基于人工神经元网络法的隧道地表沉降分析及预测

隧道开挖变形控制是隧道施工安全控制的关键环节，但地质条件的多样性、工艺的复杂性使得科学地分析、预测隧道变形变得较为困难。笔者以哈尔滨市保健路隧道工程为依托，基于中导洞特征断面的观测数据，采用人工神经元网络法对特征断面地面沉降随时间及土层物理因素（土层厚度、压缩系数、摩擦角、黏聚力及压缩模量等）的变化进行分析及预测。通过对比理沧预测结果与实际测量结果可知，隧道中导洞地表沉降预测模型误差在6％以内；隧道特征断面地表沉降预测模型误差在4％以内，外延性预测误差在7％以内。

人工神经元网络方法在毛细管电泳和色谱分析中的应用

综述了人工神经元网络方法在毛细管电泳和色谱分析中的应用 ,内容包括迁移 (或保留 )行为的预测 ,分离优化 ,模式识别及分类 ,重叠峰定量解析 ,非线性过程的模型化 ,峰纯度的判断等。还对人工神经元网络在色谱和毛细管电泳中将来可能的应用进行了探讨。引用文献 5 2篇。