滑坡灾害空间预测研究

介绍了滑坡灾害空间预测的常用理论和方法、研究特点和适用范围，指出了区域滑坡空间预测、单体斜坡稳定性预测和滑坡灾害风险研究的发展趋势；以三峡库区巴东县黄土坡区斜坡稳定性区划为例，用神经网络模型和信息量模型两种方法进行了斜坡稳定性预测，取得了满意的效果。     

基于BP神经网络的GPS高程异常拟合研究

分析了GPS高程异常求解的常用方法,结合GPS测量和水准测量资料,用神经网络方法和二次多项式曲面拟合方法拟合高程异常,对拟合精度进行了分析比较,得出了有实用价值的结论。     

基于粒子群算法优化的BP神经网络在海水水质评价中的应用

针对目前存在的海水水质受多因素影响、评价难的现状,提出了一种基于粒子群算法（PSO）优化误差反向传播（BP）神经网络的海水水质评价模型。该模型通过PSO得到BP神经网络最优的权值和阈值,结合青岛东部海域10个监测站点的数据得到水质评价结果。实验证明,该模型和单因子评价、传统的BP神经网络评价相比较,具有训练时间短、预测精度高的特点,在海水水质评价中具有良好的应用价值。     

基于EMD方法与RBF神经网络的结构损伤检测

针对结构损伤检测中损伤的识别、定位以及程度的标定这三个独立并按一定先后顺序进行的检测过程,提出了一种能将以上三者同时进行的联合检测方法。该方法首先利用经验模态分解(EMD)方法将三层钢筋混凝土剪切型结构在各种损伤工况下的顶层地震作用加速度响应分解为若干固有模态函数(IMF)分量,然后以此IMF分量和未经EMD分解的原始加速度响应数据来构造损伤标识量,作为特征参数依次输入到径向基函数神经网络(RBFNN)中进行损伤检测。给出了应用此方法的具体步骤,通过仿真实验证明了利用该方法进行结构损伤一次检测的可行性和有效性,结果表明,由加速度响应经EMD分解而得到的IMF分量输入到RBFNN中能够更为精确地一次检测出结构所有损伤信息,并且RBFNN在结构损伤损度大时具有更好的检测效果。     

甘孜州九龙县水土流失评价研究

本文以九龙县为研究区,根据沟壑密度、坡度、植被盖度、土地利用类型和高程5个因子,结合ARC-GIS空间分析功能和MATLAB数学建模编程的功能,应用GA-BP模型(遗传算法优化BP神经网络)对研究区的水土流失进行非线性智能定量评价,并与层次分析法的结果对比分析,阐述了GA-BP模型的优越性。本次研究可以为九龙县水土流失预防和治理提供有益的参考。     

基于BP神经网络的空间索杆结构节点损伤识别研究

针对某实际空间索杆结构的节点损伤现象,采用BP神经网络与基于振动的损伤识别两步法对其进行了识别研究,即首先确定可能发生节点损伤的子区域,在此基础上利用对应子区域的子网络识别出具体的损伤位置和程度。识别过程中采用两个杆单元模拟发生节点损伤的杆件,用抗弯刚度降低的端部短杆单元模拟节点损伤。研究表明,虽然空间索杆结构的动力性能较为复杂,但基于结构固有频率和模态位移的组合指标对节点损伤仍较为敏感,利用它们进行节点损伤识别是有效的。     

大型地下洞室考虑开挖卸荷效应的位移反分析

基于现场监测资料的位移反分析是地下工程动态监控、信息化施工的重要组成部分。以乌江彭水水电站大型地下厂房（开挖跨度为30 m,高度为78.5 m）为例,从围岩实测位移出发,建立了基于均匀设计－神经网络－遗传算法的围岩力学参数的系统反分析方法,反演考虑开挖卸荷效应的围岩力学参数。根据数值分析结果形成训练样本,利用BP人工神经网络映射围岩的变形与力学参数的关系,同时针对传统人工神经网络存在初始权值难以确定的问题,应用遗传算法优化神经网络的初始权值;利用现场监测的增量变形反演了围岩的力学参数;最后利用反演出的参数,进行地下厂房开挖预测分析。结果表明,预测位移与现场监测位移较为接近,进行统计检验结果为优,说明该参数反演方法是正确合理的。     

一种基于神经网络的确知信号检测技术

建立在统计信号处理理论基础上的相关检测器和匹配滤波器取得了广泛的应用,但两种模型都是建立在对实际通信信道线性化近似基础上的,在适应信道的非线性变化方面有所不足.利用神经网络自适应、非线性和高速并行运算的特点,在此提出了一种结构简单有效的神经网络接收机,并可推广到其他确知信号.     

基于神经网络和模糊评判的滑坡敏感性分析

滑坡的敏感性涉及到很多因素,如滑坡体的坡度、坡的朝向、坡度的类型、岩石特性、海拔高度、植被覆盖等特征.神经网络具有非线性映射能力,利用这些与滑坡发生紧密相关的因素作为网络的输入,构造一个具有反映滑坡敏感性的评价网络,输出端为敏感性分析的结果.本文针对某具体地区,提取相关因素,构造评价指标体系并量化,利用该地区样本集数据对滑坡敏感性评价神经网络进行训练,用训练后的网络对实例并结合模糊评判进行了相互验证,结果说明利用神经网络和模糊评判进行滑坡敏感性分析是可行的.