基于带有偏差单元的递归神经网络的李家峡拱坝安全监控模型

利用带有偏差单元的递归神经网络对BP网络进行改进,提高学习效率和泛化能力.建立了基于带有偏差单元的递归神经网络的李家峡拱坝安全监控模型,其预报精度优于常规的统计模型,为大坝安全监控提供了一条有效的思路和方法.

基于带有偏差单元的IRN模型的大体积混凝土温度预测与控制

分析了大体积混凝土温度的各种影响因素 ,结合神经网络的特点 ,提出运用神经网络中带有偏差单元的 IRN(Internally Recurrent Net)模型进行大体积混凝土温度预测与控制的新思路。通过实验 ,该模型可达到较好的效果 ,具有一定的可操作性和实用性。为今后大体积混凝土温度预测与控制提供了可借鉴的方法。

应用带有偏差单元的IRN模型评价土坝的病害缺陷

对土坝的病害缺陷的评价方法进行了探讨,结合水利部颁布的《水库大坝安全鉴定办法》和大坝安全鉴定工作的特点,提出运用人工神经网络中带有偏差单元的IRN(InternallyRecurrentNet)模型进行土坝的病害缺陷评价的新思路。通过实例验证,该模型可达到较好的效果,具有一定的可操作性。为今后土坝的病害缺陷评价提供了可供借鉴的方法。

带偏差单元的神经网络对软基公路总沉降的预测

针对公路软基沉降预测这一技术难题 ,对影响沉降的主要因素进行了分析和探讨 ,提出了利用带偏差单元的神经网络模型对软基公路工后总沉降进行预测的新思路。通过实例验证 ,该模型预测精度高、简便易行 ,为软基沉降预测和计算提供了方法上的参考。

带偏差单元BP神经网络土体灌浆压力预测

灌浆压力是土体灌浆加固的重要参数。基于神经网络非线性映射特性,分析土体灌浆压力主要影响因素,建立符合一般工程判断和决策思维的BP网络预测模型,并引入偏差单元对其结构进行改进,实现了快速收敛,较高精度得出灌浆预测压力的具体数值。预测结果与室内灌浆试验压力对比表明,带偏差单元BP神经网络的土体灌浆压力预测结果具有较高准确性和一定的实用意义。

带偏差单元的递归神经网络应用于围岩参数预测

将带偏差单元的递归神经网络应用到围岩参数预测中,结果表明:它比位移反分析法简便,也比常规的人工神经BP网络精度高、心敛速度快。

带有偏差单元的递归神经网络在故障诊断方面的应用优化

针对多层BP网络的不足,在BP网的基础上,给出一种带有偏差单元的递归神经网络模型及其算法,在学习过程中引入经验知识.仿真表明该算法能大大提高学习速度和训练精度.

带有偏差单元的递归神经网络在故障诊断方面的应用

针对多层BP网络的不足，在BP网的基础上，给出一种带有偏差单元的递归神经网络模型及其算法，在学习过程中引入经验知识。仿真表明该算法能大大提高学习速度和训练精度。

粘弹性阻尼结构的递归神经网络优化

根据粘弹性阻尼结构减震理论及神经网络控制理论,提出应用带有偏差单元的递归神经网络(RNNWBU)进行粘弹性阻尼结构优化的新方法.该法通过对粘弹性阻尼结构进行神经网络优化设置,从而可以考虑不同地震动特性的影响.通过数值仿真分析,可看出该方法是对粘弹性阻尼结构的传统优化方法的进一步发展,因而具有更大的优越性,对推动结构控制理论的发展具有重要意义.

基于递归神经网络的减震结构模糊控制研究

根据神经-模糊控制理论和减震结构混合控制理论,利用基于弹塑性时程分析自动提取减震结构模糊控制规则的方法获取原始训练样本,能考虑不同地震动特性的影响.应用带偏差单元的递归神经网络(RN-NWBU)形成减震结构模糊控制规则的关系生成方法和推理合成算法,能够实现神经网络驱动的混合控制结构体系模糊推理,从而能实现神经-模糊控制器的设计,应用装设有神经-模糊控制器的系统能够在线控制结构地震反应.通过半主动调谐质量阻尼器(SATMD)与消能减震相结合的混合控制结构体系的数值仿真分析,可看出本文方法能有效地在线控制结构地震反应.本文对推动结构控制理论的发展具有重要意义.

基于震动信号的神经网络目标识别

随着传感器技术的发展和信息融合技术的应用,信息的获取和处理进入一个全新的时期。在利用地面传感器获取目标地震信号特征的基础上,借助神经网络理论,解决基于地震动信号的典型目标的模式识别问题。并设计了一种带偏差单元的回归网络用于目标识别,通过实验仿真证明了带偏差单元的回归网络在模式识别中的优越性。

模糊优选递归神经网络模型及其在水利水电投资项目评价中的应用

在模糊优选BP神经网络模型上,加入反馈信号及偏差单元,生成递归神经网络.其基本思想是通过对前馈神经网络中加入附加的、内部的反馈通道来增加网络本身处理动态信息的能力.将该模型用于水电投资项目的评价,所得结果与其它方法所得结果相比较,对该方法用于水利水电投资项目的评价的有效性进行了说明.