人工神经网络在澜沧江某电站坝基右岸复杂岩体分类中的应用

结合云南省澜沧江某水电站工程实例,应用BP人工神经网络方法建立3层BP网络模型。选取岩石单轴抗压强度、岩体完整性系数、RQD、节理面粗糙度系数、节理面风化变并系数、透水性系数等6个影响因素为输入变量,对坝基右岸复杂岩体进行质量分类。通过对比分析发现,BP网络模型经多次学习后,预测岩体质量类别时辩识能力较强,结果可靠,取得了较好的实际应用效果。      

基于粗糙集和人工神经网络的洞室岩体质量评价

针对洞室岩体质量问题,从洞室工程的角度选取能够反映岩体综合工程特性的6个参数,用可拓评判和专家审定的方法构建了决策样本集;再利用粗糙集理论对原始决策样本集进行约简操作,并分析各指标对决策的相对重要性;最后将约简结果生成的规则作为人工神经网络的输入,建立了洞室岩体质量评价模型。通过工程实例分析对比,该模型有效地简化神经网络的网络结构,减少网络的训练步数,提高网络的学习效率,能够较准确地反映洞室岩体的工程特性。     

人工神经网络在水质评价中的应用

将人工神经网络技术应用于水质综合评价，提出了水质综合评价的ＢＰ网络模型，并将该模型应用于实例检验。结果表明：ＢＰ网络模型用于水质综合评价方法可行且适应性强，结果客观、合理     

岩体质量分级的风险分析方法

提出了基于RMR岩体质量分级系统的岩体质量研究风险分析方法。该方法分析步骤如下 :(1)通过岩芯样品的现场观测和实验室试验获得分类所需的变量 ;(2 )统计分析拟合得出各变量的分布函数及参数 ;(3)运用Monte Carlo模拟方法获得 2万个RMR值 ,并将结果绘成岩体质量描述图 ;(4)利用以上结果作出岩体质量风险分析评价。该方法用于润扬长江公路大桥岩体质量评价研究获得良好效果     

公路地基岩体质量分级研究

进行地基稳定性评价,关键在于查明地基结构形态和计算参数的确定。现有的勘查方法确定了地基的形态;本文从岩体质量分级入手,并提供了丰富的表格,为方便快速地确定各项参数提供了一种思路。     

人工神经网络方法在径流预报中的应用

采用ＢＰ神经网络模型,以西北内陆河黑河流莺峡年平均出山地表流量为研究对象,对人工神经网络研究方法在干旱区环流径流预报中的应用进行了初步尝试,结果表明该预报成功率较高,证实了人工神经网络方法应用于流量预报领域的可行性,并分析了该方法在预报过程中的优缺性。     

基于三维地层模型的岩体质量可视化分级

岩体质量分级是岩石力学学科研究的热点和难点,在水电工程建设中具有重要的实际意义。在对岩级分类方法进行大量研究之后,工程人员对岩级结果的表达有了更高的要求,传统的方式已不能满足人们空间分析的需要,研究岩体质量可视化分级十分必要。首先,利用NURBS工具以一种新的数据结构和方法重建三维地层模型,然后,基于岩体质量分级结果,按照空间图形集合运算算法生成相应的三维岩级模型。将上述理论方法应用到锦屏一级水电工程岩体质量分级评价中,并进行了一系列与工程相关的岩级可视化分析,获得了很好的应用效果。     

勘探阶段围岩岩体质量分级的模糊综合评判

概述了有关规范建议的两个评判方法及其指标;建立了相应的隶属函数;运用模糊综合评判理论求解了围岩岩体质量类别的模糊向量。     

八达岭地区岩体的质量分级

本文提出了关于八达岭地区岩体质量分级的基本思想及其数学原理，并为八达岭高速公路工程的岩体质量分级提供了满意的分级成果。     

人工神经网络在海浪数值预报中的应用

探讨将人工神经网络技术和传统的数值模式相结合,以期得到一个更有效的海浪预报方法.以第3代海浪模式的模拟结果作为输入,浮标观测资料作为输出,采用人工神经网络进行训练,训练的初步结果显示,人工神经网络可以改进海浪数值模式的预报精度,但在波高比较大时,改进的效果并不令人满意.为此,对观测值大于1.5m时的有效波高进行再训练,从而结果有了进一步的改善.研究结果证明人工神经网络技术可以提高海浪数值预报的精度.     

基于模糊人工神经网络识别的水质评价模型

人工神经网络和模糊识别理论作为模拟生物体的信息处理系统,在实践中得到广泛的应用,且各有所长,将二者相结合,构造出模糊人工神经识别网络,从而使识别系统的柔性处理能力得到很大提高.阐述了模型和方法,将其用于长江支流沱江枯水期的水质综合评价,结果表明,模糊人工神经网络综合评价具有客观性和实用性.     

人工神经网络在矿井构造定量评价中的应用

探讨了矿井构造定量评价的人工神经网络方法, 结合东坡井田实际, 重点讨论了 BP模型的输入层、隐含层和输出层的构置和优选等问题, 并使用有序地质量最优分割方法和插值法得到学习样本, 经过学习样本的训练, 对未知单元进行评价取得了良好的效果。     

人工神经网络模型在地下水水质评价分类中的应用

人工神经网络(Artificial Neural Network以下简称ANN)是一种行之有效的数据处理和分析方法,它的应用领域不断扩大并逐渐完善,本文在传统ANN方法基础上进行了进一步的探讨,立足于BP算法,通过调整ANN输出结构,提高其鲁棒性能,从而使其更具有适应性.将改进后的ANN应用于地下水水质评价分类,并和模糊综合评判评价结果进行了比较,分类结果令人满意.     

Prediction of the sawing quality of Marmarit stones using the capability of artificial neural network

The sawing rate is one of the most significant and effective parameters in extracting building stones via diamond wire sawing. This parameter designates the capability of diamond wire sawing for sawing different stones; in addition, the parameter gives rise to economical considerations for quarry designers. In this study, the existent relations between stone geotechnical parameters and the sawing rate of stones via diamond wire sawing were analyzed using regression and correlation coefficient as well as the collected data from Marmarit stone quarries. Moreover, we estimated the sawing rate of Marmarit using the dimensional stone rock mass rating (DSRMR); upon comparison of the data obtained from DSRMR our pre‐collected data on quarries, we did not gain satisfactory results from DSRMR, hence we used artificial neural network (ANN). The results showed that the percentage of Silica, the coefficient of water absorption, the uniaxial compressive strength (UCS), and abrasive hardness are the proper parameters for creating the ANN. Discontinuities have the least effects possible on diamond wire sawing. Having given the training possibility of the ANN, and its ability to evaluate relations among input parameters, the ANN, which was being trained with Marmarit's traits, was an accurate network for estimating diamond wire sawing in Marmarit quarries, although it could not generalize this network for other stones such as Chini and Crystal. Copyright © 2011 John Wiley & Sons, Ltd.     

人工神经网络在边坡滑移预测中的应用

利用一项实际边坡工程的多年实测滑移资料，基于人工神经网络方法，建立了非线性人工神经网络分析模型，从而能够较精确地对该边坡的滑移进行预测，通过本工程实际的应用实践，发现它可避开复杂的本构模型而成为解决岩土工程问题的新途径。     

基于人工神经网络的地裂缝危险性评价系统

现代地裂缝在世界许多国家普遍存在, 已成为当今世界范围的主要地质灾害之一。利用地理信息系统 (GIS)与人工神经网络 (ANN)耦合技术建立了地裂缝灾情非线性模拟评价系统。作者在分析地裂缝灾害成因的基础上, 利用地理信息系统 (GIS)的空间分析功能, 建立了构造、地下水开采、地层和地貌 4个地学信息专题层图; 采用人工神经网络 (ANN)这一以工程技术手段模拟人脑神经网络的结构和功能特征的技术系统, 建立了地裂缝灾害危险性非线性模拟评价模型, 开发研制了危险性评价系统, 进而对榆次地裂缝灾害危险性进行了非线性模拟评价, 将研究区按危险性系数进行了分区, 为榆次城建、环保和国土规划等部门的正确决策提供了重要的科学依据。     

人工神经网络在铀矿测井解释中的应用

本文探讨了运用人工神经网络方法完成铀矿测井解释任务的有关问题。采用了改进的BP算法，提高了网络收敛速度，优化了网络结构。研究使用了一种基于统计的学习样本生成方法，提高了样本的质量。实际应用网络进行岩性识别和孔隙度预测，取得了令人满意的结果。     

基于进化神经网络混凝土大坝变形预测

根据丰满大坝多年变形观测数据,建立了基于进化神经网络混凝土大坝变形预测方法。经典的BP神经网络的缺陷在于收敛速度慢和泛化能力弱等特性。与普通的多元回归方法和传统的BP神经网络相比,采用遗传算法训练的人工神经网络预测模型预报大坝的变形具有精度高和全局收敛的特点。在丰满大坝工程实际应用表明,所建立的基于进化神经网络混凝土大坝变形预报方法与广泛采用的统计方法相比,可以显著提高大坝变形预报精度。