BP神经网络在工程岩体质量分级中的应用研究

以GB50218－94岩体质量分级标准为基础，在金川二矿区采准巷道试验段的岩体分级中尝试采用BP神经网络方法进行岩体质量分级，其结果与按国家标准分级是一致的，但该方法简便易行，工作量小。     

基于神经网络的GPS周跳探测的新方法

为了用GPS获得高精度的定位结果,周跳必须在数据处理过程中被检测和修复。通过对周跳产生原因和特点的分析,提出神经网络方法,并与传统方法进行比较。用神经网络建立模型对周跳进行预测。通过对比预测值的不同来确定周跳的大小,从而实现周跳的修复。此外,还利用实测的相位数据,验证方法的可行性与有效性。     

神经网络BP算法中的误差及其改进方法研究

人工神经网络(Artificial Neural Networks)是模仿人脑结构和功能的一种信息处理系统。该方法在处理非线性问题上具有其独特的优越性,在工程应用中越来越被人们所关注。与此同时,神经网络计算的精度和收敛速度也成为人们普遍关心的问题。本文试验发现BP算法在归一化过程中存在最值误差和区间变形误差,在此基础上,本文对常规BP网络进行了改进,提高了BP网络的预测精度。     

海相沉积软土蠕变BP神经网络本构模型

海相沉积软土具有很强的蠕变特性,传统分级构建蠕变本构模型方法不实用,且很难真正反映岩土流变的非线性特性。为此,本文引入具有超强非线性映射和容错能力的BP神经网络模型,通过改进BP算法,根据江门软土的室内直剪蠕变试验结果,建立了海相沉积软土BP神经网络蠕变本构模型,避免了传统方法为满足试验曲线变化规律和蠕变特性而需要建立复杂的本构数学表达式。最后,利用上海地区软土蠕变实验结果对本文提出的方法进行了验证,并对BP神经网络蠕变模型在描述软土流变方面的特点进行了讨论。结果表明,本文建模方法简单,并能很好地描述软土的非线性蠕变问题。     

BP模型在变形监测数据分析和预测中的应用

本文通过对BP网络模型的研究,建立BP神经网络预测模型,并使用VC++语言编程加以实现。将模型应用于东江大坝实测变形监测数据的分析和预测,对时间序列建模和以环境变量为自变量两种方法建模,发现这两种模型都可以很好的实现变形量的预测,且以自变量为因素所建立的模型预测精度更高。     

融合GNSS气象参数的BP神经网络雾霾预测研究

结合IGS中心获取的BJFS站气象参数（气温（T）、气压（P）、大气可降水量（PWV））及同期PM_2.5数据,建立一种融合时序网络和回归网络的雾霾预测模型,对PM_2.5浓度进行预测。研究表明,引入GNSS气象参数的融合网络模型较单一网络模型适应性强、准确度高,在一定精度范围内可准确预测PM_2.5的变化,时效性达3 h。本文结论验证了卫星导航技术应用于雾霾天气监测及预报的可行性。     

基于多种神经网络的风暴潮增水预测方法的比较分析

简要介绍了利用BP神经网络、小波神经网络、递归神经网络进行风暴潮增水值预测的原理。选取广东省珠江口以南的阳江站2017年风暴潮增水数据进行测试。结果表明,三种神经网络方法针对阳江地区风暴潮增水的预测均具有可靠性和实用性。以当前增水值为输入量的单因子模型更能反映真实风暴潮增水趋势,而从增水极值预测的准确性来看,以台风风力、气压、风向等相关参数为输入量的多因子模型优于单因子模型。BP神经网络更适用于多因子长时间预测,小波神经网络在单因子短时间预测上准确性更高,递归神经网络预测值与实测值相关性更强。在工程运用中,需根据地域时空特点、数据资料的丰富度与预测值评估指标选择合适的方法。     

基于RBF神经网络的地下水动态模拟与预测

RBF网络具有结构自适应确定、输出与初始权值无关的优良特性。以matlab为平台将该网络应用于某地的地下水动态模拟与预测，较为系统地研究了训练样本集与检测样本集的构建、原始数据的预处理、神经网络的构建、训练、检测及结果评价整个过程，取得了良好效果。同时，还与BP网进行了对比，认为，RBF网络是一种值得推广的地下水动态模拟与预测神经网络模型。     

圆弧形公路边坡稳定性分析的神经网络法

边坡的稳定性往往取决于一些难以确定的非线性因素。而人工神经网络法具有并行处理数据与信息、良好的容错特性和较强的抗噪声能力,可以通过自学功能从样本实例中获得复杂的非线性关系,能模拟人脑的某些智能行为,因而适用于解决非确定性的边坡稳定性评价问题。本文建立了边坡稳定性评价的神经网络BP模型,用收集到的边坡稳定破坏实例作为样本进行学习,对桂林-柳州一级公路中K250段公路边坡进行了稳定性评价,结果表明：神经网络法是一种有效的边坡稳定性分析方法。     

BP神经网络精度估计及其在海洋油气资源预测中的应用

在对BP算法进行深入分析的基础上,将测量数据处理与误差理论中的精度评定方法应用到BP神经网络的精度估计中,通过分别计算BP神经网络学习训练过程及预测过程的输出层中误差,实现对神经网络模型的精度评定。最后以海洋油气资源预测为例,结合实测资料建立了BP神经网络预测模型并分别进行了学习训练过程及预测过程的精度评定,以期为神经网络模型结构的优化设计提供有效参考,为提高神经网络模型的适用性提供科学依据。