基于廣義回歸神經(jīng)網(wǎng)絡(luò)的β型磷建筑石膏強(qiáng)度預(yù)測(cè)??
格式:pdf
大?。?span id="6oxi7po" class="single-tag-height" data-v-09d85783>290KB
頁數(shù):5P
人氣 :72
4.7
本文利用工業(yè)廢棄物磷石膏制備β型磷建筑石膏,并確定了影響β型磷建筑石膏強(qiáng)度的因素及特點(diǎn),在此基礎(chǔ)上,建立了β型磷建筑石膏強(qiáng)度預(yù)測(cè)的廣義回歸神經(jīng)網(wǎng)絡(luò)(GeneralRegressionNeuralNetwork,GRNN)模型,利用實(shí)驗(yàn)室中制備β型磷建筑石膏的15組統(tǒng)計(jì)數(shù)據(jù)作為學(xué)習(xí)樣本,通過網(wǎng)絡(luò)擬合訓(xùn)練和預(yù)測(cè)分析,得到了較高精度的預(yù)測(cè)結(jié)果,證明了GRNN的非線性映射能力、容錯(cuò)性和自學(xué)習(xí)性用于β型磷建筑石膏強(qiáng)度預(yù)測(cè)是非常有效的,避免了大量盲目的配比試驗(yàn)及資源浪費(fèi),提高了實(shí)驗(yàn)水平和效率。
基于廣義回歸神經(jīng)網(wǎng)絡(luò)的路基沉降預(yù)測(cè)
格式:pdf
大?。?span id="ig6zrih" class="single-tag-height" data-v-09d85783>180KB
頁數(shù):未知
為了對(duì)路基沉降變化規(guī)律進(jìn)行預(yù)測(cè),避免發(fā)生工程事故,提出了將廣義回歸神經(jīng)網(wǎng)絡(luò)模型應(yīng)用于軟土地基沉降預(yù)測(cè)中的方案。通過廣義回歸神經(jīng)網(wǎng)絡(luò)的基本理論和概念,采用實(shí)際工程數(shù)據(jù),用bp神經(jīng)網(wǎng)絡(luò)方法和廣義回歸神經(jīng)網(wǎng)絡(luò)方法進(jìn)行了預(yù)測(cè)分析,比較了2種方法的3組預(yù)測(cè)結(jié)果。工程實(shí)例預(yù)測(cè)結(jié)果表明,廣義回歸神經(jīng)網(wǎng)絡(luò)方法的均方誤差和決定系數(shù)表現(xiàn)都優(yōu)于bp神經(jīng)網(wǎng)絡(luò)方法;證明該方法是可行且有效的。
基于廣義回歸神經(jīng)網(wǎng)絡(luò)的公路貨運(yùn)量預(yù)測(cè)方法研究
格式:pdf
大小:483KB
頁數(shù):3P
公路貨運(yùn)量受多種因素影響,各因素的作用機(jī)制通常不能準(zhǔn)確地用數(shù)學(xué)語言進(jìn)行描述。采用廣義回歸神經(jīng)網(wǎng)絡(luò)(grnn)對(duì)貨運(yùn)量進(jìn)行分析及預(yù)測(cè)。通過對(duì)1995~2003年南京市公路運(yùn)量的歷史數(shù)據(jù)進(jìn)行分析和處理,對(duì)網(wǎng)絡(luò)進(jìn)行訓(xùn)練和擬合,用2004~2005年的實(shí)際數(shù)據(jù)進(jìn)行模型檢驗(yàn),結(jié)果證明了grnn用于貨運(yùn)量預(yù)測(cè)的有效性。
基于廣義回歸神經(jīng)網(wǎng)絡(luò)的電纜接頭溫度預(yù)測(cè)
格式:pdf
大小:241KB
頁數(shù):4P
4.3
通過電纜接頭溫度監(jiān)測(cè)電纜接頭運(yùn)行狀況,是供電公司管理電纜運(yùn)行的良好途徑。利用已有的110kv單芯電纜運(yùn)行試驗(yàn)數(shù)據(jù),建立基于廣義回歸神經(jīng)網(wǎng)絡(luò)的電纜接頭溫度預(yù)測(cè)模型。研究分析結(jié)果表明grnn模型相比bpnn模型具有較高的準(zhǔn)確度和可靠性,克服了bpnn模型預(yù)測(cè)時(shí)訓(xùn)練過程中存在局部最小點(diǎn)、收斂速度慢等缺點(diǎn),
廣義回歸神經(jīng)網(wǎng)絡(luò)在空調(diào)濕度調(diào)節(jié)中的應(yīng)用
格式:pdf
大?。?span id="1uqratq" class="single-tag-height" data-v-09d85783>256KB
頁數(shù):3P
4.3
濕空氣中溫度和濕度的關(guān)系通常通過水蒸氣性質(zhì)表進(jìn)行查取,通過溫度和飽和水蒸氣分壓力的關(guān)系計(jì)算相對(duì)濕度值,但其為離散的非線性關(guān)系,不便于實(shí)時(shí)控制。提出了一種簡(jiǎn)單、有效的廣義回歸神經(jīng)網(wǎng)絡(luò)(grnn)用于中央空調(diào)控制中的濕度調(diào)節(jié),grnn可以對(duì)離散的非線性關(guān)系進(jìn)行擬和,不同于數(shù)值分析中的插值和擬和,也不同于常用的bp網(wǎng)絡(luò),grnn易于實(shí)現(xiàn),僅需要一個(gè)參數(shù),結(jié)構(gòu)簡(jiǎn)單,便于編程,可以在較少數(shù)據(jù)中較好地工作。
利用磷石膏生產(chǎn)建筑石膏的研究
格式:pdf
大小:105KB
頁數(shù):未知
4.4
使用錐形升流式分離器可以將磷石膏中的雜質(zhì)分離,得到潔白、無放射性的二水石膏,用它生產(chǎn)的建筑石膏質(zhì)量達(dá)優(yōu)級(jí)標(biāo)準(zhǔn).分離出的廢渣是含磷較高的磷肥.利用磷石膏生產(chǎn)建筑石膏,經(jīng)濟(jì)效益和社會(huì)效益都很好
磷石膏生產(chǎn)建筑石膏的工藝探討
格式:pdf
大?。?span id="eb4kpcz" class="single-tag-height" data-v-09d85783>1.8MB
頁數(shù):4P
4.7
磷石膏生產(chǎn)建筑石膏的工藝探討
基于神經(jīng)網(wǎng)絡(luò)模型的建筑物變形預(yù)測(cè)
格式:pdf
大?。?span id="dejawnt" class="single-tag-height" data-v-09d85783>369KB
頁數(shù):3P
4.8
提出了根據(jù)實(shí)測(cè)數(shù)據(jù)構(gòu)造神經(jīng)網(wǎng)絡(luò)變形預(yù)測(cè)模型的基本思路,構(gòu)造出基于bp算法的神經(jīng)網(wǎng)絡(luò)變形預(yù)測(cè)模型,并給出應(yīng)用實(shí)例分析。結(jié)果表明,神經(jīng)網(wǎng)絡(luò)應(yīng)用于變形預(yù)測(cè)效果良好,具有一定參考價(jià)值和指導(dǎo)意義。
基于神經(jīng)網(wǎng)絡(luò)的混凝土強(qiáng)度預(yù)測(cè)
格式:pdf
大?。?span id="4mvletx" class="single-tag-height" data-v-09d85783>264KB
頁數(shù):4P
4.7
在傳統(tǒng)預(yù)測(cè)混凝土強(qiáng)度的基礎(chǔ)上,提出一種基于人工智能的新的預(yù)測(cè)方法,建立了兩種神經(jīng)網(wǎng)絡(luò)模型:bp神經(jīng)網(wǎng)絡(luò)和rbf神經(jīng)網(wǎng)絡(luò),實(shí)現(xiàn)了從新拌混凝土成分及其特性到硬化后混凝土強(qiáng)度之間的復(fù)雜的非線性映射。通過對(duì)試驗(yàn)數(shù)據(jù)的學(xué)習(xí),網(wǎng)絡(luò)結(jié)構(gòu)可以早期預(yù)測(cè)混凝土28d抗壓強(qiáng)度。另外,還利用bp神經(jīng)網(wǎng)絡(luò)模擬分析了混凝土成分質(zhì)和量的變化對(duì)抗壓強(qiáng)度的影響,其結(jié)果符合已知的經(jīng)典混凝土強(qiáng)度變化規(guī)律,表明神經(jīng)網(wǎng)絡(luò)模型具有較高的精度和較強(qiáng)的泛化能力。
普通混凝土強(qiáng)度預(yù)測(cè)的BP神經(jīng)網(wǎng)絡(luò)模型
格式:pdf
大?。?span id="s4euulm" class="single-tag-height" data-v-09d85783>244KB
頁數(shù):3P
4.8
在分析普通混凝土強(qiáng)度影響因素基礎(chǔ)上,選取混凝土配料中7個(gè)因素作為輸入值,混凝土28d強(qiáng)度作為輸出值建立了混凝土強(qiáng)度預(yù)測(cè)的bp網(wǎng)絡(luò)模型。討論了模型的學(xué)習(xí)樣本、網(wǎng)絡(luò)參數(shù)對(duì)預(yù)測(cè)精度的影響,選出最佳網(wǎng)絡(luò)參數(shù)配置。實(shí)例證明模型預(yù)測(cè)精度高。
樹脂混凝土強(qiáng)度預(yù)測(cè)的神經(jīng)網(wǎng)絡(luò)模型
格式:pdf
大?。?span id="1mtghrx" class="single-tag-height" data-v-09d85783>675KB
頁數(shù):4P
4.5
本文運(yùn)用均勻設(shè)計(jì)的方法進(jìn)行樹脂混凝土的配合比設(shè)計(jì),用較少的試驗(yàn)取得較好的效果;建立了樹脂混凝土的強(qiáng)度預(yù)測(cè)的神經(jīng)網(wǎng)絡(luò)模型,對(duì)試驗(yàn)的數(shù)據(jù)進(jìn)行了訓(xùn)練和仿真,預(yù)測(cè)的結(jié)果與試驗(yàn)結(jié)果吻合非常好。
基于神經(jīng)網(wǎng)絡(luò)模型的基坑沉降預(yù)測(cè)的研究
格式:pdf
大?。?span id="uplwhyc" class="single-tag-height" data-v-09d85783>1.7MB
頁數(shù):4P
4.3
1.引言神經(jīng)網(wǎng)絡(luò)是一種信息處理系統(tǒng),它由大量而簡(jiǎn)單的處理單元(神經(jīng)元)廣泛的相連接而形成復(fù)雜系統(tǒng),它通過學(xué)習(xí)來解決問題,基坑沉降的預(yù)測(cè)是一項(xiàng)難以通過理論分析出影響因素與沉降結(jié)果映射關(guān)系的工作,而這項(xiàng)工作如果交
基于人工神經(jīng)網(wǎng)絡(luò)的工程估價(jià)預(yù)測(cè)模型
格式:pdf
大?。?span id="qiy6epx" class="single-tag-height" data-v-09d85783>344KB
頁數(shù):3P
4.3
人工神經(jīng)網(wǎng)絡(luò)是在模仿人腦處理問題的過程中發(fā)展起來的新型智能信息處理理論,通過對(duì)人工神經(jīng)網(wǎng)絡(luò)及bp網(wǎng)絡(luò)的基本原理與特征的分析,建立了工程估價(jià)預(yù)測(cè)模型.
基于人工神經(jīng)網(wǎng)絡(luò)的工程估價(jià)預(yù)測(cè)模型
格式:pdf
大小:1019KB
頁數(shù):3P
4.6
**資訊http://www.***.*** **資訊http://www.***.*** **資訊http://www.***.***
基于人工神經(jīng)網(wǎng)絡(luò)的巖石截割參數(shù)預(yù)測(cè)
格式:pdf
大?。?span id="bka6akf" class="single-tag-height" data-v-09d85783>252KB
頁數(shù):3P
4.7
鑒于前人推導(dǎo)的鎬形截齒破巖截割阻力和截割比能耗的理論公式計(jì)算值與實(shí)際值相差較大以及最優(yōu)截槽寬沒有定量表示,文中選取巖石密度、單軸抗壓強(qiáng)度、抗拉強(qiáng)度、靜態(tài)彈性模量等為影響因子,建立了bp預(yù)測(cè)網(wǎng)絡(luò)模型,并利用此模型對(duì)我國常見的4種巖石鎬形齒截割參數(shù)進(jìn)行了預(yù)測(cè)。檢驗(yàn)及預(yù)測(cè)的結(jié)果表明建立的預(yù)測(cè)網(wǎng)絡(luò)運(yùn)行穩(wěn)定,預(yù)測(cè)結(jié)果良好,對(duì)截割力的預(yù)測(cè)優(yōu)于理論計(jì)算結(jié)果,對(duì)截槽寬和截割厚度最優(yōu)比值、截割比能耗的預(yù)測(cè)結(jié)果良好,相對(duì)現(xiàn)有理論的計(jì)算和經(jīng)驗(yàn)公式計(jì)算精度有了很大提高,能更好的滿足工程要求。
基于BP神經(jīng)網(wǎng)絡(luò)的既有建筑混凝土強(qiáng)度預(yù)測(cè)
格式:pdf
大?。?span id="1lhidzs" class="single-tag-height" data-v-09d85783>1.2MB
頁數(shù):6P
4.7
在分析檢測(cè)數(shù)據(jù)的基礎(chǔ)上,提取了結(jié)構(gòu)服役時(shí)間、結(jié)構(gòu)建造時(shí)間、結(jié)構(gòu)檢測(cè)時(shí)間、混凝土設(shè)計(jì)強(qiáng)度和混凝土碳化深度等特征參數(shù),建立了預(yù)測(cè)既有建筑混凝土強(qiáng)度退化的人工神經(jīng)網(wǎng)絡(luò)模型。采用動(dòng)量法和自適應(yīng)調(diào)整法改進(jìn)了bp算法;采用訓(xùn)練好的bp神經(jīng)網(wǎng)絡(luò)對(duì)既有混凝土強(qiáng)度最小值和混凝土強(qiáng)度最大值進(jìn)行了預(yù)測(cè),并與實(shí)測(cè)值進(jìn)行了對(duì)比。結(jié)果表明:利用bp神經(jīng)網(wǎng)絡(luò)對(duì)既有建筑混凝土強(qiáng)度退化進(jìn)行預(yù)測(cè)是可行的,該研究成果可為既有建筑大面積的抗震性能普查提供參考。
磷石膏制建筑石膏粉的工藝技術(shù)
格式:pdf
大?。?span id="6scufmh" class="single-tag-height" data-v-09d85783>39KB
頁數(shù):2P
4.5
磷石膏與天然石膏相比含游離水較高,傳統(tǒng)的磷石膏制建筑石膏粉一步脫水間接換熱法工藝存在弊端。介紹二步脫水直接換熱與間接換熱相結(jié)合的磷石膏制建筑石膏粉的新工藝及有關(guān)設(shè)備,每噸產(chǎn)品耗煤80kg,比傳統(tǒng)一步法節(jié)煤20kg/t,產(chǎn)品質(zhì)量?jī)?yōu)良。
基于廣義回歸神經(jīng)網(wǎng)絡(luò)的沈陽房地產(chǎn)市場(chǎng)研究
格式:pdf
大?。?span id="vr14qwq" class="single-tag-height" data-v-09d85783>193KB
頁數(shù):未知
4.5
通過廣義回歸神經(jīng)網(wǎng)絡(luò)對(duì)沈陽市房地產(chǎn)市場(chǎng)2003年至2009年相關(guān)數(shù)據(jù)進(jìn)行訓(xùn)練,采用逼近性最好的光滑因子0.1,對(duì)2010年和2011年的數(shù)據(jù)進(jìn)行預(yù)測(cè),并與真實(shí)數(shù)據(jù)進(jìn)行對(duì)比,得出沈陽市房地產(chǎn)開發(fā)投資額、商品房均價(jià)及空置面積均在高位運(yùn)行.由此判斷出沈陽市房地產(chǎn)市場(chǎng)仍處于繁榮期,但屬于后期階段,有出現(xiàn)房地產(chǎn)泡沫的可能,政府、房地產(chǎn)開發(fā)商、購房者應(yīng)給予足夠關(guān)注.
基于BP神經(jīng)網(wǎng)絡(luò)的建筑物用電能耗預(yù)測(cè)
格式:pdf
大小:149KB
頁數(shù):4P
4.5
建筑節(jié)能是當(dāng)今城市建設(shè)和社會(huì)發(fā)展的前沿和研究熱點(diǎn),對(duì)建筑的能耗現(xiàn)狀進(jìn)行綜合分析與評(píng)估是進(jìn)行節(jié)能改造或節(jié)能設(shè)計(jì)的前提和基礎(chǔ),而建立反映能耗變化的預(yù)測(cè)模型是從宏觀尺度上分析認(rèn)識(shí)建筑能耗變化與發(fā)展特性、為公共建筑節(jié)能工作提供決策依據(jù)的有效途徑和重要手段。研究針對(duì)常規(guī)bp網(wǎng)絡(luò)算法收斂速度慢、易陷入局部最小點(diǎn)的缺點(diǎn),采用了具有較快收斂速度及穩(wěn)定性的lm算法進(jìn)行預(yù)測(cè),構(gòu)造了基于bp神經(jīng)網(wǎng)絡(luò)的建筑物用電量預(yù)測(cè)模型。以某市公共建筑原始用電能耗統(tǒng)計(jì)數(shù)據(jù)作為樣本,并采用matlab對(duì)預(yù)測(cè)模型進(jìn)行了仿真預(yù)測(cè)。結(jié)果顯示:誤差在允許范圍內(nèi)。
基于人工神經(jīng)網(wǎng)絡(luò)的建筑物沉降預(yù)測(cè)
格式:pdf
大小:93KB
頁數(shù):2P
4.4
根據(jù)建筑物實(shí)測(cè)沉降利用人工神經(jīng)網(wǎng)絡(luò)理論,建立了前饋網(wǎng)絡(luò)預(yù)測(cè)模型并提出新的學(xué)習(xí)算法,結(jié)合某建筑物糾偏工程實(shí)例對(duì)建筑物沉降進(jìn)行了預(yù)測(cè).預(yù)測(cè)結(jié)果表明神經(jīng)網(wǎng)絡(luò)方法是可行且有效的.
基于神經(jīng)網(wǎng)絡(luò)的建筑能耗預(yù)測(cè)
格式:pdf
大?。?span id="e9ya9e1" class="single-tag-height" data-v-09d85783>288KB
頁數(shù):3P
4.7
由于目前只有很少一部分建筑師能掌握復(fù)雜的建筑能耗分析,因此本文利用matlab建立bp神經(jīng)網(wǎng)絡(luò),將影響建筑能耗的18個(gè)因素作為網(wǎng)絡(luò)的輸入,進(jìn)行學(xué)習(xí)訓(xùn)練,最后通過測(cè)試樣本點(diǎn)數(shù)據(jù)預(yù)測(cè)建筑能耗,并與dest-h模擬計(jì)算得到的結(jié)果比較,發(fā)現(xiàn)相對(duì)誤差在3.5%以內(nèi),驗(yàn)證了該網(wǎng)絡(luò)模型的可行性。該方法使建筑師在設(shè)計(jì)階段能夠簡(jiǎn)單且準(zhǔn)確地獲得設(shè)計(jì)建筑的能耗。
基于BP神經(jīng)網(wǎng)絡(luò)的建筑能耗預(yù)測(cè)
格式:pdf
大?。?span id="veypng1" class="single-tag-height" data-v-09d85783>226KB
頁數(shù):4P
4.3
利用matlab建立bp神經(jīng)網(wǎng)絡(luò),將影響建筑能耗的18個(gè)因素作為網(wǎng)絡(luò)的輸入,進(jìn)行學(xué)習(xí)訓(xùn)練,最后通過測(cè)試樣本點(diǎn)數(shù)據(jù)預(yù)測(cè)建筑能耗,與dest-h模擬計(jì)算得到的結(jié)果比較,發(fā)現(xiàn)相對(duì)誤差在3.5%以內(nèi),并通過實(shí)例驗(yàn)證了該網(wǎng)絡(luò)模型的準(zhǔn)確性。該方法使建筑人員在設(shè)計(jì)階段就能快速且準(zhǔn)確地獲得設(shè)計(jì)建筑的能耗。
基于神經(jīng)網(wǎng)絡(luò)的嚴(yán)寒地區(qū)建筑PMV預(yù)測(cè)研究
格式:pdf
大小:417KB
頁數(shù):4P
4.6
為研究嚴(yán)寒地區(qū)建筑熱環(huán)境和人體熱舒適,于2004年9月至2005年12月在哈爾濱進(jìn)行了20次現(xiàn)場(chǎng)研究,測(cè)量了室內(nèi)熱舒適參數(shù).利用人工神經(jīng)網(wǎng)絡(luò)方法,建立了嚴(yán)寒地區(qū)建筑pmv的bp神經(jīng)網(wǎng)絡(luò)評(píng)判模型,實(shí)現(xiàn)了對(duì)嚴(yán)寒地區(qū)建筑熱環(huán)境內(nèi)pmv的智能化預(yù)測(cè).現(xiàn)場(chǎng)研究結(jié)果驗(yàn)證表明,該模型預(yù)測(cè)的嚴(yán)寒地區(qū)建筑熱環(huán)境內(nèi)pmv與實(shí)際主觀調(diào)查吻合.
基于GALM神經(jīng)網(wǎng)絡(luò)的建筑能耗短期預(yù)測(cè)
格式:pdf
大?。?span id="wervjyf" class="single-tag-height" data-v-09d85783>275KB
頁數(shù):4P
4.7
為改進(jìn)以往神經(jīng)網(wǎng)絡(luò)對(duì)建筑能耗預(yù)測(cè)的不足,提出應(yīng)用遺傳算法結(jié)合levenberg-marquardt算法(galm)改進(jìn)神經(jīng)網(wǎng)絡(luò)對(duì)建筑能耗進(jìn)行預(yù)測(cè)。首先,利用遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò)的權(quán)值和閾值;其次,利用levenberg-marquardt算法優(yōu)化神經(jīng)網(wǎng)絡(luò)訓(xùn)練,針對(duì)影響建筑能耗的主要因素建立galm神經(jīng)網(wǎng)絡(luò)的建筑能耗預(yù)測(cè)模型。通過建立建筑能耗監(jiān)測(cè)平臺(tái)采集某公共建筑1個(gè)月的能耗數(shù)據(jù),對(duì)該模型進(jìn)行訓(xùn)練和測(cè)試。實(shí)驗(yàn)結(jié)果表明,該模型可以準(zhǔn)確且高效地對(duì)建筑能耗進(jìn)行短期預(yù)測(cè)。
基于小波神經(jīng)網(wǎng)絡(luò)的建筑火災(zāi)預(yù)測(cè)模型及應(yīng)用
格式:pdf
大?。?span id="j9tcn91" class="single-tag-height" data-v-09d85783>239KB
頁數(shù):4P
4.5
隨著我國城鄉(xiāng)建設(shè)的飛速發(fā)展,建筑火災(zāi)形勢(shì)日趨嚴(yán)峻,依靠傳統(tǒng)的管理技術(shù)和方法已遠(yuǎn)遠(yuǎn)不能適應(yīng)社會(huì)和民眾對(duì)安全的需要。針對(duì)某城市建筑火災(zāi)非線性時(shí)間序列,建立了小波神經(jīng)網(wǎng)絡(luò)(wnn)預(yù)測(cè)模型,計(jì)算分析證明了該模型的可行性。該模型可與消防工作相結(jié)合,建立和實(shí)施城鄉(xiāng)綜合防災(zāi)減災(zāi)系統(tǒng),實(shí)現(xiàn)城鄉(xiāng)綜合防災(zāi)減災(zāi)的科學(xué)管理。
文輯推薦
知識(shí)推薦
百科推薦
職位:BIM建模設(shè)計(jì)師
擅長專業(yè):土建 安裝 裝飾 市政 園林