基于BP神经网络和模糊均值聚类融合算法的隧道工程造价建模与估算研究

隧道工程投资估算编制对造价控制具有重要的作用,然而随着新技术、新工艺、新材料的不断涌现,传统的定额估算编制方法已较难适应新情况的发展,而信息技术和智能算法在工程造价中的应用和发展使得更先进、高效和准确的投资估算方式成为可能。文章基于BP神经网络和模糊均值聚类融合算法,对隧道工程造价进行建模与估算研究,在拟建隧道项目与已建项目的造价数据的相似程度较小和已知造价数据不充分的条件下构建非线性造价估算模型,并以鱼珠隧道为案例进行了实证分析,验证了成果的先进性与可靠性,为隧道工程前期造价控制提供了一种新的思路与方法。

基于构造型反馈神经网络聚类算法

文章改进了自反馈FP聚类算法,并将该聚类算法应用于中国的证券市场。对应用的结果进行分析,说明了自反馈FP聚类算法作为聚类分析器在证券研究的应用中具有实用价值,以及在对证券市场深入研究中具有较好的应用前景。

一种基于聚类算法的网络入侵检测应用

针对网络入侵检测与聚类等问题,提出了一种综合模糊聚类与改进的SOM神经网络方法.通过对网络入侵数据提取、分析和处理,建立了网络入侵检测聚类模型,并对传统SOM网络层次进行改进,结合易发的网络入侵类型有针对性地对网络入侵数据进行聚类.网络入侵检测聚类与其他方法比较的结果表明,该模型在网络入侵检测聚类中具有更高的准确性和均衡性,该方法能有效提高网络入侵分类精度,减少聚类误差.

基于自构建RBF神经网络的内模控制

针对复杂的非线性被控过程,本文提出一种基于自构建RBF神经网络的内模控制方法。该方法中,神经网络的自构建学习算法包括结构学习和参数学习。结构学习采用最近邻聚类法使网络能够自适应地在线增加和删减神经元以达到理想的网络结构。神经网络的参数学习采用梯度下降法。将该神经网络用于内模控制,使得辨识被控过程内部模型和控制器模型的神经网络的神经元个数可以根据激励强度动态改变,进而改善了控制系统的动态性能和鲁棒性。仿真结果表明了所提方法的有效性。

基于模糊神经网络的桥梁施工多目标风险分析与评价

为构建桥梁施工的风险评估模型,同时构建桥梁施工风险评估体系,基于改进蝙蝠算法优化的FCM聚类分析对TS模糊神经网络模型进行优化,将优化后的神经网络模型用于施工风险评价中。从人员风险、材料设备风险、外部环境风险和其他风险构建了桥梁施工风险评估体系,分析了2个施工方案的风险等级,结果表明:施工方案1在不同年份的风险等级为较低风险和低风险等级,施工方案2在不同年份的风险均为低风险等级,表明该模型可选出最优施工方案。