基于CA理論與神經(jīng)網(wǎng)絡學說的建筑城市性研究

通過分析城市深基坑沉降量時間序列的非線性動力學系統(tǒng),認為該時間序列具有混沌特性.在此基礎上,通過相空間重構的方法建立了用于城市深基坑沉降量預測的混沌神經(jīng)網(wǎng)絡模型;并利用此模型對上海某深基坑沉降量進行了預測,取得了較為滿意的預測效果.

基于bp神經(jīng)網(wǎng)絡的城市建筑熱環(huán)境研究——本文針對現(xiàn)代城市中越來越嚴重的熱島現(xiàn)象與能源問題，首先分析了北京市近60年的溫度資料，可知60年來城區(qū)內(nèi)的年平均溫度升高了2.28°c，溫度增幅為0.38°c/10a。而后綜合考慮城市建筑熱環(huán)境的各種影響因素，利用bp神經(jīng)網(wǎng)...

為研究嚴寒地區(qū)建筑熱環(huán)境和人體熱舒適,于2004年9月至2005年12月在哈爾濱進行了20次現(xiàn)場研究,測量了室內(nèi)熱舒適參數(shù).利用人工神經(jīng)網(wǎng)絡方法,建立了嚴寒地區(qū)建筑pmv的bp神經(jīng)網(wǎng)絡評判模型,實現(xiàn)了對嚴寒地區(qū)建筑熱環(huán)境內(nèi)pmv的智能化預測.現(xiàn)場研究結(jié)果驗證表明,該模型預測的嚴寒地區(qū)建筑熱環(huán)境內(nèi)pmv與實際主觀調(diào)查吻合.

在建筑行業(yè)的投標報價過程中,如何在眾多的信息中選出對最終報價影響較大的幾項因素以及如何確定這些因素與最終報價之間的關系是一個棘手的問題.論文針對這兩大難題提出了基于神經(jīng)網(wǎng)絡技術的解決方法.首先根據(jù)貢獻變量分析理論確定出影響報價結(jié)果的9個報價因素,從而建立起基于神經(jīng)網(wǎng)絡的報價模型,然后在所確定模型的基礎上改進傳統(tǒng)的bp算法,進一步提高網(wǎng)絡的泛化能力.從實際應用的結(jié)果可以看出,經(jīng)過變量選擇后所確定的報價因素是合理的,改進學習算法后的網(wǎng)絡的泛化能力也有了很大的提高.

短時交通流預測是現(xiàn)代智能交通系統(tǒng)的核心內(nèi)容,針對城市道路被占所造成的城市交通擁堵排隊問題,以路段視頻統(tǒng)計為例,利用bp神經(jīng)網(wǎng)絡方法就實際通行能力、具體車輛數(shù)、事故持續(xù)時間與排隊最長長度之間的關系進行預測分析,從實驗模擬結(jié)果來看,該方法能有效地解決交通流實時和可靠性預測。

過程神經(jīng)元網(wǎng)絡的輸入為時變連續(xù)函數(shù),不能直接輸入離散樣本。針對該問題,提出一種基于分段線性插值函數(shù)的過程神經(jīng)網(wǎng)絡訓練方法。將樣本函數(shù)、過程神經(jīng)元權函數(shù)的離散化數(shù)據(jù)插值為分段表示的線性函數(shù),計算樣本函數(shù)與權值函數(shù)乘積在給定采樣區(qū)間上的積分,將此積分值提交給網(wǎng)絡的隱層過程神經(jīng)元,并計算網(wǎng)絡輸出。實驗結(jié)果證明了該方法的有效性。

針對電力系統(tǒng)短期負荷預測的特點,以及人工神經(jīng)網(wǎng)絡的自學習和復雜的非線性擬合能力,將人工神經(jīng)網(wǎng)絡的bp、elman、rbf三種模型用于短期負荷預測,建立了短期電力負荷預測模型,綜合考慮氣象、天氣等影響負荷因素進行短期負荷預測。某電網(wǎng)實際預測結(jié)果表明,rbf比bp、elman有更好的預測精度,更快的速度。

1.引言神經(jīng)網(wǎng)絡是一種信息處理系統(tǒng),它由大量而簡單的處理單元(神經(jīng)元)廣泛的相連接而形成復雜系統(tǒng),它通過學習來解決問題,基坑沉降的預測是一項難以通過理論分析出影響因素與沉降結(jié)果映射關系的工作,而這項工作如果交

文中從城市道路利用者的基本感受角度出發(fā),提出一套科學合理的城市道路交通滿意度評價體系,利用層次分析法與bp神經(jīng)網(wǎng)絡最終確定評價結(jié)果,發(fā)現(xiàn)城市道路交通系統(tǒng)中存在的問題,以期找出解決問題的有效途徑,為城市交通管理部門提供科學的決策依據(jù),最終提高城市道路交通的服務質(zhì)量。

針對六自由度機械臂耦合性強、時變、非線性等性能,基于拉格朗日動力學建模方法,文章采用bp神經(jīng)網(wǎng)絡逼近模型,實現(xiàn)高精度軌跡跟蹤。該方法根據(jù)六自由度機械臂本體采集的數(shù)據(jù)進行黑箱辨識建模解耦,建模過程采用bp神經(jīng)網(wǎng)絡逼近,提升建模精度、簡化建模過程。針對解耦后的系統(tǒng),還需建立pid閉環(huán)控制器進一步實現(xiàn)軌跡跟蹤控制。仿真及實驗結(jié)果表明,基于bp神經(jīng)網(wǎng)絡的pid控制器能夠改善系統(tǒng)的魯棒性和穩(wěn)定性,并有效抑制抖動。

分析了對工程造價有重要影響的眾多因素,參考國內(nèi)外專家、學者的研究成果,確定了影響工程造價的18個主要因素,并基于rbf神經(jīng)網(wǎng)絡建立了工程造價決策模型。本文利用rbf神經(jīng)網(wǎng)絡快速、準確的函數(shù)逼近能力,為工程造價決策提供了一種新的方法。

針對地質(zhì)勘查中,土的力學參數(shù)的確定及土的分類這兩類復雜問題,根據(jù)反問題理論的基本原理,提出了一種基于回歸分析與rbf神經(jīng)網(wǎng)絡結(jié)合的新型智能方法,建立了從土的力學參數(shù)估計到模型分類的完整智能化分析系統(tǒng)?？紤]到土的物理參數(shù)測定方法比較簡單,且實測變異性小,而力學參數(shù)實測變異性大的特點,利用rbf神經(jīng)網(wǎng)絡的數(shù)值逼近的特性,建立了神經(jīng)網(wǎng)絡模型來逼近兩者之間的函數(shù)關系,可以有效地反演力學參數(shù)。同時,利用rbf神經(jīng)網(wǎng)絡所具有的模式識別功能,為地質(zhì)勘察中土層劃分提供依據(jù)。通過對黃石地區(qū)巖土勘查資料的分析與預測表明,該方法簡捷有效。

邊坡地表位移監(jiān)測是滑坡安全監(jiān)控中的重要內(nèi)容,對監(jiān)測資料進行及時、合理、有效的分析,獲取滑坡變形規(guī)律和安全狀況是滑坡監(jiān)測的重要工作之一。文中將基于bp算法的小波神經(jīng)網(wǎng)絡預測模型引入變形監(jiān)測預報中,對工程實例進行預測。結(jié)果表明小波神經(jīng)網(wǎng)絡預測可以取得良好的效果,且自適應預測能力較強。

針對房地產(chǎn)價格與其影響因素之間的復雜、非線性關系,采用遺傳bp神經(jīng)網(wǎng)絡作為房地產(chǎn)估價的技術方法,構建了基于遺傳bp神經(jīng)網(wǎng)絡的房地產(chǎn)估價模型。結(jié)果表明:遺傳bp神經(jīng)網(wǎng)絡算法在房地產(chǎn)估價中具有可行性,對提高房地產(chǎn)估價的精度有一定的實用價值。

負荷預測是實現(xiàn)電力系統(tǒng)優(yōu)化運行的基礎,對于電力系統(tǒng)的安全性、可靠性和經(jīng)濟性都有著顯著的影響。rbf是一種三層前饋神經(jīng)網(wǎng)絡,具有良好的函數(shù)逼近性能,已被廣泛應用到電力負荷預測中,并取得良好的效果。本文主要整理并介紹當前基于rfb神經(jīng)網(wǎng)的負荷預測方法,對存在的問題進行了分析,并對未來的發(fā)展進行了展望。

負荷預測是實現(xiàn)電力系統(tǒng)優(yōu)化運行的基礎，對于電力系統(tǒng)的安全性、可靠性和經(jīng)濟性都有著顯著的影響。rbf是一種三層前饋神經(jīng)網(wǎng)絡，具有良好的函數(shù)逼近性能，已被廣泛應用到電力負荷預測中，并取得良好的效果。本文主要整理并介紹當前基于rfb神經(jīng)網(wǎng)的負荷預測方法，對存在的問題進行了分析，并對未來的發(fā)展進行了展望。

**資訊http://www.***.***

在分析城市商品住宅價格影響因素的基礎上,用人均國民生產(chǎn)總值、商品住宅銷售面積、人均可支配收入、人均儲蓄存款余額、人均居住面積等可定量的統(tǒng)計數(shù)據(jù)作為輸入變量,單位面積商品住宅價格為輸出變量,建立bp網(wǎng)絡,擬合商品住宅價格模型。用西安市的統(tǒng)計數(shù)據(jù)作為分析實例表明,模型擬合性較好。

本文結(jié)合住宅房地產(chǎn)的價格理論和相關網(wǎng)站上的數(shù)據(jù),科學地選取影響商品住宅價格的影響指標為人均gdp、人均可支配收入、人口數(shù)量、房地產(chǎn)開發(fā)投資額和商品住宅建筑面積,并以此建立hedonic商品住宅價格影響因素模型。依照bp神經(jīng)網(wǎng)絡預測的實現(xiàn)步驟,探索bp神經(jīng)網(wǎng)絡在預測?？谑猩唐纷≌瑑r格的應用,得到2018年6月-2019年5月商品住宅價格預測值,對海口市商品住宅價格的研究具有一定的指導作用。

基于神經(jīng)網(wǎng)絡房地產(chǎn)價格指數(shù)的預測研究——研究表明,房地產(chǎn)價格指數(shù)常表現(xiàn)為非線性,要對它進行預測就必須利用一種能模擬非線性的模型。從理論上講,神經(jīng)網(wǎng)絡能夠無限逼近非線性函數(shù),所以本文便嘗試采用神經(jīng)網(wǎng)絡模型作為預測的模型。本文具體運用的是基于誤差反向...

本文旨在構建一種污水生化需氧量bod的軟測量方法,通過建立基于遞歸神經(jīng)網(wǎng)絡的bod軟測量模型,建立了遞歸神經(jīng)網(wǎng)絡結(jié)構下的bod軟測量學習算法.文中首先對軟測量模型進行整體設計,接著構造局部遞歸神經(jīng)網(wǎng)絡結(jié)構,并對遞歸神經(jīng)網(wǎng)絡結(jié)構下的污水處理參數(shù)bod進行建模,同時闡述了主導變量和輔助變量之間的關系,以及如何選取輔助變量作為網(wǎng)絡學習的參數(shù).最后使用構建的學習算法在遞歸神經(jīng)網(wǎng)絡的框架下對污水處理參數(shù)bod進行軟測量預測,結(jié)果顯示能夠提高bod軟測量的精度.

針對工業(yè)過程中直線行程的高精度測量問題,提出了基于神經(jīng)網(wǎng)絡函數(shù)逼近原理,以巨磁阻(gmr)傳感器為核心的非接觸式測量系統(tǒng)。運用等效電流法對提供磁場的圓柱形永磁體進行建模并仿真,得到永磁體磁場在空間中的分布規(guī)律,從而確定磁體的位置及形狀參數(shù)。通過matlab建立bp神經(jīng)網(wǎng)絡,用遺傳算法進行優(yōu)化,最終獲取了位移與電壓的函數(shù)關系,研究結(jié)果表明:該測量系統(tǒng)可以精確地測量直線位移。