郑浩[1]2001年在《基于人工神经网络的高层建筑结构选型》文中研究指明高层建筑结构初步设计是一个涉及面广、综合性强的工作，需要多方面的知识和丰富的工程设计经验，目前国内外尚无理论对其进行充分的研究。本文介绍了一种基于人工神经网络的方法来进行高层结构体系的选择，它充分运用了神经网络高度的非线性、高度的容错性和鲁棒性、自学习、实时处理等特点。本文研究结果表明，利用人工神经网络方法可以解决高层建筑结构选型问题。 本文首先分析高层建筑主要结构型式的特点以及适用范围，提取了高层建筑结构选型的主要控制因素，并以此建立了基于人工神经网络的高层结构选型的数学模型。探讨了BP人工神经网络隐层个数和隐层单元节点数的选取问题，确定了BP神经网络的隐层结构。利用确定的BP网络结构，分别采用传统的BP算法、改进的带动量自适应学习率BP算法，以及L—M算法，分析、解决高层结构选型问题。从本文研究可得出结论，普通的BP算法无法适应土木工程中大规模的数据结构，应采用改进的L—M算法，该算法收敛较普通BP算法快10~2～10~3倍，精度高，能够较好地解决土木工程中的高层建筑结构选型问题。本文还提出使用径向基函数神经网络，该网络的应用在土木工程领域尚未见有关文献公开发表。经本文研究表明，径向基函数神经网络运算速度较普通BP算法快10~3～10~4倍，并且精度高，应用径向基函数神经网络可以高效、高质地完成高层建筑结构选型任务。
王燕荣[2]2015年在《基于模糊综合评判与BP神经网络的高层建筑结构选型分析》文中研究指明随着我国经济建设与整体实力的迅速发展和不断提升,对高层建筑的需求日益强烈,这对高层建筑结构的发展来说既是机遇又是挑战。结构选型是结构设计的第一步,高层建筑结构的发展出现了大量复杂结构体系和结构类型,选择余地的增多意味着结构选型不恰当可能性的增大。因此,选择一种合适的结构选型决策方法就显得尤为重要。目前,应用模糊综合评判法和人工神经网络对高层建筑结构选型的研究日渐丰富。人工神经网络可以模拟人脑结构的思维能力,具有较强的自适应和联想功能,但是它不具有处理和描述模糊信息的能力,不能很好地利用专家经验知识。而影响结构选型的因素绝大部分是不确定或不确知的,具有很强的模糊性,这必将导致人工神经网络在结构选型中的应用局限性。模糊综合评判法可以很好的处理模糊信息和利用专家经验知识,二者结合,充分发挥了模糊综合评判法和人工神经网络的优势。本文以高层建筑结构常用结构体系为研究对象,采用模糊综合评判法与BP神经网络相结合的方法,通过高层建筑结构选型影响因素的分析,利用MATLAB神经网络工具箱建立了基于模糊模糊综合评判与神经网络的高层建筑结构选型决策模型。经过分析表明,利用模糊综合评判法和BP神经网络结合的方法可以有效解决结构选型问题。本文首次提出将模糊综合评判与神经网络结合应用于解决高层建筑结构选型问题,研究成果丰富了结构选型的方法理论,对高层建筑结构选型决策具有一定的参考意义。
于万秀[3]2014年在《遗传神经网络与模糊综合评定结合在高层结构选型中应用》文中提出现在跟随建筑技术和建筑材料的进步,涌现出许多新的高层建筑结构形式,导致结构选型工作越来越困难。由此,结构选型问题在高层建筑结构设计中的重要性空前凸显,正日益受到土木工程师和设计人员越来越多的重视。但由于影响结构选型的因素复杂包含很多不确定性(随机性、模糊性和未确知性)信息,用传统的数学方法很难展开,急需研究一种既可以考虑确定性因素又可以考虑不确定因素的方法,从而得到最优结构形式。本文利用遗传神经网络与模糊综合评定结合来解决结构选型问题,全面的考虑影响选型因素达到最优选型目的。本文主要研究工作内容总结如下：(1)介绍高层建筑常用的几种结构形式及其特点,分析影响高层建筑结构选型的影响因素,为后面工作展开做好基础工作。(2)把遗传神经网络应用到高层建筑结构选型中来。搜集高层建筑实例建成样本集,选定影响结构选型的5个控制因素为输入神经元,4种常见高层结构形式为输出神经元,设计网络结构,建立结构优化选型网络,利用MATLAB遗传算法工具箱和神经网络工具箱编写遗传算法优化BP神经网络程序编码,对网络进行训练学习,完成选型任务。(3)利用模糊综合评定法借助MATLAB编程来完成结构选型工作。以一个工程实例建立结构选型层次结构模型,选定4种高层结构形式组成备选集,选定4个影响结构选型的模糊性因素组成因素集,确定各影响因素权值,分析各因素评价系统对其进行评定,得到总体评价矩阵得到评价结果,得出结构形式。(4)利用遗传神经网络与模糊综合评定相结合的方法完成选型任务。结合工程实例利用遗传神经网络初步选定结构形式,运用模糊综合评定评估已定结构形式,使得选择的结构形式更有效,更具说服力。
刘功良[4]2012年在《基于遗传神经网络对高层建筑结构选型的研究》文中研究表明随着经济与科技的迅猛发展，土木工程和结构工程在21世纪飞速发展，并且取得了巨大的成就。世界各国尤其是发达国家纷纷筹划建立更高、更大、更长的各种超大型复杂建筑。我国虽然是发展中国家，但由于近年来，经济建设的迅速发展和国家整体实力的增强，建造一批更高、更大、更长的建筑物即将成为十分现实的需求，这是我国建筑业领域面临的巨大机遇和挑战。但是由于大型复杂结构设计问题自身非常复杂性，选择余地的增大也意味着选择的结构体系和类型不恰当的可能性也大大增加，选型的不当会带来严重的后果且难以补救。因而，结构选型问题在大型复杂结构设计中的重要性空前凸显，正日益受到土木工程师和广大设计人员越来越多的重视。但是，因为结构选型是一个极为复杂的决策问题，具有强烈的综合性，包含很多不确定性(随机性、模糊性和未确知性)信息,用传统的数学规划法或准则法对此问题进行建模和求解很难奏效。因此，如果我们能找到土木工程结构,特别是大型复杂建筑的结构选型的科学决策方法，建立相应的智能选型系统，就可以来保证设计质量、缩短设计周期,并提高结构的综合性能。由于人工神经网络的知识处理具有集约特性，即知识的获取、表示和推理合为一体，它们都是通过神经网络的学习和训练实现的，从而可以充分利用样本性知识，而样本性知识相对来说是最容易获得的，因此，研究基于人工神经网络的大型复杂结构选型智能设计系统应是今后重点研究的问题之一。但是常用的神经网络的BP算法虽然能够保证网络学习过程最终收敛,但是存在着明显的局限性，神经网络可能得不到全局最优解,而是陷入局部最优解。故采用一种改进的神经网络-遗传神经网络，可以解决以上问题。基于遗传人工神经网络的方法来对高层建筑结构体系进行选择，该方法即充分运用了人工神经网络高度的非线性、高度的容错性和鲁棒性、自学习及实时处理等特点，又利用了遗传算法的全局优化能力,并且利用了神经网络存储专家的设计经验，使普通设计人员通过向人工神经网络输入若干高层建筑结构的基本信息，从而很轻松地解决高层建筑结构体系的选择问题。避免通过大量计算和经验来确定结构型式所造成的时间浪费和选型错误。对于推动土木工程结构设计全过程的自动化、集成化、智能化、网络化和数字化进程也将具有十分重要的意义。本文搜集大量的国内外高层建建筑实例，建立高层建筑实例库，提取高层建筑结构选型的主要影响因子，并且应用MATLAB神经网络工具箱建立遗传神经网络高层建筑结构选型的模型，利用MATLAB语言编制人机交互式界面使选型过程简单明了并与传统的神经网络方法进行比较,得出其优缺点。
林煌斌, 王全凤, 张云波[5]2008年在《复杂高层转换层结构的智能选型》文中认为分析复杂高层建筑结构转换层选型的主要控制因素,建立基于人工神经网络的复杂高层建筑结构转换层选型的数学模型.有针对性地收集国内外62个带转换层复杂高层结构工程实例,分别采用BP(Back-Propagation)算法和L-M(Levernberg-Marquart)算法进行复杂高层建筑结构转换层选型的研究.设计一种基于人工神经网络的复杂高层建筑转换层结构的智能选择,使单一设计人员通过向人工神经网络输入若干复杂高层建筑结构转换层的基本信息,便可在方案阶段解决高层建筑结构转换层结构型式选择.
张琼[6]2017年在《基于遗传神经网络的大跨空间结构选型辅助专家系统》文中指出随着社会的发展、科技的进步和国家整体实力的增强,机场航站楼、体育场馆、会展中心和飞机库等大空间的复杂建筑应运而生,同时也让建筑行业处于大的机遇挑战之中。挑战在于大空间结构设计复杂,结构类型选取的不当性增大,这使得对大跨空间结构设计的要求需要巨大的提高。现在我国大跨度空间结构选型研究的有关设计规范还不能够完全满足设计的需求,致使大跨空间结构设计存在选型不合理、造价偏高等问题。因此,设计师越来越多的关注到大型空间结构设计中结构选型的问题。同时因为,结构选型有许多不确定性因素,用传统方法建模,解决这个问题是非常困难的。所以,找到结构选型的科学方法,建立智能化系统,可以解决造价、设计周期等问题。人工神经网络可通过学习和训练实现,将知识的获取、表示和推理合为一体,可利用相对比较容易搜集取得的有特征性的重要知识,所以,以人工神经网络为基础研究的关于建筑结构形式选取的专家系统来辅助设计是需要重点被研究的。本文采用一种改进的遗传神经网络方法解决了常用的BP神经网络局限性大,可能会陷入局部最优解的问题。此方法不但用到了人工神经网络的高度非线性、自学习和实时处理、高容错性和鲁棒性等特性,而且运用了遗传算法的全局优化能力,存储和使用专家经验,使普通设计师输入一些基本相关信息,能比较容易解决结构选型问题。本文还搜集了大量的空间结构建筑案例,建立实例库,提取结构选型的主要影响因子,用MATLAB神经网络工具箱建立遗传神经网络结构选型模型,用MATLAB语言编写人机交互式界面,使选型过程简洁清晰。
梁本亮[7]2007年在《基于ArcGIS的上海市超限高层建筑工程数据库建设》文中认为以上海市超限高层建筑工程抗震设计信息为依托,分析了基于GIS的管理信息系统在超限高层建筑工程抗震设计信息管理中的作用,论述了课题研究的意义和必要性。论文分为四部分。第一章和第二章介绍了论文的相关背景和GIS相关理论,并讨论了国内外研究现状;第叁章以上海环球金融中心为例,讨论超限高层建筑的数值计算流程,小比例尺模型地震反应振动台试验,在此基础上完成超限高层建筑工程抗震设计属性信息提取,构建属性数据库;第四章和第五章重点介绍GIS应用到抗震设计信息管理系统中的关键技术以及相关的解决方案等;第六章重点讨论了基于实例库的高层建筑结构选型,是本文研究数据库的功能延伸,采用数据挖掘方法来完成。论文主要内容如下:(1)以上海环球金融中心为例,系统分析了超限高层建筑工程抗震设计流程,内容涵盖整体结构计算分析,结构弹塑性时程分析,振动台模型试验;完成属性信息的提取;(2)以ArcGIS平台为基础,建立了基于SQL Server 2000的上海市超限高层建筑工程抗震设计信息数据库。同时采用ArcSDE技术,Geodatabase数据模型,将上海市基础空间数据引入到关系型数据库中;采用UML技术完成数据库的面向对象建构,分别给出了空间数据库和属性数据库的详细设计;(3)以ComGIS作为核心技术进行了基于ArcGIS Engine的二次开发,构建上海市超限高层建筑工程抗震设计信息系统软件SDGIS。依据软件工程理论给出了系统的详细设计、主要功能模块以及软件的运行和开发环境;(4)突破了传统信息管理软件单一的管理功能,强化了对信息的有效利用与挖掘,进而实现辅助决策。通过多项技术的整合,充分利用抗震设计信息,对高层结构的选型做了相关研究,首次引入灰色关联理论,将结构选型的主要影响因素进行了量化分析,并分别以改进的Apriori算法和贝叶斯网络法进行了结构选型的定量型关联规则挖掘;(5)引入ArcGIS Engine技术,将GIS与传统的信息管理系统相结合,使得研究目标具有了空间属性,提高了抗震设计信息的可视化水平;(6)利用程序接口技术实现了多种实用技术的集成。系统研发过程中还涉及到数据库技术、OLE编程技术、组件技术、面向对象的UML建模,这些技术分别隶属于不同的软件技术,本文设计和开发多种数据接口及程序接口,实现了这些技术在统一的平台下的集成。
李平[8]2012年在《人工神经网络在高层建筑桩基工程中的应用研究》文中进行了进一步梳理桩基工程中的问题很难用传统的数学规划法中的回归分析法在建立确定的数学模型的基础上加以解决。基于知识发现和智能决策系统理论的人工神经网络具有处理大量不确定性信息的能力和强大的学习性能及非线性关系映射和预测功能，适合解决难以建立准确数学模型但容易收集训练样本的问题。目前，国内外对人工智能辅助决策系统理论在高层建筑桩基工程中的应用研究较少，本文选取工程实例和试验数据建立训练样本集，利用人工神经网络对桩基础选型和普通单桩极限承载力的确定进行了研究。此外，国内岩土工程专业领域各专家和学者在研究超长桩极限承载力时，将主要岩土土性参数或指标作为桩侧和桩端阻力的影响因素，没有考虑到桩端土极限端阻力和桩身刚度对桩承载力的影响。本文借鉴了国内外桩基础的相关理论和人工神经网络在桩基选型和确定单桩极限承载力方面的应用研究成果，通过收集和整理大量已建高层建筑工程实例，在分析各自影响因素的基础上建立了桩基础选型人工神经网络训练样本集，在完成对神经网络隐层神经元数目、传递函数和训练函数的优选后，建立了桩基础选型和普通单桩极限承载力神经网络预测模型。本文在确定超长桩的承载力时，除了将主要岩土土性参数或指标作为桩侧和桩端阻力的影响因素，还考虑到了桩端土极限端阻力和桩身刚度对桩承载力的影响，在此基础上建立了超长桩极限承载力网络预测模型。桩基础选型和普通单桩极限承载力神经网络预测模型的预测精度高，误差小，能够满足实际工程的需要，该模型的预测结果对高层建筑桩基础的选型和单桩极限承载力的设计具有指导意义，也为桩基的合理选型和单桩极限承载力的进一步研究奠定了基础。超长桩极限承载力神经网络预测模型能够为地质勘查部门和设计部门提供有价值的参考数据，指导超长桩极限承载力的设计。
孙立祺[9]2010年在《基于人工神经网络的盐渍土地区桥涵基础选型研究》文中进行了进一步梳理基础选型是一个涉及面广,综合性强的工作,需要多方面的知识和丰富的工程设计经验,尤其在盐渍土地区,不良的地基土性质加大了基础选型的不确定性因素。这种情况下,确定性的分析方法很难奏效,而人工神经网络等非确定性方法却可以发挥作用。本文运用了人工神经网络的方法来进行盐渍土地区桥涵基础的选型,它充分发挥了神经网络高度的非线性,高度的容错性和鲁棒性、自学习和实时处理等特点。本文首先通过大量检索基础工程的研究成果,归纳出盐渍土地区的工程特点以及工程病害,并概述了BP神经网络的基本原理,在建立基于人工神经网络的盐渍土地区桥涵基础选型模型的之前,分析了各种基础形式的优缺点以及适用范围,提取了盐渍土地区桥涵基础选型的主要控制因素,探讨了BP人工神经网络隐含层个数以及隐含层单元节点数的选取问题,确定了BP人工神经网络隐含层的结构。在Matlab7.1环境下建立了盐渍土地区桥涵基础选型的BP神经网络模型。并编制了人机交互式输入界面,方面设计人员的使用。在建立的模型中输入工程项目、工程地质资料数据作为网络学习训练样本,对建立的神经网络模型进行训练,优化网络模型。经检验,训练好的网络模型性能良好。从而表明运用神经网络方法在盐渍土地区基础选型设计中具有重要的参考价值和现实意义。
王全凤, 郑浩[10]2010年在《基于径向基函数神经网络的高层建筑结构选型》文中提出提出了应用径向基函数神经网络进行高层结构体系的选型,它充分运用了神经网络高度的非线性、高度的容错性和鲁棒性、自学习、实时处理等特点。研究表明,径向基函数神经网络运算速度较普通BP算法快103～104倍,并且精度高,可以高效、高质地进行高层建筑结构的选型。
参考文献：
[1]. 基于人工神经网络的高层建筑结构选型[D]. 郑浩. 华侨大学. 2001
[2]. 基于模糊综合评判与BP神经网络的高层建筑结构选型分析[D]. 王燕荣. 长安大学. 2015
[3]. 遗传神经网络与模糊综合评定结合在高层结构选型中应用[D]. 于万秀. 中南大学. 2014
[4]. 基于遗传神经网络对高层建筑结构选型的研究[D]. 刘功良. 东北石油大学. 2012
[5]. 复杂高层转换层结构的智能选型[J]. 林煌斌, 王全凤, 张云波. 华侨大学学报(自然科学版). 2008
[6]. 基于遗传神经网络的大跨空间结构选型辅助专家系统[D]. 张琼. 东北石油大学. 2017
[7]. 基于ArcGIS的上海市超限高层建筑工程数据库建设[D]. 梁本亮. 同济大学. 2007
[8]. 人工神经网络在高层建筑桩基工程中的应用研究[D]. 李平. 内蒙古科技大学. 2012
[9]. 基于人工神经网络的盐渍土地区桥涵基础选型研究[D]. 孙立祺. 长安大学. 2010
[10]. 基于径向基函数神经网络的高层建筑结构选型[J]. 王全凤, 郑浩. 四川建筑科学研究. 2010