基于遗传BP神经网络模型土地利用变化预测模型

bp神经网络具有自适应机制,通过训练和学习,达到对知识进行分类、模式判别、联想记忆等能力,岩土工程的灾害预测问题可以看作是一个模式识别问题,而岩土工程中变形情况的监测和预测模型的研究是矿山、建筑、水利等工程的一项重要课题,近年来安全监测技术发展有了巨大的飞跃,呈现出"实时"、"远程"、"非接触"的特点。针对bp神经网络预测模型监测在岩土工程方面的应用,应用bp人工神经网络实现了对岩土工程安全监测数据的预测预报,并对预测结果进行了分析,说明了隐含层数对预测结果误差的影响。通过比对,选择了误差最小的较优组合对岩土工程进行预测。

第47卷第6期厦门大学学报(自然科学版)vol.47no.6 2008年11月journalofxiamenuniversity(naturalscience)nov.2008 基于bp神经网络的工程估价模型及其应用 叶青,王全凤 (华侨大学土木工程学院,福建泉州362021) 收稿日期:20080414 基金项目:福建省自然科学基金(2008j0196)资助 email:yeqing@hqu.edu.cn 摘要:基于bp神经网络的工程估价模型具有高度的容错性和较强的泛化能力,通过对数据并行处理的方式能快速准 确地估算出工程造价.本文根据bp神经网络原理,选取福建泉州地区的21组工程实例来建立模型,其中19组为训练样 本,2组为检测样本,确定了13个主要造价

文章论述了基于主成分分析法的bp模型结构,用新的方法来改进科研绩效评价系统统计的合理性和正确性。

分析了传统的工程伪装评价方法的不足，较全面地考虑了影响工程伪装效能的因素，建立了客观的评价模型，设计了两级神经网络，初步提出了评价模型中各因素的指标级，构建了基于bp神经网络的工程伪装效能评估系统，该系统可以实现对工程伪装效能的客观评估。

采用comgis(组件式地理信息系统)技术开发了结合专业震害分析模型的建筑物震害评估系统,讨论了基于bp人工神经网络和gis耦合模型的多层砖房震害预测.研究表明:水平成层土地震反应分析程序shake91在vb菜单下可直接调用,实现地震动影响场计算的模块化;bp神经网络应用于建筑物震害预测中,能达到较理想的效果,其计算模型在系统菜单下可直接调用;系统的gis空间分析功能可使震害预测结果与建筑物信息进行空间匹配,实现地震灾害损失快速评估.

基于灰色bp神经网络组合模型的基坑变形预测研究——为了使得基坑变形预测在“少样本”、“贫信息”的情况下依然能够得出精度较高的结果，在传统的灰色gm(1，1)模型和bp神经网络模型的基础上，进行了灰色bp神经网络组合模型的研究。通过总结2传统模型的原理和算...

根据bp神经网络原理,以建筑特征参数为输入变量,利用实际资料对网络进行训练和模拟,收集了16个住宅工程,其中的14个作为训练样本,2个作为检测实例。结果显示,该模型在建筑工程造价预测中具有有效性。

讨论如何利用人工神经网络进行电力系统短期负荷预测。研究结果表明:基于bp神经网络的短期电力负荷预测具有精度高的特点,符合预测结果的相对误差小于3.06%。

提出了根据实测数据构造神经网络变形预测模型的基本思路,构造出基于bp算法的神经网络变形预测模型,并给出应用实例分析。结果表明,神经网络应用于变形预测效果良好,具有一定参考价值和指导意义。

人工神经网络是在模仿人脑处理问题的过程中发展起来的新型智能信息处理理论,通过对人工神经网络及bp网络的基本原理与特征的分析,建立了工程估价预测模型.

**资讯http://www.***.*** **资讯http://www.***.*** **资讯http://www.***.***

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

在分析普通混凝土强度影响因素基础上,选取混凝土配料中7个因素作为输入值,混凝土28d强度作为输出值建立了混凝土强度预测的bp网络模型。讨论了模型的学习样本、网络参数对预测精度的影响,选出最佳网络参数配置。实例证明模型预测精度高。

中观层次的城市土地集约利用评价是以城市功能区为研究对象,通过建立各功能区的评价单元,对城市土地的投入产出效益进行定量分析研究的过程。从土地利用、土地投入、土地产出三个方面构建评价指标体系,借助bp神经网络模型从中观层次对淮安市清河区城市土地进行集约利用评价。结果显示,清河区土地集约利用水平总体较高,仍需加强土地的投入产出效益。研究表明,bp神经网络模型是一种较客观的评价方法,中观评价则能更详细地了解城市内部各个区域的土地利用情况,为政府决策提供更好的依据。

目前常见的沉降预测方法有灰色系统模型、时间序列分析法、bp神经网络及其改进算法等。针对bp神经网络容易出现过拟合和局部最优的缺点,部分学者利用遗传算法进行神经网络初始权值和阈值优化。但是遗传算法对于因监测数据质量问题而造成变形预测结果不佳的优化效果有限。因此引入自适应增强算法对遗传神经网络预测模型进行改进。并利用某高层建筑基坑实测50期监测数据进行仿真预测。实验结果表明,利用自适应增强算法改进之后的遗传神经网络预测模型在满足工程监测精度要求的前提下,在mape、mae、mse三项精度指标上分别提高80.57%、81.04%、70.83%。

以bp人工神经网络模型为基础,建立预测模型,以小区某栋建筑物1期～8期的沉降观测数据为输入数据和输出数据,对网络模型进行训练,并对9期～12期实际观测值与预测值进行了比较,结果比较理想,从而验证了采用bp人工神经网络模型进行建筑物沉降的预测是可行的。

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.

bp神经网络-灰色系统联合模型预测软基沉降量——目前软基沉降预测多采用指数曲线和双曲线延伸法，其结果不够理想，神经网络在此方面的运用也存在一定的局限，虽然gm(1，1)模型在软基沉降预测领域已得到运用，但在已有的案例中所使用的等时距模型都没有明确说明...

空调系统的负荷与诸多影响因素之间是一种多变量、强耦合、严重非线性的关系,且这种关系具有动态性,因而传统方法的预测精度不高。而动态回归神经网络能更生动、更直接地反映系统的动态特性。针对这个特点,建立了基于elman型神经网络的空调负荷预测模型,并进行了实例预测。文中还比较了elman网络和bp网络结构的建模效果,仿真实验证明了elman神经网络具有动态特性好、逼近速度快、精度高等特点,说明elman网络是一种新颖、可靠的负荷预测方法。

利用平朔矿区3个时相的tm影像数据,结合矿区土地利用的实际特点,划分了耕地、林草地、工业及住宅用地、水域、交通用地、待复垦地和未利用地7种矿区土地利用类型,分析并研究了平朔矿区土地利用中灰色建模的方法以及求解过程。预测结果表明:矿区耕地逐渐下降,到2023年预计耕地面积18173.21hm2,占矿区总面积的45.4%;同时由塌陷地和排土场形成的待复垦地逐渐增多,预计2023年将达到3849.62hm2。因此,应该加大土地复垦的力度和进度,促进已复垦地尽快转为耕地,协调生产建设和生态建设对土地利用的改变速度,保证矿区各类土地的可持续利用。

第47卷第6期厦门大学学报(自然科学版)vol.47no.6 2008年11月journalofxiamenuniversity(naturalscience)nov.2008 基于bp神经网络的工程估价模型及其应用 叶青,王全凤 (华侨大学土木工程学院,福建泉州362021) 收稿日期:20080414 基金项目:福建省自然科学基金(2008j0196)资助 email:yeqing@hqu.edu.cn 摘要:基于bp神经网络的工程估价模型具有高度的容错性和较强的泛化能力,通过对数据并行处理的方式能快速准 确地估算出工程造价.本文根据bp神经网络原理,选取福建泉州地区的21组工程实例来建立模型,其中19组为训练样 本,2组为检测样本,确定了13个主要造价

利用改进的基于bp神经网络模型的有限时间残差模型,分析不同速度和不同工况下的冷却功率与效率之间的关系,以获得一定的功耗。一方面,预测的绝对百分比误差模型,总体效应；另一方面,证明改进后的模型比经典bp神经网络更有效,预测精度提高了16.89%。