基于CA理论与神经网络学说的建筑城市性研究

通过分析城市深基坑沉降量时间序列的非线性动力学系统,认为该时间序列具有混沌特性.在此基础上,通过相空间重构的方法建立了用于城市深基坑沉降量预测的混沌神经网络模型;并利用此模型对上海某深基坑沉降量进行了预测,取得了较为满意的预测效果.

基于bp神经网络的城市建筑热环境研究——本文针对现代城市中越来越严重的热岛现象与能源问题，首先分析了北京市近60年的温度资料，可知60年来城区内的年平均温度升高了2.28°c，温度增幅为0.38°c/10a。而后综合考虑城市建筑热环境的各种影响因素，利用bp神经网...

为研究严寒地区建筑热环境和人体热舒适,于2004年9月至2005年12月在哈尔滨进行了20次现场研究,测量了室内热舒适参数.利用人工神经网络方法,建立了严寒地区建筑pmv的bp神经网络评判模型,实现了对严寒地区建筑热环境内pmv的智能化预测.现场研究结果验证表明,该模型预测的严寒地区建筑热环境内pmv与实际主观调查吻合.

在建筑行业的投标报价过程中,如何在众多的信息中选出对最终报价影响较大的几项因素以及如何确定这些因素与最终报价之间的关系是一个棘手的问题.论文针对这两大难题提出了基于神经网络技术的解决方法.首先根据贡献变量分析理论确定出影响报价结果的9个报价因素,从而建立起基于神经网络的报价模型,然后在所确定模型的基础上改进传统的bp算法,进一步提高网络的泛化能力.从实际应用的结果可以看出,经过变量选择后所确定的报价因素是合理的,改进学习算法后的网络的泛化能力也有了很大的提高.

短时交通流预测是现代智能交通系统的核心内容,针对城市道路被占所造成的城市交通拥堵排队问题,以路段视频统计为例,利用bp神经网络方法就实际通行能力、具体车辆数、事故持续时间与排队最长长度之间的关系进行预测分析,从实验模拟结果来看,该方法能有效地解决交通流实时和可靠性预测。

过程神经元网络的输入为时变连续函数,不能直接输入离散样本。针对该问题,提出一种基于分段线性插值函数的过程神经网络训练方法。将样本函数、过程神经元权函数的离散化数据插值为分段表示的线性函数,计算样本函数与权值函数乘积在给定采样区间上的积分,将此积分值提交给网络的隐层过程神经元,并计算网络输出。实验结果证明了该方法的有效性。

针对电力系统短期负荷预测的特点,以及人工神经网络的自学习和复杂的非线性拟合能力,将人工神经网络的bp、elman、rbf三种模型用于短期负荷预测,建立了短期电力负荷预测模型,综合考虑气象、天气等影响负荷因素进行短期负荷预测。某电网实际预测结果表明,rbf比bp、elman有更好的预测精度,更快的速度。

1.引言神经网络是一种信息处理系统,它由大量而简单的处理单元(神经元)广泛的相连接而形成复杂系统,它通过学习来解决问题,基坑沉降的预测是一项难以通过理论分析出影响因素与沉降结果映射关系的工作,而这项工作如果交

文中从城市道路利用者的基本感受角度出发,提出一套科学合理的城市道路交通满意度评价体系,利用层次分析法与bp神经网络最终确定评价结果,发现城市道路交通系统中存在的问题,以期找出解决问题的有效途径,为城市交通管理部门提供科学的决策依据,最终提高城市道路交通的服务质量。

针对六自由度机械臂耦合性强、时变、非线性等性能,基于拉格朗日动力学建模方法,文章采用bp神经网络逼近模型,实现高精度轨迹跟踪。该方法根据六自由度机械臂本体采集的数据进行黑箱辨识建模解耦,建模过程采用bp神经网络逼近,提升建模精度、简化建模过程。针对解耦后的系统,还需建立pid闭环控制器进一步实现轨迹跟踪控制。仿真及实验结果表明,基于bp神经网络的pid控制器能够改善系统的鲁棒性和稳定性,并有效抑制抖动。

分析了对工程造价有重要影响的众多因素,参考国内外专家、学者的研究成果,确定了影响工程造价的18个主要因素,并基于rbf神经网络建立了工程造价决策模型。本文利用rbf神经网络快速、准确的函数逼近能力,为工程造价决策提供了一种新的方法。

针对地质勘查中,土的力学参数的确定及土的分类这两类复杂问题,根据反问题理论的基本原理,提出了一种基于回归分析与rbf神经网络结合的新型智能方法,建立了从土的力学参数估计到模型分类的完整智能化分析系统。考虑到土的物理参数测定方法比较简单,且实测变异性小,而力学参数实测变异性大的特点,利用rbf神经网络的数值逼近的特性,建立了神经网络模型来逼近两者之间的函数关系,可以有效地反演力学参数。同时,利用rbf神经网络所具有的模式识别功能,为地质勘察中土层划分提供依据。通过对黄石地区岩土勘查资料的分析与预测表明,该方法简捷有效。

边坡地表位移监测是滑坡安全监控中的重要内容,对监测资料进行及时、合理、有效的分析,获取滑坡变形规律和安全状况是滑坡监测的重要工作之一。文中将基于bp算法的小波神经网络预测模型引入变形监测预报中,对工程实例进行预测。结果表明小波神经网络预测可以取得良好的效果,且自适应预测能力较强。

针对房地产价格与其影响因素之间的复杂、非线性关系,采用遗传bp神经网络作为房地产估价的技术方法,构建了基于遗传bp神经网络的房地产估价模型。结果表明:遗传bp神经网络算法在房地产估价中具有可行性,对提高房地产估价的精度有一定的实用价值。

负荷预测是实现电力系统优化运行的基础,对于电力系统的安全性、可靠性和经济性都有着显著的影响。rbf是一种三层前馈神经网络,具有良好的函数逼近性能,已被广泛应用到电力负荷预测中,并取得良好的效果。本文主要整理并介绍当前基于rfb神经网的负荷预测方法,对存在的问题进行了分析,并对未来的发展进行了展望。

负荷预测是实现电力系统优化运行的基础，对于电力系统的安全性、可靠性和经济性都有着显著的影响。rbf是一种三层前馈神经网络，具有良好的函数逼近性能，已被广泛应用到电力负荷预测中，并取得良好的效果。本文主要整理并介绍当前基于rfb神经网的负荷预测方法，对存在的问题进行了分析，并对未来的发展进行了展望。

**资讯http://www.***.***

在分析城市商品住宅价格影响因素的基础上,用人均国民生产总值、商品住宅销售面积、人均可支配收入、人均储蓄存款余额、人均居住面积等可定量的统计数据作为输入变量,单位面积商品住宅价格为输出变量,建立bp网络,拟合商品住宅价格模型。用西安市的统计数据作为分析实例表明,模型拟合性较好。

本文结合住宅房地产的价格理论和相关网站上的数据,科学地选取影响商品住宅价格的影响指标为人均gdp、人均可支配收入、人口数量、房地产开发投资额和商品住宅建筑面积,并以此建立hedonic商品住宅价格影响因素模型。依照bp神经网络预测的实现步骤,探索bp神经网络在预测海口市商品住宅价格的应用,得到2018年6月-2019年5月商品住宅价格预测值,对海口市商品住宅价格的研究具有一定的指导作用。

基于神经网络房地产价格指数的预测研究——研究表明,房地产价格指数常表现为非线性,要对它进行预测就必须利用一种能模拟非线性的模型。从理论上讲,神经网络能够无限逼近非线性函数,所以本文便尝试采用神经网络模型作为预测的模型。本文具体运用的是基于误差反向...

本文旨在构建一种污水生化需氧量bod的软测量方法,通过建立基于递归神经网络的bod软测量模型,建立了递归神经网络结构下的bod软测量学习算法.文中首先对软测量模型进行整体设计,接着构造局部递归神经网络结构,并对递归神经网络结构下的污水处理参数bod进行建模,同时阐述了主导变量和辅助变量之间的关系,以及如何选取辅助变量作为网络学习的参数.最后使用构建的学习算法在递归神经网络的框架下对污水处理参数bod进行软测量预测,结果显示能够提高bod软测量的精度.

针对工业过程中直线行程的高精度测量问题,提出了基于神经网络函数逼近原理,以巨磁阻(gmr)传感器为核心的非接触式测量系统。运用等效电流法对提供磁场的圆柱形永磁体进行建模并仿真,得到永磁体磁场在空间中的分布规律,从而确定磁体的位置及形状参数。通过matlab建立bp神经网络,用遗传算法进行优化,最终获取了位移与电压的函数关系,研究结果表明:该测量系统可以精确地测量直线位移。