排序方式： 共有6条查询结果，搜索用时 31 毫秒
1
1.
2.
针对结构损伤检测中损伤的识别、定位以及程度的标定这三个独立并按一定先后顺序进行的检测过程,提出了一种能将以上三者同时进行的联合检测方法。该方法首先利用经验模态分解(EMD)方法将三层钢筋混凝土剪切型结构在各种损伤工况下的顶层地震作用加速度响应分解为若干固有模态函数(IMF)分量,然后以此IMF分量和未经EMD分解的原始加速度响应数据来构造损伤标识量,作为特征参数依次输入到径向基函数神经网络(RBFNN)中进行损伤检测。给出了应用此方法的具体步骤,通过仿真实验证明了利用该方法进行结构损伤一次检测的可行性和有效性,结果表明,由加速度响应经EMD分解而得到的IMF分量输入到RBFNN中能够更为精确地一次检测出结构所有损伤信息,并且RBFNN在结构损伤损度大时具有更好的检测效果。 相似文献
3.
为了解决远洋渔业中过度依赖经验而产生的盲目捕捞问题,结合海洋环境数据和历史产量数据对渔场进行有效分析,提出了一种基于径向基函数神经网络(Radial basis function neural network,RBFNN)的栖息地指数(HSI)预测方法,并将其应用于印度洋海域大眼金枪鱼(Thunnus obesus)栖息地指数的预测。在RBFNN训练过程中使用模糊C均值(Fuzzy c-means,FCM)聚类算法,在基于神经网络的规则提取过程中首次采用了和声搜索(Harmony search,HS)算法。实验研究表明,利用FCM改进后的RBFNN,均方误差(Mean square error,MSE)达到0.021 6。和声搜索由于算法简单,易于实现,能够应用于训练后的FCM-RBFNN提取分类规则,提取出的规则能够反映该渔业现状。 相似文献
4.
针对水下航行器在二维信号场中的场源搜索问题,提出了一种基于径向基函数神经网络（radial basis function neural network,简称RBFNN）的在线自主寻源算法。在神经网络中引入全局正则化参数以保证泛化性和稳定性,通过最小化广义交叉验证误差（generalized cross-validation,简称GCV）进行正则化参数的迭代优化,并利用增量式奇异值分解（incremental SVD）对迭代过程进行加速,此外通过基于样本新颖性的资源分配网络算法（resource-allocating network,简称RAN）进行径向基函数的分配,在此基础上使用动量梯度算法进行航行器运动方向的规划。最后,以热泉区硫化氢浓度分布场中的搜索作业为背景,使用该算法与其他研究中的算法进行单峰值信号场的场源搜索模拟计算对比,结果显示该算法对于信号场梯度的估计更加准确,且搜索过程的路径更短。此外在多峰值信号场的寻源模拟中该算法能够以较高的成功率通过局部最大值区域。证明该算法具有良好的拟合、预测性能以及稳定性,并且能在一定程度上避免陷入局部最优解。 相似文献
5.
Artificial neural networks (ANN) have been used in a variety of problems in the fields of science and engineering. Applications of ANN to the geophysical problems have increased within the last decade. In particular, it has been used to solve such inversion problems as seismic, electromagnetic, resistivity. There are also some other applications such as parameter estimation, prediction, and classification. In this study, multilayer perceptron neural networks (MLPNN) and radial basis function neural networks (RBFNN) were applied to synthetic gravity data and Seferihisar gravity data to investigate the applicability and performance of these networks for the method of gravity. Additionally performance of MLPNN and RBFNN were tested by adding random noise to the same synthetic test data. The structure parameters, such as the depths, the density contrasts, and the locations of the structures were obtained closely for different signal-to-noise ratios (S/N). Bouguer data of Seferihisar area were analyzed by MLPNN and RBFNN to estimate depth, density contrast, and location of the structure. The results of MLPNN, RBFNN, and classical inversion method were compared for real data obtained from Seferihisar Geothermal area and similar structure parameters were obtained. The experiments show that in general RBFNN not only increases the speed of the training stage enormously, but also provides slightly better performance. 相似文献
6.
基于径向基函数神经网络的地震液化侧移预测 总被引：1，自引：0，他引：1
在已有的地震液化侧移数据库中增加累积绝对速度（CAV5）这一地震参数,以考虑震源机制对液化侧移的影响。然后采用径向基函数神经网络（RBFNN）方法建立地震液化侧移预测模型,并与其他模型进行对比分析。结果表明,本文模型预测精确度最高;CAV5在液化侧移预测方面可以代替震级、震中距2项参数;所有参数中,震级、震中距、可液化土层厚度敏感性较高,对液化侧移影响程度较大。 相似文献
1