体外预应力技术的研究进展

章介绍了体外预应力技术的发展概况及国内外有关体外预应力的部分重要献，详细阐述了体外预应力混凝土简支梁受力性能的主要影响因素，列举了各国关于体外索极限应力的公式．在评价各国公式的基础上，提出了作的见解。     

BP神经网络在粉煤灰混凝土极限粘结应力预测中的应用

研究粉煤灰混凝土与钢筋的粘结性能是非常必要的,而且这将对粉煤灰混凝土的广泛应用也非常有利.应用BP神经网络对粉煤灰混凝土极限粘结应力进行预测,表明该预测方法预测精度高,高效可行,具有一定的优越性,不仅为粉煤灰混凝土极限粘结应力的获得提供了新方法,而且为寻求关于粉煤灰混凝土粘结性能的各影响因素之间内在的和整体的规律提供了新的思路.     

节段预制箱梁体外束极限应力增量计算方法

在考虑体内体外混合配束节段预制箱梁变形和破坏特征的基础上,提出推导节段预制箱梁体外筋应力增量的基本假设,建立节段箱梁梁体变形前后的几何关系,分3阶段详细揭示节段预制箱梁的受力机理,给出了每阶段体外筋长度的变化量,最终推导了双转向块、三分点加载情况下的节段预制箱梁体外预应力筋极限应力增量的计算公式。根据3根不同配束比的体内体外混合配束节段预制箱梁试验体外束应力增量测试数据,对提出的公式和另2种计算预应力增量的典型公式进行了验证,结果表明提出的公式计算结果与试验实测数据吻合较好。     

基于黄金分割法的RBF神经网络预测控制

针对非线性系统的控制问题,提出了一种基于黄金分割法的RBF神经网络预测控制算法。该算法以神经网络作为预测模型,用黄金分割法优化控制器,其中以控制变量的约束条件作为优化的初始区间。针对化工过程蒸馏塔控制系统,通过仿真计算验证了该方法的有效性。     

基于BP神经网络的厦门市房价预测

传统的房价预测方法主要是按时间序列进行的,而房价的走势除与历史房价有关外,还由人均居住使用面积、市区人口总数、人均可支配收入、人均消费性支出等多方面的因素决定。通过对影响厦门房价的多种因素进行分析,并预测这些数据的走势,利用BP神经网络进行仿真,得出厦门市房价的预测值,结果表明用此模型进行房价预测是十分精确的。     

神经网络在股票市场预测中的应用

分析了BP神经网络、遗传神经网络、双神经网络、RBF神经网络和概率神经网络在股票市场预测中的应用。     

基于RBF神经网络的电力系统短期负荷预测

电力负荷预测一直是电力系统的重要研究课题。在考虑天气状况因素的前提下,通过MATLAB软件实验平台,构建了一个RBF神经网络模型,并用历史电力负荷数据进行训练,成功的进行了电力系统的短期负荷预测,预测结果误差比较小,结果令人满意,证明了RBF神经网络在电力短期负荷预测领域的有效性和可行性。     

基于模糊控制的RBF神经网络电力系统短期负荷预测

文章提出了一种模糊控制与RBF神经网络相结合的电力系统短期负荷预测算法,用以解决传统RBF神经网络在电力系统短期负荷预测中存在误差的问题。通过实例验证,该方法与传统的RBF负荷预测方法相比,提高了预测精度,并且具有较好的应用前景。     

基于BP神经网络的热轧钢材力学性能预测

将BP神经网络的理论和算法应用于轧钢力学性能的预测研究,采用实际的轧钢现场生产数据,建立工艺参数、化学成分与力学性能的映射模型。经过测试和评估,该BP网络能较好地预测轧钢产品的力学性能。     

基于Elman神经网络的空调负荷预测研究

为了更准确对空调系统负荷进行预测,文章在介绍Elman神经网络原理的基础上,对应用在处理动态数据模型上具有优越性的Elman回归型神经网络建立负荷预测模型,讨论了负荷预测模型中隐层神经元数目的选取,并对空调负荷值进行预测.同时也对静态前馈型BP神经网络进行建模和预测,比较两种预测结果,分析其误差,证明了Elman网络在动态预测实验中与BP网络相比较的优势.     

基于LM—BP神经网络的GDP预测模型及其应用

讨论了基于Levenberg—Marquardt（LM）算法的BP神经网络及其GDP预测的应用。LM算法利用误差函数二阶导数信息,对高斯一牛顿法的优化,相对传统的负梯度法而言,其收敛速度更快。最后以贺州市GDP为例,就预测的效率和精确度来说,LM—BP网络预测GDP的速度和精度明显优于标准的BP算法网络。     

基于灰色预测与BP神经网络的全球温度预测研究

为深入了解全球变暖缘由及影响,探究变暖是否停滞,考虑地球吸热、散热及海洋温度变化等因素,构建一种全球温度预测模型,预测未来25年温度变化。采用主成分分析法找出贡献度较大的3个主成分,再用3组灰色预测模型预测海洋平均温度、二氧化碳排放量、太阳长波辐射等8个变量,并进行光滑比、级比和残差检验。结果表明,预测符合前29年（1990-2018年）时间序列图规律,用历史数据训练BP神经网络,然后把8个变量的预测值代入神经网络,拟合优度为0.922 72,精度非常高,可以看出全球平均温度距平序列越来越大,说明温度正逐渐升高,而不是停滞。     

单级倒立摆神经网络控制及MATLAB仿真

倒立摆系统以其自身的不稳定性为系统的平衡提出了难题,也因此成为自动控制实验中验证控制算法优劣的极好的实验装置.文章分析了单级倒立摆的系统结构、数学模型以及系统的稳定性和可控性,采用BP神经网络控制对倒立摆进行了成功的控制,并在MATLAB中获得了良好的仿真效果.     

BP网络的结构动力响应预测

由于结构主动控制对地震反应振动控制的高效性，使主动控制在建筑结构振动控制领域中，具有广阔的应用前景，但是主动控制存在难以建立一个精确的数学模型，存在时滞效应等问题。神经网络不需要建立精确的数学模型，只是通过学习输入输出训练样本数据，就可归纳出隐含在系统输入输出中的关系；应用神经网络预测结构响应可以解决主动控制中的时滞问题，为控制决策提供依据。本文就最常用的BP神经网络进行研究，用BP神经网络对结构响应进行预测，以期能为结构主动控制提供一种新的思路。     

基于人工神经网络和二维插值的雨量预报方法评价模型

通过建立人工神经网络及二维插值两种模型,再利用数学软件Matlab处理已知数据,定性和定量地评价出了两种雨量预报方法的准确性.在评价模型里应用模糊聚类的方法最大程度考虑了公众感受.     

基于空域相关的RBF神经网络混沌时间序列预测研究

与现有预测方法比较,神经网络在混沌时间序列预测中具有优势。利用RBF神经网络对混沌Lorenz时间序列的预测进行仿真研究,仿真结果表明：在单步直接预测、单步间接预测、多步直接预测和多步间接预测中,多步间接预测是其中最有效的方式。     

基于BP神经网络的湖泊水体富营养化的短期预测

选用含三层网络结构的BP神经网络来模拟湖泊水体的富营养化状况,通过软件MATLAB编写了BP神经网络训练和测试程序,测试结果表明此方法成功预测水体中叶绿素a的含量的短期变化趋势。     

BP神经网络在预测问题中可用条件的分析

介绍了BP神经网络的结构，分析了神经网络预测原理，指出神经网络是内插值，讨论了可应用神经网络进行预测的条件，并通过实例进行了验证。     

基于主成分和BP神经网络方法的湖南省汽车保有量预测

汽车保有量预测对城市交通的发展方向、城市交通的控制管理、城市道路的建设情况等都有直接的参考意义。本文通过分析影响城市汽车保有量的因素,通过参考部分参考文献,城区人口总数人均GDP、公路客运量等8个指标,首先采用主成分分析法将8个因素进行分析,然后建立BP神经网络模型对湖南省2006到2008年汽车保有量进行预测,预测结果分别为98.93万辆、122.18万辆、137.03万辆,与汽车保有量实际值94.64万辆、121.72万辆、142.67万辆很接近,预测精度比较高。这表明BP神经网络具有很强的学习与泛化能力,用于汽车保有量预测的可行性与有效性。     

基于优化BP网络的类矩形盾构偏心刀盘故障预测

为实时监控类矩形盾构偏心刀盘工作状态,提出一种基于遗传算法（GA）优化BP神经网络模型的在线故障预测方法。首先,利用现场检测的相关测量数据,建立“特征—故障”数据集;然后,利用最优权值与阈值由遗传算法获取的BP神经网络对数据集进行自我学习,构建工作期故障预测模型;最后,开发偏心刀盘监控系统,对刀盘工作状态进行在线预测。实验结果表明,GA-BP网络模型预测准确率达到93.3%,与传统BP网络模型相比提高6%。基于GA-BP网络的偏心刀盘在线故障预测方法可精准预测刀盘工作状态,满足应用设计要求,为盾构施工安全提供有力保障。