钢管纤维混凝土柱周期疲劳破坏试验研究

为研究反复荷载作用下钢管纤维混凝土柱的疲劳破坏特性,以钢管、纤维和混凝土为原材料,开展钢管纤维混凝土柱的循环加载试验,得到钢管纤维混凝土柱的基本力学特性以及周期疲劳破坏特性,并研究了疲劳强度、径向应变随加载次数变化的规律。     

基于BP神经网络的短期负荷预测

电力系统负荷预测的重要性、分类和主要预测方法,BP神经网络算法的基本理论和预测过程,建立基于BP神经网络的短期负荷预测模型,以加州24 h的电力负荷预测为例进行MATLAB仿真,结果显示预测精度符合电力系统要求。     

基于灰色BP神经网络模型的电网工程造价预测研究

提高电网工程造价预测水平,是在巨大投资精益化管理要求的大环境下,精准化实现控制成本、提高投资效率的重要保障。为提高工程造价预测精准度,针对BP神经网络模型易陷入局部极小值、收敛速度慢、预测不够准确及灰色预测模型光滑离散度低、未考虑分布规律等缺点,提出将BP神经网络模型和灰色预测模型相结合的方式,构建一套基于灰色理论的BP神经网络预测模型。     

用神经网络对开式冷挤压极限变形程度的预测

给出了基于 BP网络的极限变形程度预测的分析方法 ,得到了开式冷挤压εmax神经网络计算结果 ,与实验结果比较 ,其精度较高 ,证明了神经网络模型在开式冷挤压工艺中应用的可行性。     

BP神经网络在药品销售预测中的应用

目的对药品销售情况进行科学的分析和预测,为合理制订药品采购计划提供参考。方法利用BP神经网络的数据分析、统计、对非线性数据进行拟合等功能,对药品未来的销售量和销售趋势进行分析和预测。结果BP神经网络仿真预测的药品销售量与实际销售量无显著性差异。结论BP神经网络在预测药品未来销售量上具有实际应用价值,为合理制订药品采购计划,降低药品流通成本提供参考依据。     

遗传算法优化的小波神经网络在短期电力负荷预测中的应用

本文利用遗产算法的全局优化搜索能力来优化了小波神经网络,建立了基于遗产算法的小波神经网络短期电力负荷预测模型,克服了BP神经网络自身算法的缺陷,得到了更高的学习精度和更快的收敛速度,经实例也验证了该模型能有效地提高预测精度,减小负荷预测误差,避免了BP神经网络的固有缺陷.     

方钢管铁尾矿再生混凝土柱抗震性能有限元分析

为解决铁尾矿再生混凝土在钢管混凝土柱中的应用问题,揭示不同参数条件下钢管铁尾矿再生混凝土柱滞回性能的变化规律,通过ABAQUS有限元软件建立了方钢管铁尾矿再生混凝土柱的数值模型。基于所建模型进行了参数化分析,研究了轴压比、宽厚比、长细比、材料强度等参数对试件抗震性能的影响。结果表明：随着轴压比由0增至0.6,承载力逐渐下降17.7%,延性逐渐下降,承载力退化速度加快;当钢材厚度不变,宽厚比由66.7减至28.6时,承载力大幅度提高61.61%,承载力退化速度放缓,耗能能力增加;随着长细比由13.16增至26.33,试件承载力下降17.5%,刚度明显下降,承载力退化速度变缓;钢材强度及混凝土强度的提升可有效提高承载力,而对试件刚度影响不大。研究证明了钢管铁尾矿再生混凝土柱具有良好的抗震性能,并可为钢管铁尾矿再生混凝土柱的应用提供理论参考。     

遗传算法优化BP神经网络的岩质边坡稳定性预测

为了解决边坡工程中非线性变化给稳定性预测造成的困难,建立了GA-BP神经网络计算模型预测岩质边坡稳定性。采用定性评价和相互作用矩阵复核的方式,选取边坡坡度、边坡高度、斜坡结构类型、岩体强度、控滑结构面倾角、岩体结构特征、地表变形强度、人类活动强度8个评价因子作为BP神经网络的输入变量;利用遗传算法对神经网络的初始权值和阈值进行优化后训练岩质边坡稳定性预测模型;对比分析GA-BP神经网络和BP神经网络的预测效果。结果表明,优化后的预测结果误差绝对值小于0.15的占85%,未优化的传统神经网络仅占45%,优化后的预测结果更加接近真实值,表明遗传算法对传统BP神经网络的优化是有效的。研究结果对建立岩质边坡稳定性预测模型具有一定的参考价值。     

基于MEA-BP神经网络建筑工程造价指数预测

为了对建筑工程造价指数进行准确有效预测,提出一种基于MEA-BP神经网络的预测方法.在收集天津市2017年1月—2020年9月的45组建筑工程造价指数样本的基础上,利用思维进化算法(Mind Evoluti-onary Algorithm,MEA)对BP神经网络的初始权值和阈值进行优化处理,构建基于MEA-BP神经网络...     

基于数据挖掘算法的变压器热点温度时序预测方法

为了解决油浸式电力变压器热点温度预测方法缺乏对短期热点温度走势的预测,无法满足动态增容决策要求的问题,以SFPSZ-180000/220型变压器为研究对象,首先,研究对比发现变压器的热点温度与负载率相关性最大,在此基础上,建立了基于支持向量回归的局部地区负荷预测模型,为变压器热点温度预测提供数据;其次,提出了基于数据挖掘算法的变压器热点温度时序预测方法,并在此基础上分别建立了支持向量回归、BP神经网络、决策树3种数据挖掘预测模型;最后,对一般输入-输出的建模方法的预测结果与基于时间延迟方法的预测结果,以及不同时间延迟下3种数据挖掘模型的预测结果进行了对比分析。结果表明,有外在输入的支持向量回归预测模型结果比BP神经网络和决策树吻合度更高,并且时间延时更小,预测结果精确度更高。有外在输入的支持向量回归预测模型在很大程度上提高了变压器热点温度预测精度,其预测结果可为变压器的动态增容决策提供有效参考。     

中国民用汽车保有量的组合预测

本文对中国民用汽车保有量进行了中短期的预测.文章基于组合预测误差平方和最小的条件.将指数平滑法和BP神经网络有机结合,从而提高了预测的精度和稳定性.并通过对中国民用汽车保有量的组合预测结果的分析,提出有利于中国汽车产业发展的政策建议.     

基于遗传神经网络的煤与瓦斯突出预测研究

为提高煤与瓦斯突出预测的效率和准确率,在煤与瓦斯突出影响因素分析的基础上,将遗传优化算法与BP神经网络相结合,对煤与瓦斯突出进行预测,避免了单纯神经网络易陷入局部最优问题。以平顶山八矿为研究对象,基于地质动力区划方法,搜集影响煤与瓦斯突出的相关数据,选取典型的突出样本对建立的遗传神经网络模型进行训练,对训练好的网络进行仿真预测,结果与实际情况相一致。     

基于BP神经网络的老汴河幸福河湖治理效果评价方法

为提高河湖治理评价效果,以老汴河某河道为研究区域,引入BP神经网络理论,设计幸福河湖治理效果评价方法。选取评价指标,构建河湖治理效果评价体系,并完成指标权重地计算;基于BP神经网络完成治理效果评价模型地构建,实现对老汴河幸福河湖治理效果的评价。实验结果表明,所提方法预测结果与治理期望结果较为吻合,应用效果较好,具有一定应用价值。     

灰色神经网络在轴承故障预测中的应用

为提高旋转机械中滚动轴承故障预测的精度,提出灰色神经网络预测模型。利用训练样本数据,使用灰色神经网络模型完成训练过程;基于已训练好的模型对未来时间点的运行状态进行拟合,实现轴承的故障趋势预测。相比采用单一的BP神经网络预测模型,该组合模型具有较高的精度,对轴承故障趋势预测有一定的现实意义。     

钢管柱顶升浇筑混凝土施工方法和技术经济分析

我公司92年在国营建城机械厂新建大容器车间工程中成功地应用了钢管混凝土柱顶升浇筑施工技术。 该工程系国家重点技改项目,厂房长132米,宽30米,高29米,柱网为30米×12米,屋盖采用钢屋架、预应力大板,厂房内设有中级及重极工作制桥式吊车,车间有28组三四立肢钢管混凝土柱,管内混凝土总量为160立方米。钢管混凝土多肢组合柱排架结构型式,虽然有很多优点,但它的高净空大跨度确实给施工带来一定的难度,柱的     

轴压空心圆钢管混凝土短柱的弹—黏塑性分析

利用Perzyna提出的三向应力状态下的弹—黏塑性本构模型,通过引入双剪统一强度理论,对空心圆钢管混凝土轴压短柱的核心混凝土进行了弹—黏塑性承载力分析,提出了空心圆钢管混凝土轴压短柱的极限承载力计算公式,与文献资料的试验结果作了比较,验证了理论公式的正确性。分析了混凝土的黏性、混凝土的拉压强度比以及中间主应力对圆钢管混凝土柱承载力的影响,该结果可为钢管混凝土柱的承载力分析计算提供了一定的理论依据。     

基于BP神经网络的黄金期货价格预测

在期货市场交易策略中,用预测目标作为衡量买卖时机交易的思想,是主流思想中的重要分支之一。为解决期货价格预测问题,文章对使用BP神经网络预测的方法进行探索。笔者以黄金1305期货合约2008年5月23日到2013年4月25日收盘价共857个数据为依据,建立了可自动调节参数的BP神经网络模型,并利用该网络对收盘价和收益率序列进行了滚动预测,根据预测结果进行期货品种的买卖。依据所构造策略进行交易,在模拟交易中获得了不错的收益。     

GA －BP 神经网络模型在地区工业技术创新能力评价中的应用

针对当前技术创新能力评价方法大多建立在线性模型的基础上,且技术创新能力影响因素较多,可能存在多重共线性的缺陷,本文提出了遗传算法优化的BP神经网络模型。GA－BP神经网络模型在以下几方面做出了改进：①利用了神经网络强大的非线性关系映射能力,避免了传统线性模型的缺陷。②利用遗传算法对评价指标进行了降维,去除了多重共线性。③使用遗传算法从全局搜寻BP神经网络权值和阀值向量,优化了BP神经网络模型,避免了BP神经网络由于使用梯度下降算法,容易陷入局部最优解的缺陷。本文最后选取2008～2013年全国31个省市规模以上工业企业技术创新能力124条数据作为训练样本,31条数据作为测试样本,分别测试遗传算法优化的BP神经网络和未优化的BP神经网络,测试结果显示遗传算法优化的BP神经网络模型预测准确率高于未优化的BP神经网络模型。     

结合相似日与改进神经网络的短期光伏发电预测

为提高光伏发电预测精度,本文运用灰色关联理论分析历史气象数据,筛选出与待测日天气数据关联度较高的历史数据组作为相似日集合。建立经思维进化算法优化的BP神经网络预测模型,将上述相似日集合作为训练样本代入预测模型用于预测光伏发电功率。以澳洲某光伏系统的数据为例进行预测,结果表明,相比传统BP神经网络法、RBF神经网络,结合相似日与思维进化算法优化神经网络的光伏短期发电预测方法具有更高的预测精度。     

改进型BP神经网络有助于短期电力负荷预测

近年来，短期电力负荷预测研究受到了普遍的重视。在多种研究方法中，改进型BP神经网络预测短期电力负荷的方法因具有较高的预测精度、相对误差小的负荷预测结果，而受到业内人士的格外关注。