏斗区和武威以西的山前地带，需要增加地下水监测点。其它地下水监测点密度小于0．03／km^2的地区，则需要根据实际情况而决定。     

应用BP神经网络预测城市需水量的探析

在对辽宁省营口市城市需水量预测中,采用BP人工神经网络方法对该市人均综合用水量进行预测,进而预测出城市需水量,取得了满意效果.从精度检验、数据类比和趋势分析等角度,论证了此种预测方法的可行性和有效性.     

基于免疫RBF神经网络的深基坑施工变形预测

基坑工程由于受多种因素的影响,目前已成为岩土工程中的重点和难点。在基坑工程施工中,需要根据现场实际情况、周围环境、建筑安全等级等对变形进行严格控制。通过现场量测的深基坑围护结构变形信息资料,对实测数据进行整理和分析,利用神经网络对支护结构的变形作出预测,以保证基坑安全施工。研究了一种基于免疫识别原理的径向基函数神经网络学习算法,该算法将所识别的数据作为抗原,抗体为抗原的压缩映射并作为神经网络模型的隐层中心,采用最小二乘法确定权值,提高了RBF神经网络收敛速度和精度,将人工免疫RBF神经网络应用于时间序列预测中,工程实例计算证明了算法的有效性和可行性,为时间序列预测提供了一种新途径。     

BP神经网络在化探数据分类中的应用

BP神经网络作为一种具有高度非线性映射能力的计算模型,具有优良的非线性逼近能力,在化探数据处理、矿产资源潜力评价等地学应用中,很多问题正是具有高度的非线性的。BP网络可自动模拟各种成矿因素之间的自然关系,进行全局优化搜索,减少人为干预,提高资源预测的准确率。BP网络具有简单易行、并行性强等特点,目前仍是多层前向网络的首选算法。以新疆东天山的化探数据对BP神经网络进行测试,分别以东天山地区的典型金矿、典型铜矿做矿床规模和类型的分类。测试结果表明,改进的BP神经网络收敛速度快,具有较高的学习效率,可以很好地对化探数据进行分类。     

BP神经网络在花岗岩型铀矿预测中的应用

在已知矿床的外围或深部发现更多的成矿有利区是我国南方地区新一轮热液型铀矿勘查工作的重要方向之一。采用BP网络对某花岗岩型铀矿区以航空放射性信息为主的找矿标志进行综合。15个检验样本的预测有利度与期望有利度基本吻合,表明采用该预测模型对研究区内所有样本进行综合预测是合适的。从全区的预测结果可以看出,14处已知铀矿床均位于成矿有利度大于0.9的区域,且在已知铀矿床的外围发现了具有较好成矿远景的多片有利区。