BP神经网络在特装修理费用预测中的应用

在对某基坑工程采用bp神经网络模型预测基坑开挖引起地表变形的分析中,考虑到现有模型可能会遇到预测结果跳不出训练样本以及训练时间较长的问题,提出采用matlab中的mapminmax函数进行归一化处理,并基于牛顿法、共轭梯度法和l-m法三种数值优化方法对bp网络训练算法进行了改进.研究结果表明:与常用的基于梯度下降原则相比,改进后的bp神经网络在训练时间和预测误差方面均有明显的优势,采用l-m法的神经网络在训练样本时的迭代次数最少为74次,采用共轭梯度法的预测结果与实测结果的误差最大为2.4％,而采用牛顿法神经网络的预测值则比较均衡,预测结果相对最佳.

bp神经网络是分析处理复杂非线性问题的一种有效方法,是目前广泛应用的一种神经网络,已被逐渐应用于对宏观经济问题的研究中。本文有机地整合了计量经济学与bp神经网络,建立了基于因果关系理论来确定bp网络的输入变量,基于协整理论来分析bp网络系统的可靠性,基于学习率可变的动量bp算法的用于研究经济领域问题的改进bp神经网络预测模型,加强了网络模型的理论基础,提高了网络模型的质量,并将其应用于西北建筑业的预测和控制中,取得了令人满意的效果。

提出一种采用bp神经网络算法来预测深基坑沉降的方法,结合具体工程实例,构建了预测深基坑周边地表沉降具体bp神经网络模型,预测结果表明,该模型有较高的预测精度,可作为预测沉降的一种新方法。

bp神经网络在地基土压缩指数预测中的应用——为了寻求基于多个常规物理参数间接得到土变形参数的途径，根据几个实际工程中的土工试验数据，利用bp神经网络方法对土压缩指数进行预测。选取土塑性指数、含水量、孔隙比、密度这4个常规物理参数作为影响土压缩指数...

结合某桩锚支护深基坑工程,针对不同工况,利用监测数据作为输入建立bp神经网络模型,预测桩体水平位移.结果表明,不同工况下的预测精度不同,桩体位移较大时预测精度较高,位移较小时预测精度较差;对于工况变化时位移曲线的变化趋势,预测结果的适应性良好;bp神经网络预测桩体水平位移具有较高的可行性和可靠性.

为了预测高速公路路基最终沉降量,首先依据影响软土路基沉降的因素选取参数建立了bp神经网络预测最终沉降量模型.结合成都-南充高速公路沉降实测资料及其它文献中大量路基沉降资料,利用bp神经网络预测了其各自最终沉降量.通过检验样本验证,预测精度较高,能够满足实际需要.并对bp神经网络在公路建设中的应用提出了一些注意事项.

要对非线性趋势房地产价格指数进行预测,就必须利用模拟非线性的模型,采用bp人工神经网络的改进算法,建立了基于bp神经网络的房地产价格指数预测模型。结果表明:该模型预测精度较高,能较好地反映房地产价格指数内在变化规律。

阐述了bp人工神经网络原理,分析了地基承载力的影响因素,以云安县六都—高要大湾二级公路(云浮段)新建工程勘察数据为例,通过建立神经网络模型并对模型进行训练,结果表明,该模型比较精确,可在今后勘察工作中运用。

应用matlab提供的神经网络工具箱作为bp神经网络训练和仿真的平台,并进行语言编程,通过采用不同隐函数节点数进行对比试验,采用精度与误差都合适的节点数进行训练与预测,观察预测的精度,并分析神经网络对抗压强度结果预测的可应用性,从而得出一些有益的结论。

针对传统bp神经网络存在的缺点,提出基于遗传优化的变梯度反向传播的bp神经网络预测方法,采用遗传算法优化bp神经网络的初始权重,建立路基沉降预测模型。该模型可克服bp神经网络模型存在的收敛速度慢、易陷入局部极小点等缺点。结合现场实测数据,将该优化模型与指数曲线模型、双曲线模型、灰色预测模型和传统bp神经网络预测模型对比,结果表明改进的bp神经网络在路基沉降预测中精度最高,适宜于广泛推广应用。

针对传统的bp神经网络存在的缺点,提出了用附加动量法、自适应学习速率和l-m优化算法等几种算法进行优化。通过对比分析,证明了采用l-m优化和附加动量因子算法相结合取得了最优的预测效果。该方法克服了bp神经网络模型存在的收敛速度慢、易陷入局部极小点的缺点。结合现场实测数据,将该优化模型与传统的bp神经网络预测模型对比,预测结果表明改进的bp神经网络在路基沉降预测中精度最高,适宜广泛采用。

针对滇西复杂地质条件下隧道围岩变形预测问题,以bp神经网络为基础,引入了改进后的粒子群算法,通过调试和改进建立了pso-bp神经网络.该神经网络结合了粒子群算法的全局搜索能力和bp神经网络的局部搜索能力,非线性映射能力强,泛化能力强,具有一定的容错能力.计算结果表明:pso-bp神经网络预测精度高,平均绝对误差为2.4mm,平均相对误差为2.7％,满足隧道围岩变形预测精度的需要.

本文采用bp神经网络预测模型,通过在matlab软件建模,并对实际工程项目的支护结构顶水平位移的监测数据进行分析,预测其后的监测数据,结果表明bp神经网络拟合效果优越,仿真性强,具有很强的泛化能力,能够对实际工程的支护结构顶水平位移进行有效预测.

为了提供早期预测再生粗骨料混凝土强度的有效方法,从8篇文献中收集了47组样本,借助matlabr2015a平台,基于bp神经网络,建立了以单位体积的水、水泥、砂、碎石、再生粗骨料用量作为输入,以再生混凝土28d棱柱体抗压强度作为输出的含单隐层的3层神经网络模型,其结构为5-21-1.对网络进行训练后的仿真结果表明,预测的最大相对误差为18.69%,预测误差小于5%的占样本总量的78.72%.预测结果表明用bp神经网络模型预测再生混凝土的强度是可行的.

研究房地产价格准确预测问题。由于房地产价格影响因子间信息严重冗余,受到社会上多种因素的影响。传统预测方法不能消除因子间的冗余信息,导致学习时间长、预测精度低。为了提高房地产价格的预测精度,提出一种粗糙集理论bp神经网络的房地产价格预测模型(rs-bpnn)。rs-bpnn模型首先采用粗糙集理论消除房地产价格因子间冗余信息,提取重要因子,然后采用非线性预测能力非常强的bp神经网络对处理后的数据进行学习建模,用建立好的模型对房地产价格进行预测。仿真结果表明,rs-bpnn房地产价格预测速度比传统预测方法快,预测精度更高,说明rs-bpnn的预测结果可以为政策制定者和房地商及买房提供参考。

运用bp神经网络方法,对土木工程造价做有益的探讨。利用神经网络可以节省时间,减小历史状况对价格估算的影响,也有利于应用工程量清单为基础的国际惯例。并以收集到的样本为例,对该模型进行了实证研究,表明了该方法的有效性。

应用bp神经网络预测基坑变形——通过分析基坑监测数据，找出其中蕴含的基坑支护系统变形的规律，应用bp神经网络预测系统未来的发展动态，对下一步支护开挖提供指导，同时可反馈设计，从而达到控制基坑支护变形的目的。

基于人工神经网络强大的动态数据处理能力和学习能力，本文对应用bp神经网进行建筑物沉降预测的方法进行了初步探讨，并通过实例分析了该方法的可行性和实用性。

bp神经网络融合预报在深基坑监测中的应用——针对多传感器采集的多种变形信息，提出了利用bp人工神经网络的方法进行数据融合处理，以达到对变形体变形状况更加准确预报的目的。通过bp神经网络训练精确得到各种观测值权重，避免了人为主观因素的影响。利用该方法...

在城市发展进程中现存的旧建筑是拆旧建新还是进行改造,应进行社会影响评价;在此评价过程中要体现以人为本的精神,公众也应参与到评价中来。本文利用bp人工神经网络,将主、客观性评价指标的评价结果经与模糊集所对应的评价值规范化处理后,作为输入单元的输入值,合理地解决主、客观性指标的综合评价问题,可以在社会影响评价中更充分地体现社会上不同团体和个人的利益与观点,有助于旧建筑改造再利用社会评价的开展。

bp神经网络法在房产估价中的应用——阐述了各种房地产估价的方法,在比较各种现有方法的基础上,采用bp神经网络法进行房产估价.将bp神经网络理论应用于房地产估价,计算实例表明,应用bp神经网络法进行房产评估,可以克服传统方法上的一些缺点,估价结果更科学、合理...

叙述了bp神经网络的基本原理及算法,介绍了bp神经网络在工程岩体质量分级,确定岩体强度,修正边坡岩体弹性力学参数,边坡稳定分析等方面的应用。