学科分类
/ 1
12 个结果
  • 简介:根据改进的BP神经网络,阐述了在结构损伤检测与识别上的应用。同时对该网络在结构检测应用过程中应该注意的问题做了探讨,展望了BP神经网络在结构损伤检测与识别上的发展方向。

  • 标签: 神经网络 基本原理 损伤检测 识别
  • 简介:在韩国,已对一些地方由于修建大坝导致生态系统和周围环境改变进行了综合研究.如今,正采取恰当的措施去避免和减轻这些不利影响,在许多情况下还利用水库的环境优势在大坝周边创建或改善旅游环境。本文介绍一些实例研究,比如对多年前已建的大坝进行一些美学改造以满足今天对休闲娱乐区更加重视的要求。

  • 标签: 大坝 水库 用水 修建 不利影响 生态系统
  • 简介:混凝土高坝的地基受地震影响容易产生损伤,会对下游居民的人身财产安全带来严重的威胁。增强混凝土高坝的抗震性,首先要对混凝土高坝-地基体系的地震损伤模式进行分析,分析的重点是混凝土的抗拉强度。本文对混凝土的抗拉强度及混凝土高坝-地基体系的地震损伤进行了分析,得出了混凝土高坝-地基体系的地震损伤模式。

  • 标签: 混凝土高坝 地基体系 地震损伤 原因 分析
  • 简介:本文针对我国寒旱地区独特的寒冷干燥气候环境特征,探寻了该区域水工混凝土结构常见损伤的形式及成因机理,同时针对性地提出了相应的水工混凝土结构施工修复技术。本研究可为同类型区域水工混凝土构筑物的病害诊断与施工修复提供有益借鉴。

  • 标签: 寒旱区 水工混凝土 损伤形式 施工修复技术
  • 简介:以某大坝沉降监测数据为例,利用Matlab软件的BP神经网络工具箱进行建模分析和预测。结果表明,滚动BP神经网络算法能较好地应用于大坝沉降数据的预测,具有良好的应用前景。

  • 标签: BP 神经网络 MATLAB 大坝 预测
  • 简介:针对径流量长期变化的因果关系复杂特性,常规的中长期水文预报模型又很难满足精度要求,提出了基于BP神经网络的来水量预测模型。结合实际径流数据,验证了模型的预报精度,可用来进行中长期水文预报。

  • 标签: 人工神经网络 BP模型 来水量 预测
  • 简介:分析了影响城镇日用水量的非线性因素,利用人工神经网络,选择影响城市日用水量的主要因素。建立城镇日用水量预测模型,并将该模型的预测效果与传统的日用水量模型预测效果进行比较,结果显示该模型的预测精度更高、所需时间更短、更适用于影响因素较多的城市日用水量的预测。

  • 标签: 人工神经网络 日用水量 预测模型 效果
  • 简介:针对高扬程泵站压力管道由于流激振动引起的结构损伤问题,基于统计模式理论,提出了采用均值控制图识别压力管道损伤的方法。首先通过获取正常状态和待识别状态下实测数据的响应信息,构建损伤诊断的系统模型,对大量数据信息进行统计计算,然后提取特征值,优化特征向量,最后采用均值控制图法对压力管道损伤部位进行识别。实例分析结果表明,基于统计模式识别的均值控制图法,可以直观精确地对压力管道是否存在损伤做出识别,因此可以作为工程中大型泵站压力管道损伤识别的重要方法。

  • 标签: 统计模式 系统建模 数值模拟 均值控制图 损伤识别
  • 简介:本文在分析影响作物蒸发蒸腾量的气象因子的基础上,以不同的气象因子组合为输入向量,以参照腾发量为输出向量,构建了气象资料不足情况下三种计算参数腾发量的BP神经网络模型BPET1、BPET2和BPET3.利用宁夏引黄灌区2000~2003年的逐日气象资料对所建模型进行反复训练和预测,并把预测结果与传统的Penman-Monteith公式计算而得的同期作物ET0值相比较.其中,BPET1的预测值与ETO值的相关系数平方为0.9914;BPET2的预测值与ET0值的相关系数平方为0.9917;BPET3的预测值与ETO值的相关系数平方为0.9854.研究结果表明,本文构建的模型计算精度较高,方法简便可行,能满足实际生产需要.

  • 标签: BP神经网络 参照腾发量 计算方法
  • 简介:黄土的湿陷起始压力是评价黄土湿陷性的重要指标之一.影响黄土湿陷起始压力的因素有很多,且各因素间并非独立,通过分析各物性指标间的相关性确定塑性指数、含水率、干密度作为影响黄土湿陷起始压力的因素.本文提出并建立了黄土湿陷起始压力的人工神经网络预测模型,选取新疆伊犁地区黄土的数据作为神经网络模型的学习和预测样本,将神经网络模型的预测结果与实际结果对比可知二者误差小于10%.利用陕西彬县黄土数据验证了网络模型的通用性,说明用人工神经网络方法计算黄土湿陷起始压力准确、可靠,建立了一种计算湿陷起始压力的新方法.

  • 标签: 湿陷起始压力 物性指标 人工神经网络 预测
  • 简介:在调水工程中,如果泵站站前水位过低,会危及泵站安全,如果水位过高,会危及周边安全,因此探寻调水工程中河渠湖库水位变化显得尤为重要.以南水北调东线山东段南四湖为研究区域,寻求不同起调水位、出入流量、泵站开启时间差的调水方案下泵前水位变化规律.先利用耦合模型对不同的调水方案进行数值模拟,然后选取23组调水方案及其数值模拟所得的泵前水位作为样本训练BP神经网络,建立BP神经网络调蓄水位预测模型并进行验证,最后利用预测模型对不同调水方案进行泵前水位预测.结果表明,BP神经网络预测模型具有很强的预测能力,预测模型结果与耦合模型结果泵前水位基本吻合,水深相对误差小于9.15%,而模型计算效率提升96.67%.

  • 标签: 调水方案 泵前水位 耦合模型 BP神经网络 预测模型
  • 简介:造成中长期水文预报研究和预报困难的主要原因是水文现象本身的复杂性和不确定性,以及内部复杂的非线性关系,针对这些问题,本文建立了一种小波神经网络时间序列模型,并用遗传算法对小波神经网络的连接权值和伸缩变量、平移变量进行优化。使用这种模型对黄河三门峡站逐年月天然流量进行预报检验,并将检验结果与传统的小波神经网络和BP神经网络进行对比,从模型预报精度、趋势性和稳定性3个方面进行分析,分析发现,这种遗传算法优化的小波神经网络时间序列模型能够有效地克服传统的小波神经网络和BP网络容易陷入局部极小的缺陷,能够对水文现象的趋势性作出较精确的预测,具有良好的预报精度和稳定性。

  • 标签: 遗传算法 小波神经网络 时间序列 中长期水文预报