张飞
- 作品数：10 被引量：51H指数：4
- 供职机构：辽宁工程技术大学更多>>
- 发文基金：辽宁省高校创新团队支持计划辽宁省科学技术基金更多>>
- 相关领域：天文地球自动化与计算机技术矿业工程建筑科学更多>>
- 利益相关者参与式多准则决策方法研究
- 多准则决策方法广泛应用于处理各个领域的决策问题。现代风险社会中，决策问题的模糊性和不确定性越来越高，且决策过程往往涉及多个利益相关者之间的权衡。传统基于运筹学的多准则决策方法强调客观建模和科学求解，对决策主体和决策问题关...
- 张飞
- 关键词：利益相关者多准则决策方法偏序集
- AFSA-BP神经网络在大坝变形预测中的应用被引量：3
- 2012年
- 经典BP神经网络的初始权值和阈值随机给定,使得训练速度慢、网络易于陷入局部极值。引入具有强大全局搜索能力的人工鱼群算法(AFSA)优化BP网络的权值和阈值,建立了基于AFSA-BP神经网络的预测模型,并对大坝的实测资料进行了实证分析。与经典BP神经网络预测模型的预测结果比较表明:AFSA-BP神经网络模型不仅训练速度快,而且预测精度明显提高,是一种较好的大坝变形预测模型。
- 杨红陈向阳张飞张付明
- 关键词：人工鱼群算法BP神经网络大坝变形
- 基于Android精密水准测量记录系统开发与应用被引量：9
- 2014年
- 为提高水准测量的外业工作效率,使水准测量数据采集实时化、智能化,采用平板电脑为硬件平台,利用JAVA编程语言开发出基于Android平板电脑的精密水准测量记录系统。该系统拥有传统手工记录表格的人性化界面设计、快速输入数据的数字键盘,能实时记录、计算、检核并保存水准测量外业数据,极大地减轻了作业人员的劳动强度,提高了野外数据采集的工作效率。
- 陈向阳张飞梁柱信
- 关键词：ANDROID平板电脑精密水准测量系统设计
- 拟合点独立解算的GPS水准拟合探究
- 2011年
- 传统的GPS水准拟合主要是应用某一种拟合模型对拟合点群进行拟合,未能考虑到不同拟合点对同一拟合模型具有不同适应度。针对这一问题,本文提出了基于拟合点独立解算的GPS水准拟合方法,并结合实测数据对该方法进行了测试,结果证明该拟合方案相对于传统模型在精度上有成倍的提高。
- 樊力彰石金峰张飞
- 关键词：GPS水准KRIGING遗传算法
- 大型桥梁监测工程中CORS系统的建设与运行管理被引量：1
- 2015年
- CORS(连续运行卫星定位系统)在大型桥梁建设中的应用日益广泛,但相应的建设运行实践经验还不够丰富。结合泉州湾跨海大桥工程,以QZW-CORS系统为例,从系统结构、参考站设计与建设、数据控制中心建设、系统测试、运行管理等方面对该工程CORS系统的建设进行了较为详细的介绍。相关建设运行经验可供类似大型桥梁建设中运用CORS系统参考。
- 陈向阳周霁张飞吴有清
- 关键词：CORS参考站跨海大桥
- 基于粒子群的BP神经网络在大坝变形预测中的应用研究
- 伴随着改革开放三十年我国的经济腾飞,水电建设产业高速发展,水坝的规模不断扩大和增高,同时大坝的安全问题也显得更为突出和重要。大坝变形预测是大坝安全监测系统的重要一部分,对于确保大坝安全运行具有非常重要的作用。
大...
- 张飞
- 关键词：大坝数学模型BP神经网络粒子群算法
- 文献传递
- 粒子群-BP神经网络模型在大坝变形监测中的应用被引量：23
- 2012年
- 针对BP神经网络的初始化权值和阈值的随机性,易导致训练速度慢和落入局部极小等弱点,本文运用具有并行特性和全局优化能力的粒子群算法(PSO)对BP神经网络的权值和阈值进行优化,建立了基于粒子群-BP神经网络的大坝变形监测模型,并以丰满大坝多年监测的坝顶水平位移资料为例进行实证分析。与经典BP神经网络模型的预测结果相比,粒子群-BP神经网络模型的收敛速度更快、预测精度更高。
- 徐锋王崇倡张飞
- 关键词：粒子群BP神经网络
- 基于粒子群优化算法神经网络在开采沉陷中的应用被引量：1
- 2011年
- 考虑BP网络存在收敛速度慢、局部极值等缺点,引入线性下降惯性权重粒子群优化(LWPSO)算法,建立基于线性下降惯性权重粒子群优化(LWPSO)算法的人工神经网络模型,在分析抚顺发电有限责任公司厂区地表下沉的实际观测资料的基础上,对厂区的任意点,任意时刻进沉陷预测研究。
- 霍志国刘文生张飞吴永康
- 关键词：粒子群优化算法人工神经网络沉陷预测
- 地表下沉系数选取的LWPSO-BP方法研究被引量：7
- 2011年
- 针对BP神经网络自身收敛速度慢、容易陷入局部极小点的缺点,本文以线性下降惯性权重粒子群优化算法(LWPSO)为前处理器,优化BP网络的权值和阈值,利用实测资料数据,建立LWPSO-BP的地表下沉系数预计模型,并同普通BP模型预计结果对比。结果表明:LWPSO-BP神经网络不仅训练速度快,而且预测精度明显提高,该模型对地表下沉系数选取具有一定的应用价值。
- 张飞刘文生霍志国方书山
- 关键词：粒子群BP神经网络
- 基于PSO-BP神经网络的地表下沉系数选取研究被引量：4
- 2010年
- 针对BP神经网络自身收敛速度慢、容易陷入局部极小点的缺点,引入粒子群优化算法,建立地表下沉系数的PSO-BP选取模型。利用粒子群算法反复优化BP网络的权值和阈值,将其作为BP网络的初始值,并将上覆岩层岩性、开采深厚比、松散层厚度、覆岩中坚硬岩层所占比例、是否为重复采动和顶板管理方法等主要影响因素作为网络输入,进行BP算法,直至网络达到训练指标。利用实测资料数据,建立PSO-BP预计模型,并同普通BP神经网络预计结果对比。结果表明:PSO-BP神经网络不仅训练速度快,而且预测精度明显提高,该模型对地表下沉系数选取具有一定的应用价值。
- 张飞刘文生
- 关键词：粒子群BP神经网络
