摘要：研究目的:减震层结构设计是保障西部强震区地下工程结构稳定的重要措施,而减震材料的发展和应用是丰富减震层结构设计和保障其性能的关键,全面认识橡胶-砂混凝土耗能特性为其有效应用于地下工程减震层奠定基础。本文通过霍普金森压杆试验测试橡胶-砂混凝土的耗能性能,并基于试验结果,以反向传播神经网络为基础算法,通过四种不同的群体智能优化算法分别对其进行优化,从而构建四种集成反向传播神经网络-群体智能优化算法的混合智能预测模型。研究结论:(1)影响橡胶-砂混凝土耗能特性的重要程度从高到低依次为:橡胶含量>水泥含量>橡胶粒径;(2)四种混合智能预测模型的最佳种群数量为150(PSO-BPNN)、75(FOA-BPNN)、75(LSO-BPNN)和80(SSA-BPNN);(3)对橡胶-砂混凝土透射能占比预测精度最高的是LSO-BPNN混合智能模型,其他模型预测精度从优到劣依次为:PSO-BPNN、FOA-BPNN、SSA-BPNN;(4)本研究成果可用于研制适用于铁路隧道等地下工程减震材料的橡胶-砂混凝土,为保证铁路隧道安全建造和稳定运营的减震设计提供理论指导依据。

摘要：这篇文章选择了物流业作为实验室,研究了一个以大数据为基础的信息传递和优化方法。首要的问题是物流信息传递中所面对的困境,策略是从信息源头直至终端接收的全过程,建立一个塑造在大数据上的物流信息传输模型。接下来,文章仗着分布式存储和并行计算的工具,来处理以及分析大型的物流数据。借助于数据挖掘技巧,能为物流公司输出专门设计的解决方案。根据各种物流信息,打造一款智能的预测模型,可以预测出未来的物流压力以及如何应对的方案。大数据作为依托,优化了物流领域中信息传递的模型,有效的提升了信息传输的效率和准确性。

摘要：2月17日,在浙江省能源大数据中心,黄海潮应用他研发的智能预测模型分析春节期间能源消费、碳排放情况及重点用能企业能耗情况,助力节能主管部门分地区、分产业、分时序对全省能源总量进行管理与调控。

摘要：运用线性回归模型和因子分析理论对分项费用预测模型的因素进行了筛选,筛除影响因子较小、权重系数不显著的因素。运用优化后的神经网络智能预测模型,将变电工程投资预测模型由对静态费用预测分成对建筑工程费、安装工程费、设备费和其他费用进行预测。汇总对分项费用的预测,最终形成变电工程以及架空线路工程的静态投资预测模型,满足造价预测维度细化的需求。