基于遗传神经网络对FRP布加固混凝土柱承载力的预测研究

为了比较准确的预测应用FRP布加固混凝土柱的承载力，应用遗传神经网络来对加固后的混凝土柱承载力进行研究。该方法充分利用了神经网络与遗传算法的优点。预测结果表明，应用遗传神经网络方法对FRP布加固混凝土柱的承载力进行研究是可行的。     

活性粉末混凝土配制及其配合比计算方法

通过配制56组70.7 mm×70.7 mm×70.7 mm的活性粉末混凝土立方体试块,研究了水胶比和石英砂、硅灰、矿渣粉、钢纤维品种与掺量及养护制度对活性粉末混凝土的强度和流动度的影响.根据试验结果优选出了6组强度和流动性都比较好的活性粉末混凝土配合比,初步提出了活性粉末混凝土配合比计算方法.     

混凝土强度预测的混沌优化神经网络模型

BP神经网络方法由于综合考虑了高强度、高性能混凝土强度的各种影响因素，能够实现非线性关系，可以用于混凝土强度预测上。为克服传统BP网络收敛速度慢、易出现麻痹现象等不足，本文采用自适应变步长(ABPM)算法来改进的BP神经网络，提出了基于混沌优化的自适应变步长(ABPM)神经网络模型，并将其预测结果和训练效率进行了分析。该方法主要利用混沌运动的遍历性为梯度算法创造一个良好的搜索界面。仿真结果表明，混沌优化的ABPM神经网络用于混凝土强度的预测，方法简单可行，搜索速度快，预测结果可靠、精度高。     

应用RBF网络预测粉煤灰混凝土强度

介绍了神经网络应用中使用广泛的RBF神经网络的模型及其学习算法，将其用于粉煤灰混凝土强度预测，结果表明，RBF网络方法是一种可以定量分析、简便易行、具有较高精度的预测方法，在混凝土性能预测中具有广阔的应用前景。     

高性能混凝土坍落度预测的遗传规划方法

提出应用遗传规划理论(GP)对高性能混凝土坍落度进行预测。针对影响高性能混凝土坍落度的主要因素作为输入因子,坍落度值作为输出变量,应用改进的遗传规划方法模拟出输入-输出二者因果关系的显式数学解析式,建立了高性能混凝土坍落度预测的非线性数学模型。通过实测数据进行验证分析,并分别与线性回归和神经网络模型比较,表明GP模型具有更好的拟合精度和预测效果,为坍落度预测提供了新的方法。     

活性粉末混凝土配合比优化试验研究

活性粉末混凝土(Reactive Powder concrete,简称RPC)是一种具有超高性能和超高强度的水泥基复合材料。通过活性粉末混凝土(RPC)的配制试验,采用单因素优化方法,系统地研究水胶比、高效减水剂和硅灰的掺量对RPC抗折、抗压强度的影响规律。在考虑强度指标、造价及施工方便的基础上,提出了活性粉末混凝土最优配合比:水胶比(W/B)为0.21,硅灰水泥比(SF/C)为0.21,减水剂(SU/B)为3%。     

基于SHPB的活性粉末混凝土动态力学性能研究

目的活性粉末混凝土作为新型材料已广泛应用,其静态研究相对简单,研究成果比较成熟。但动态研究受到实验设备、环境、温度等各方面影响,成果参差不齐。借助SHPB实验装置研究活性粉末混凝土的动态力学性能,综述实验装置、实验原理、实验过程、数据采集及数据分析、实验结论及实验不足,以供相关研究人员参考。方法选择合适尺寸的活性粉末混凝土试件,利用SHPB压杆装置对试件进行冲击压缩实验,得到多组高应变率下入射波、反射波和透射波曲线,根据应力波理论转换为活性粉末混凝土试件的应力、应变和应变率随时间变化的关系,进而得到多组花岗岩在不同应变率下的应力、应变关系曲线。结果实验数据表明,活性粉末混凝土在高应变率下,极限强度随应变率的提高而相应增大,但不是无限增大,在应变率为87(1/s)时,极限抗压强度达到最大,为254 MPa。但继续增大时反而出现减小的趋势。这也是众多学者研究不一的地方。随着应变率的提高,材料的屈服极限强度提高,延伸率降低,屈服之后,断裂破坏应变减小。结论针对活性粉末混凝土的动态力学性能研究具有重要意义,但与以往的实验结果进行对比,发现该实验数据和结论差异性大,显然,改良了混凝土的配合比,外加钢纤维掺入,材料各方面性能会有很大的改观,但是定性分析,尤其是动态强度的定性分析与实验设备、环境材料的加工工艺都有很大关系。因此分析结论仅对本次实验有效。     

钢纤维活性粉末混凝土的养护方法研究

活性粉末混凝土(Reactive Powder Concrete,简称RPC)是一种具有超高性能和超高强度的水泥基复合材料。通过研究热养护温度(70、80、90℃)、热养护时间(48、729、6 h)及标准养护等养护方法对活性粉末混凝土立方体试块抗压和劈裂抗拉强度的影响,依据强度指标及考虑养护简便、经济,确定适合工程实践的养护方法。     

钢纤维活性粉末混凝土高温爆裂性能对比分析

钢纤维活性粉末混凝土在高温下会发生爆裂破坏,使其在工程中的应用受到严重制约。从爆裂起始温度及爆裂持续时间、爆裂破坏形态几方面对钢纤维活性粉末混凝土的高温爆裂性能进行了研究。对比分析了水胶比、含水率、升温速度和试件尺寸对钢纤维活性粉末混凝土的高温爆裂的影响;并从蒸汽压力机理及热应力机理两方面分析了活性粉末混凝土高温下的爆裂机理。通过这些对比分析,形成了对钢纤维活性粉末混凝土高温爆裂性能的初步认识。     

作物杂种优势预测方法及其在育种上的应用

本文概述了六十年代以来,农作物杂种优势在遗传、生理、生化方面形成的机制及其预测方法;综述了在作物育种上利用生理活性物质、线粒体互补、叶绿体互补,同工酶分析和遗传距离估算等研究和预测杂种优势的进展及其成果;评述了与上述内容有关的问题;提出了应用遗传距离等数量遗传估计的方法预测杂种优势是一种较为准确和较有实用价值的方法.     

基于遗传神经网络的陕西省土地利用结构模型研究

针对土地利用结构变化的复杂特征与BP人工神经网络在预测应用上的缺陷,利用遗传算法来优化BP人工神经网络模型,形成了遗传算法与BP网络结合的遗传神经网络模型,通过运用matlab软件编制神经网络和遗传神经网络程序,实现模型的建立。证明遗传神经网络用于土地利用结构的预测是可行和有效的,有着良好的前景。     

基于遗传神经网络的农村用电量需求预测

文章对标准BP神经网络的基本原理进行了简单的概述,并提出标准BP神经网络存在的缺点和不足,进而提出了用实数遗传算法优化神经网络的权重,解决了标准BP神经网络在训练过程中的缺点,并将遗传神经网络应用到我国农村用电量预测中,取得了良好的效果。     

基于遗传算法神经网络模型的蔬菜价格预报

针对蔬菜市场价格预报的复杂性,利用遗传算法与神经网络的特性,建立了基于遗传算法的神经网络蔬菜价格预报模型,并以香菇为例通过实验对模型参数选择进行了分析,进行了价格的模拟与预报。最后把遗传算法神经网络与BP网络预报结果进行了比较,结果证明,在预报数据绝对误差小于10%的范围内,二者预报能力相当;在预报数据绝对误差小于20%、15%的范围内,遗传算法神经网络模型的准确度高于BP神经网络模型,尤其是预报绝对误差小于20%的范围内,遗传算法神经网络模型的准确度明显好于BP神经网络模型,表现出模型良好的泛化能力。     

RBF网络在农业病虫害预测中的应用研究

针对复杂的农业病虫害预报过程,开发了基于RBF神经网络技术的病虫害预测模型。测试结果表明,该模型准确有效,适合具体应用。     

基于进化神经网络的火灾后混凝土强度评估

高温后混凝土强度的评估是判断受火建筑的结构损伤程度、剩余承载力的重要依据，设计了一个进化神经网络模型。用遗传算法优化RBF网络的连接权和网络结构，并将其应用于火灾后混凝土强度的评估，介绍了混凝土立方试块经受不同火温后进行回弹测试混凝土强度的方法．经实验测试和仿真分析证明．所提出的进化算法用于RBF神经网络优化比基于聚类法的RBF网络具有更高的识别精度．     

基于粒子群的支持向量机SVR冰情预报研究

[目的]研究基于粒子群算法优化支持向量机SVR的黄河宁蒙段封河、开河日期预报模型。[方法]采用相关分析和成因分析相结合的方法选取合适的冰情预报因子组合,并运用粒子群算优化方法确定最优参数构建预报模型,将其运用到黄河宁蒙段封开河日期预报中。[结果]该模型预报精度高、运行时间短,预报平均误差为3.51 d,平均运行时间为10.464 s,预报效果明显优于遗传算法优化的支持向量回归与反向传播式神经网络,能够较准确地对封开河日期做出预报。[结论]基于粒子群算法优化支持向量回归的方法可以用于冰情预报。     

基于人工神经网络的中国粮食安全仿真研究

粮食安全关系到社会稳定和国家安全,粮食安全的仿真研究是一项重要的课题,对粮食安全的预报、预警具有重要的意义.以粮食生产总量、粮食净进口量和成灾面积占耕地面积比重作为输入量,人均粮食占有量作为输出量,构建由动量法和自适应学习规则改进的BP神经网络.以中国粮食安全问题为例,确定了隐含层神经元数和满足预报精度的权值和阚值,并进行了仿真.研究表明,BP网络达到了预报精度,可以用作粮食安全的仿真及预报.