在巖土工程中如何準確預測樁基豎向承載力是一件非常重要的事情。針對現有研究存在的不足,基于標準bp神經網絡算法,加入一動量因子,建立了修正的bp神經網絡模型,對單樁的豎向承載力進行了預測。以鎮江市勘察測繪研究院所完成的地質勘查報告為工程背景,以地震波靜力觸探測試（scptu）測得的4個指標（錐尖阻力、錐側摩阻力、剪切波速和孔隙水壓力）為輸入參數,樁基承載力為輸出參數。通過與現場靜載試驗進行比對,得到了相關系數較高的樁基荷載響應曲線。經過與傳統預測方法進行比較發現,用修正的bp神經網絡算法可以有效預測樁基豎向承載力,精度較高。

本文提出了一種基于rbf神經網絡的直接預測法,對公路貨運量進行了預測,并利用matlab工具箱予以了實現.對2004和2005年公路貨運量預測的結果表明,預測值與國家統計局公布的實際數值有很好的一致性,預測精度也高于其它rbf預測法,有很好的應用性.

公路貨運量受多種因素影響,各因素的作用機制通常不能準確地用數學語言進行描述。采用廣義回歸神經網絡(grnn)對貨運量進行分析及預測。通過對1995~2003年南京市公路運量的歷史數據進行分析和處理,對網絡進行訓練和擬合,用2004~2005年的實際數據進行模型檢驗,結果證明了grnn用于貨運量預測的有效性。

通過對公路貨運量的預測方法進行研究比較,并根據公路貨運量形成的復雜和非線性等特點,建立bp神經網絡預測模型.利用黑龍江省公路貨運量及其相關影響因素的實際數據,確定網絡輸入與輸出樣本,并對bp神經網絡預測系統進行訓練和預測.通過對網絡輸出的誤差曲線圖的分析,驗證bp神經網絡預測系統的精確性和簡單方便性,提高了公路貨運量預測的精確性.

基坑工程施工過程中的周邊地面沉降直接關系到周圍建筑物的安全,本文根據上海前灘地區某基坑工程的歷史監測數據、施工工況和周邊地層參數等多源數據對基坑周邊地面沉降進行監測和預測。以pso-bp神經網絡為基礎,通過將基于時序和基于沉降影響因素的網絡模型對比發現:二者預測結果誤差較小且基于時序的神經網絡預測精度更高,說明利用pso-bp神經網絡能夠很好地對基坑周邊地面沉降進行分析與預測。為了綜合考慮時間效應和空間效應的影響,在基于沉降影響因素的預測模型的基礎上加入歷史監測數據作為模型輸入層進行優化,結果表明:優化后的pso-bp神經網絡模型具有更小的相對誤差范圍和更高的預測精度,在基坑周邊地面沉降預測中有很好的應用前景。

為簡化震害預測工作,提出一種以房屋普查數據為震害影響因子并利用人工神經網絡模型為工具的震害預測方法。從以往震害實例中選取了具有典型破壞特點的建筑物作為神經網絡的學習樣本,用收集的數據對網絡進行了訓練并得到了收斂的網絡,應用此收斂的網絡對一組新的房屋數據進行震害預測,結果表明了運用此方法和模型的實用性。

針對深基坑系統的復雜的非線性及基坑工程變形多步預測的重要性,將人工神經網絡技術引入其中。分析了用bp網絡進行多步預測時存在的不足,提出了基于遞歸神經網絡的基坑工程變形多步預測模型。通過一軟土深基坑工程變形多步預測實例的分析,論證了遞歸神經網絡用于基坑工程變形多步預測的可靠性和實用性。該方法有效可行,在其他領域的多步預測中同樣具有廣闊的應用前景。

房地產業是國民經濟發展的重要支柱產業之一,因此,科學預測房地產價格指數具有十分重要的意義。將神經網絡算法應用于房價指數預測,收集我國主要城市的房地產價格指數數據,使用spssclementine軟件進行分析。實驗結果表明,該預測方法是可行的和有效的。

公路客運量和貨運量預測是一個復雜的非線性問題,由于影響因素較多,難以用普通的數學方法建模,而建立bp神經網絡可以表達這些非線性問題。根據公路客運量貨運量歷史數據及其相關影響因素數據建立了bp神經網絡預測模型。利用實際數據確定網絡輸入與輸出樣本,對bp神經網絡預測系統進行訓練和預測。通過對網絡輸出預測結果與實際數據的分析,驗證了bp神經網絡預測系統的精確性和方便性,提高了公路客運貨運預測的精確性。

路面性能的發展變化是一個長期復雜的過程，受各種影響因素較多，其發展變化呈現一定的不規則性。該文利用人工神經網絡特有的非線性信息處理能力，通過對路面已有的發展變化趨勢進行分析處理，推測出未來的路面發展狀況，為路面的養護決策提供依據。

為提高鐵路貨運量的預測準確性,運用灰色關聯分析法,計算分析了與鐵路貨運量相關的主要社會指標,確定鐵路貨運量的影響因子分別為鐵路運營里程、鐵路電氣化里程、鐵路復線比重、公路運營里程、固定資產投資總額和鋼材產量。將所確定的因子作為鐵路貨運量的預測指標,建立基于bp神經網絡的鐵路貨運量預測模型,并對模型進行了應用測試。結果表明：bp神經網絡模型具有較高的精度,最大相對誤差為3.7%,平均相對誤差為2.3%。該方法具有較快的收斂速度和較高的預測精度,可為我國鐵路貨運量的預測研究提供方法支撐。

闡述了神經網絡的基本概念、基本結構和算法原理,建立了基于bp神經網絡的工程造價預測模型,并根據模型結合matlab神經網絡工具箱對程序進行設計,最后通過案例分析對其具體應用作了詳盡闡述。研究表明使用bp神經網絡來進行工程造價預測是完全可行的。

針對化工設備mro物料批量小、種類多、管理難度大、費用高等問題,分析化工設備mro采購的影響因素,采用化工設備管理信息系統對mro庫存、采購、領用數據和設備運行情況數據進行信息化集成,應用bp神經網絡模型建立mro采購需求預測模塊,自動生成采購訂單。同時增加訂單對比監測模塊,將預測采購訂單與實際物理使用情況進行對比,以此對下次預測訂單進行修正,并實時監測預測采購訂單輸出。通過實例驗證此方法是有效的。

考慮到常規bp神經網絡算法容易陷入局部最優解,所建立的網絡遺傳流量檢測模型檢測效率低,準確率不高等問題,提出一種改進型ga優化bp神經網絡算法,并使用其建立網絡遺傳流量檢測模型。常規遺傳算法在搜索過程中,往往會由于出現影響生產適應度高的個體而對遺傳算法搜索過程產生影響的現象發生,因此需要對常規遺傳算法進行改進。使用的方法是通過混合編碼方式進行改進,同時對交叉算子、變異算子、交叉概率以及變異概率等參數進行優化修正。使用kddcup99數據庫中的網絡異常流量數據進行實驗研究,研究結果表明,所提出方法的檢測性能要明顯優于常規算法,其對bp神經網絡的結構、權值以及閾值進行同步優化,避免了盲目選擇bp神經網絡結構參數帶來的問題,避免了常規bp神經網絡容易陷入局部最優解的問題。

本文把信息擴散原理和神經網絡相結合,提出一種工程造價的估測方法,并給出計算實例。

強烈的地震給人們生命財產帶來巨大損失,為了能夠在地震之前預測出建筑物震害,提出一多層磚房為例。利用matlab神經網絡工具箱,建立一種基于貝葉斯正則算法的bp神經網絡模型,并以過去發生地震地區的多層磚房調查數據為震害因子的震害預測方法。結果表明:對多層磚房的震害樣本的預測達到理想效果。

建筑節能是當今城市建設和社會發展的前沿和研究熱點,對建筑的能耗現狀進行綜合分析與評估是進行節能改造或節能設計的前提和基礎,而建立反映能耗變化的預測模型是從宏觀尺度上分析認識建筑能耗變化與發展特性、為公共建筑節能工作提供決策依據的有效途徑和重要手段。研究針對常規bp網絡算法收斂速度慢、易陷入局部最小點的缺點,采用了具有較快收斂速度及穩定性的lm算法進行預測,構造了基于bp神經網絡的建筑物用電量預測模型。以某市公共建筑原始用電能耗統計數據作為樣本,并采用matlab對預測模型進行了仿真預測。結果顯示:誤差在允許范圍內。

本文結合住宅房地產的價格理論和相關網站上的數據,科學地選取影響商品住宅價格的影響指標為人均gdp、人均可支配收入、人口數量、房地產開發投資額和商品住宅建筑面積,并以此建立hedonic商品住宅價格影響因素模型。依照bp神經網絡預測的實現步驟,探索bp神經網絡在預測海口市商品住宅價格的應用,得到2018年6月-2019年5月商品住宅價格預測值,對海口市商品住宅價格的研究具有一定的指導作用。

利用matlab建立bp神經網絡,將影響建筑能耗的18個因素作為網絡的輸入,進行學習訓練,最后通過測試樣本點數據預測建筑能耗,與dest-h模擬計算得到的結果比較,發現相對誤差在3.5%以內,并通過實例驗證了該網絡模型的準確性。該方法使建筑人員在設計階段就能快速且準確地獲得設計建筑的能耗。

進度控制作為項目管理的主要內容，如何對施工進度進行有效的預測將有重要的現實意義，應用bp神經網絡技術對工程進度進行預測，得到的預測值比線性方法更準確，精度更高。

文章通過分析調查影響自貢房地產市場的主要因素,基于bp神經網絡,結合自貢住宅市場的實際情況,建立兩類bp神經網絡預測模型:基于時間序列的趨勢預測模型、基于影響因素的回歸預測模型,預測了自貢房地產市場價格走勢。模擬預測2010年的結果證明了2011年房價預測的有效性,可為自貢城市建設的可持續發展提供有價值的指導意見。

基坑工程施工中,需要根據現場實際情況、周圍環境、建筑安全等級等對變形進行嚴格控制。通過對基坑實測變形數據進行整理和分析,對未來變形量作出預測,保證基坑安全。結合bp神經網絡的高度非線性映射能力,提出了一種基于bp神經網絡的基坑變形時間序列預測方法。在基坑開挖過程中,采取滾動預測的方法,不斷利用前期已有實測數據建模預測后期變形量,以實現信息化施工和動態控制。實例分析表明,bp神經網絡模型具有較高的預測精度,并能獲得滿意的預測結果。