数据挖掘及神经网络在土木工程中的应用

《大数据时代下的数据挖掘》试题及答案..

《海量数据挖掘技术及工程实践》题目 一、单选题（共80题） 1)( D )的目的缩小数据的取值范围，使其更适合于数据挖掘算法的需要，并且能够得到 和原始数据相同的分析结果。 A.数据清洗 B.数据集成 C.数据变换 D.数据归约 2)某超市研究销售纪录数据后发现，买啤酒的人很大概率也会购买尿布，这种属于数据挖 掘的哪类问题？(A) A. 关联规则发现 B. 聚类 C. 分类 D. 自然语言处理 3)以下两种描述分别对应哪两种对分类算法的评价标准？ (A) (a)警察抓小偷，描述警察抓的人中有多少个是小偷的标准。 (b)描述有多少比例的小偷给警察抓了的标准。 A. Precision,Recall B. Recall,Precision A. Precision,ROC D. Recall,ROC 4)将原始数据进行集成、变换、维度规约、数值规约是在以下哪个步骤的任务？(C) A. 频繁模式挖掘 B. 分类和预测 C. 数据预处理 D. 数据流挖掘 5)当不知道数据所带标签时，可以使用哪种技术促使带同类标签的数据与带其他标签的数 据相分离？(B) A. 分类 B. 聚类 C. 关联分析 D. 隐马尔可夫链 6)建立一个模型，通过这个模型根据已知的变量值来预测其他某个变量值属于数据挖掘的 哪一类任务？(C) A. 根据内容检索 B. 建模描述 C. 预测建模 D. 寻找模式和规则 7)下面哪种不属于数据预处理的方法？ (D) A.变量代换 B.离散化

C.聚集 D.估计遗漏值 8)假设12个销售价格记录组已经排序如下：5, 10, 11, 13, 15, 35, 50, 55, 72, 92, 204, 215 使用如下每种方法将它们划分成四个箱。等频（等深）划分时，15在第几个箱子内？ (B) A.第一个 B.第二个 C.第三个 D.第四个 9)下面哪个不属于数据的属性类型：(D) A.标称 B.序数 C.区间 D.相异 10)只有非零值才重要的二元属性被称作：( C ) A.计数属性 B.离散属性 C.非对称的二元属性 D.对称属性 11)以下哪种方法不属于特征选择的标准方法： (D) A.嵌入 B.过滤 C.包装 D.抽样 12)下面不属于创建新属性的相关方法的是： (B) A.特征提取 B.特征修改 C.映射数据到新的空间 D.特征构造 13)下面哪个属于映射数据到新的空间的方法？ (A) A.傅立叶变换 B.特征加权 C.渐进抽样 D.维归约 14)假设属性income的最大最小值分别是12000元和98000元。利用最大最小规范化的方 法将属性的值映射到0至1的范围内。对属性income的73600元将被转化为：(D) A.0.821 B.1.224 C.1.458 D.0.716 15)一所大学内的各年纪人数分别为：一年级200人，二年级160人，三年级130人，四年 级110人。则年级属性的众数是： (A) A.一年级 B.二年级 C.三年级 D.四年级

土木工程材料知识点)

1、孔隙率及孔隙特征对材料的表观密度、强度、吸水性、抗渗性、抗冻性、导热性等性质有何影响？ 对表观密度的影响：材料孔隙率大，在相同体积下，它的表观密度就小。而且材料的孔隙在自然状态下可能含水，随着含水量的不同，材料的质量和体积均会发生变化，则表观密度会发生变化。 对强度的影响：孔隙减小了材料承受荷载的有效面积，降低了材料的强度，且应力在孔隙处的分布会发生变化，如：孔隙处的应力集中。 对吸水性的影响：开口大孔，水容易进入但是难以充满；封闭分散的孔隙，水无法进入。当孔隙率大，且孔隙多为开口、细小、连通时，材料吸水多。 对抗渗性的影响：材料的孔隙率大且孔隙尺寸大，并连通开口时，材料具有较高的渗透性；如果孔隙率小，孔隙封闭不连通，则材料不易被水渗透。 对抗冻性的影响：连通的孔隙多，孔隙容易被水充满时，抗冻性差。 对导热性的影响：如果材料内微小、封闭、均匀分布的孔隙多，则导热系数就小，导热性差，保温隔热性能就好。如果材料内孔隙较大，其内空气会发生对流，则导热系数就大，导热性好。 2、建筑钢材的品种与选用 建筑钢材的主要钢种 1）碳素结构钢:牌号的表示方法： Q 屈服点数值—质量等级代号脱氧程度代号Q235—BZ Q235——强度适中，有良好的承载性，又具有较好的塑性和韧性，可焊性和可加工性也较好，是钢结构常用的牌号，大量制作成钢筋、型钢和钢板用于建造房屋和桥梁等。Q235良好的塑性可保证钢结构在超载、冲击、焊接、温度应力等不利因素作用下的安全性，因而Q235能满足一般钢结构用钢的要求 Q235-A一般用于只承受静荷载作用的钢结构。含C0.14~0.22% Q235-B适用于承受动荷载焊接的普通钢结构，含C0.12~0.20% Q235-C适用于承受动荷载焊接的重要钢结构，含C≤0.18% Q235-D适用于低温环境使用的承受动荷载焊接的重要钢结构。含C≤0.17% 2)低合金高强度结构钢:牌号的表示方法：Q 屈服点数值质量等级代号 由于合金元素的强化作用，使低合金结构钢不但具有较高的强度，且具有较好的塑性、韧性和可焊性。低合金高强度结构钢广泛应用于钢结构和钢筋混凝土结构中，特别是大型结构、重型结构、大跨度结构、高层建筑、桥梁工程、承受动力荷载和冲击荷载的结构。 3、常用建筑钢材 1)低碳钢热轧圆盘条:强度较低，但塑性好，便于弯折成形，容易焊接。主要用做箍筋，以及作为冷加工的原料，也可作为中、小型钢筋混凝土结构的受力钢筋。 2)钢筋混凝土用热轧钢筋:钢筋混凝土用热轧钢筋共分为四级钢筋，根据其表面状态分为光圆钢筋和带肋钢筋。I级钢筋为光圆钢筋，其余三级为带肋钢筋。I级钢筋不带肋，与混凝土的握裹力不好，其末端需做180?弯钩。 I级钢筋由碳素结构钢轧制，其余均由低合金钢轧制。I级钢筋的强度较低，但塑性及焊接性能很好，便于各种冷加工，因而广泛用作普通钢筋混凝土构件的受力筋及各种钢筋混凝土结构的构造筋。 HRB335级和HRB400级钢筋的强度较高，塑性和焊接性能也较好，故广泛用作大、中型钢筋混凝土结构的受力钢筋。 HRB500级钢筋强度高，但塑性和可焊性较差，可用作预应力钢筋。

神经网络在数据挖掘中的应用

神经网络在数据挖掘中的应用

————————————————————————————————作者：————————————————————————————————日期： ?

神经网络在数据挖掘中的应用 摘要：给出了数据挖掘方法的研究现状,通过分析当前一些数据挖掘方法的局限性,介绍一种基于关系数据库的数据挖掘方法——神经网络方法,目前,在数据挖掘中最常用的神经网络是ＢＰ网络。在本文最后，也提出了神经网络方法在数据挖掘中存在的一些问题． 关键词：BＰ算法;神经网络;数据挖掘 １．引言 在“数据爆炸但知识贫乏”的网络时代,人们希望能够对其进行更高层次的分析，以便更好地利用这些数据。数据挖掘技术应运而生。并显示出强大的生命力。和传统的数据分析不同的是数据挖掘是在没有明确假设的前提下去挖掘信息、发现知识。所得到的信息具有先未知，有效性和实用性三个特征。它是从大量数据中寻找其规律的技术,主要有数据准备、规律寻找和规律表示三个步骤。数据准备是从各种数据源中选取和集成用于数据挖掘的数据；规律寻找是用某种方法将数据中的规律找出来;规律表示是用尽可能符合用户习惯的方式(如可视化)将找出的规律表示出来。数据挖掘在自身发展的过程中，吸收了数理统计、数据库和人工智能中的大量技术。作为近年来来一门处理数据的新兴技术，数据挖掘的目标主要是为了帮助决策者寻找数据间潜在的关联(Rｅｌation），特征(Pattern)、趋势(Tｒend)等，发现被忽略的要素，对预测未来和决策行为十分有用。 数据挖掘技术在商业方面应用较早，目前已经成为电子商务中的关键技术。并且由于数据挖掘在开发信息资源方面的优越性,已逐步推广到保险、医疗、制造业和电信等各个行业的应用。 数据挖掘(Dａta Ｍiｎing)是数据库中知识发现的核心，形成了一种全新的应用领域。数据挖掘是从大量的、有噪声的、随机的数据中，识别有效的、新颖的、有潜在应用价值及完全可理解模式的非凡过程。从而对科学研究、商业决策和企业管理提供帮助。 数据挖掘是一个高级的处理过程,它从数据集中识别出以模式来表示的知识。它的核心技术是人工智能、机器学习、统计等，但一个ＤM系统不是多项技术的简单组合,而是一个完整的整体，它还需要其它辅助技术的支持，才能完成数据采集、预处理、数据分析、结果表述这一系列的高级处理过程。所谓高级处理过程是指一个多步骤的处理过程,多步骤之间相互影响、反复调整,形成一种螺旋式上升过程。最后将分析结果呈现在用户面前。根据功能，整个DM系统可以大致分为三级结构。 神经网络具有自适应和学习功能，网络不断检验预测结果与实际情况是否相符。把与实际情况不符合的输入输出数据对作为新的样本，神经网络对新样本进行动态学习并动态改变网络结构和参数,这样使网络适应环境或预测对象本身结构和参数的变化，从而使预测网络模型有更强的适应性,从而得到更符合实际情况的知识和规则，辅助决策者进行更好地决策。而在ANN的

人工神经网络概论

人工神经网络概论 梁飞 （中国矿业大学计算机科学与技术学院信科09-1班，江苏，徐州，221116） 摘要：进入21世纪以来，神经网络近来越来越受到人们的关注，因为神经网络可以很容易的解决具有上百个参数的问题，它为大复杂度问题提供了解决一种相对来说比较有效的简单方法。人工神经网络是涉及神经科学、思维科学、人工智能、计算机科学等多个领域的交叉学科。本文简要介绍了人工神经网络的工作原理、属性、特点和优缺点、网络模型、发展历史及它的应用和发展前景等。 关键词：人工神经网络；人工智能；神经网络；神经系统 1．人工神经网络的简介 人工神经网络（Artificial Neural Networks,简写为 ANN），一种模仿动物神经网络行为特征，进行分布式并行信息处理的算法数学模型。这种网络依靠系统的复杂程度，通过调整内部大量节点之间相互连接的关系，从而达到处理信息的目的。人工神经网络具有自学习和自适应的能力，可以通过预先提供的一批相互对应的输入－输出数据，分析掌握两者之间潜在的规律，最终根据这些规律，用新的输入数据来推算输出结果，这种学习分析的过程被称为“训练”。 2．人工神经网络的工作原理 人脑的处理机制极其复杂，从结构上看它是包含有140亿神经细胞的大规模网络。单个神经细胞的工作速度并不高，但它通过超并行处理使得整个系统实现处理的高速性和表现的多样性。 因此，从处理的角度对人脑进行研究，并由此研制出一种象人脑一样能够“思维”的智能计算机和智能处理方法，一直是人工智能追求的目标。 人脑神经系统的基本构造单元是神经细胞，也称神经元。它和人体中其他细胞的关键区别在于具有产生、处理和传递信号的功能。每个神经元都包括三个主要部分:细胞体、树突和轴突。树突的作用是向四方收集由其他神经细胞传来的信息，轴突的功能是传出从细胞体送来的信息。每个神经细胞所产生和传递的基本信息是兴奋或抑制。在两个神经细胞之间的相互接触点称为突触。从信息的传递过程来看，一个神经细胞的树突，在突触处从其他神经细胞接受信号。这些信号可能是兴奋性的，也可能是抑制性的。所有树突接受到的信号都传到细胞体进行综合处理，如果在一个时间间隔内，某一细胞接受到的兴奋性信号量足够大，以致于使该细胞被激活，而产生一个脉冲信号。这个信号将沿着该细胞的轴突传送出去，并通过突触传给其他神经细胞.神经细胞通过突触的联接形成神经网络。

土木工程材料习题-第五版201102-答案

一、土木工程材料的基本性质 一、填空题 (请把答案填在题目的横线上，共20空) 1.材料的密度是指在绝对密实状态下，单位体积的质 量。 2.一般情况下，若材料孔隙率越大，则其表观密度越 小， 强度越低。 3.材料的空隙率是指散粒材料在堆积体积中，固体颗粒之间 的空隙体积占堆积体积所占的比例。 4.随含水率的增加，材料的密度不变，导热系数增 加。 5.同一组成材料，其孔隙率大，则强度低、保温 好、表观密度小。 6.材料的孔隙水饱和系数是指材料的吸水饱和的孔隙体积 与材料的孔隙体积之比，其值越大，则抗冻性越 差。 7.材料的耐久性是指材料在物理、化学、生物等因素作用下， 能经久不变质不破坏，而尚能保持原有的性能。

8. 材料的耐水性是指材料在 长期水的（吸水饱和） 作用下不破坏， 强度 也不明显下降的性质。 9. 材料的耐水性以 软化 系数表示，其数值越大，则 材料的耐水性越 好 。 10. 材料的抗冻性是指材料在 吸水饱和状态 下 ，经受多次冻融循环作用而不破坏，强 度也不明显下降的性质。 11. 若提高材料的抗冻性，应增加 闭口 孔隙，减少 开口 孔 隙。 12. 材料的抗渗性是指材料在 压力水 作用下抵抗渗透的能 力。 13. 憎水材料与亲水材料相比，更适宜做 防水 材料。 二、单项选择题：(请把选择的答案填在题目题干的横线上，共 10空) 1. 材料密度ρ、表观密度0ρ、堆积密度0ρ'存在下列关系 A 。 A) ρ＞0ρ＞0ρ' B) 0ρ'＞ρ＞0ρ C) ρ＞0ρ'＞0ρ 2. 表观密度是指材料在 B 状态下，单位体积的质量。 A ）绝对密实 B ）自然 C ）堆积 D ）饱和面

神经网络基本概念

二．神经网络控制 §2.1 神经网络基本概念 一. 生物神经元模型：<1>P7 生物神经元,也称作神经细胞,是构成神经系统的基本功能单元。虽然神经元的形态有极大差异,但基本结构相似。本目从信息处理和生物控制的角度,简述其结构和功能。 1.神经元结构 神经元结构如图2－1所示 图2－1

1) 细胞体：由细胞核、细胞质和细胞膜等组成。 2) 树突：胞体上短而多分支的突起，相当于神经元的输入端，接收传入的神经冲 动。 3) 轴突：胞体上最长枝的突起，也称神经纤维。端部有很多神经末梢，传出神经 冲动。 4) 突触：是神经元之间的连接接口，每一个神经元约有104～106 个突触，前一个 神经元的轴突末梢称为突触的前膜，而后一个神经元的树突称为突触的后膜。一个神经元通过其轴突的神经末梢经突触，与另一个神经元的树突连接，以实现信息传递。由于突触的信息传递是特性可变的，随着神经冲动传递方式的变化，传递作用强弱不同，形成了神经元之间连接的柔性，称为结构的可塑性。 5） 细胞膜电位：神经细胞在受到电的、化学的、机械的刺激后能产生兴奋，此时细胞膜内外由电位差，称为膜电位。其电位膜内为正，膜外为负。 2. 神经元功能 1） 兴奋与抑制：传入神经元的冲动经整和后使细胞膜电位提高，超过动作电 位的阈值时即为兴奋状态，产生神经冲动，由轴突经神经末梢传出。传入神经元的冲动经整和后使细胞膜电位降低，低于阈值时即为抑制状态，不产生神经冲动。 2） 学习与遗忘：由于神经元结构的可塑性，突触的传递作用可增强与减弱， 因此神经元具有学习与遗忘的功能。 二．人工神经元模型 ,<2>P96 人工神经元是对生物神经元的一种模拟与简化。它是神经网络的基本处理单元。图2－2显示了一种简化的人工神经元结构。它是一个多输入单输出的非线形元件。 图2－2 其输入、输出的关系可描述为 =-= n j i j ji i Q X W I 1 2－1 )I (f y i i = 其中i X (j=1、2、……、n)是从其他神经元传来的输入信号；

新型土木工程材料

新型土木工程材料 摘要：土木工程材料是我国经济发展和社会进步的重要基础原材料之一。人类进入21世纪以来，对生存空间以及环境的要求达到了一个前所未有的高度。这对土木工程材料的生产研究使用和发展提出了更新的要求和挑战。特别是小康社会的建设和城镇化的全面推进，乃至整个现代化建设的实施，预示着我国未来几十年的经济发展和社会进步对土木工程材料有着更大的市场需求，也意味着我国土木工程材料领域有着巨大的发展空间。因此，了解土木工程材料的发展状况、把握土木工程材料的发展趋势显得尤为重要。 关键词：新型土木工程材料发展环保 引言：随着人类文明及科学技术的发展，土木工程材料的不断进步与改善。现代土木工程中，尽管传统的土、石等材料的主导地位已逐渐被新型材料所取代。目前，水泥混凝土、钢材、钢筋混凝土已是不可替代的结构材料；新型合金、陶瓷、玻璃、有机材料及其他人工合成材料各种复合材料等在土木工程折中占有愈来愈重要的位置。 材料在土木工程建设中的作用：土木工程建筑物形成的过程，主要是根据材料性能而设计成适当的结构形式，并按照设计要求将材料进行构筑或组合的过程。在此过程中，材料的选择是否正确，材料的使用是否科学，材料的构筑是否合理，不仅直接决定了建筑物的质量或使用性能，也直接决定着工程的成本。因此，材料的性能直接决定了工程的设计方法和准则，也决定着工程的建造技术于构筑方式，对土木工程建设各方面都具有重要的影响。

1.材料对土木工程质量的影响质量是土木工程建设中追求的第一目标，而工程质量的优劣与所采用材料的质量水平以及使用的合理与否具有直接的关系。通常，材料的品种、组成、构造、规格及使用方法等对土木工程的结构安全性、坚固耐久性及适用性等工程质量指标都有直接的影响。以往工程实践表明，从材料的选择、生产、使用、检验评定，到材料的贮运、保管等环节都必须做到科学合理；否则，任何环节的失误都可能造成工程的质量缺陷，甚至是重大质量事故。国内外土木工程的重大质量事故多与材料的质量不良或使用不当有关。 2.材料对土木工程造价及资源消耗地影响在一般土木工程的总造价中，与材料直接有关的费用占50％以上。在工程建设中，材料的选择、使用和管理是否合理。对其工程成本的影响很大。在有些工程或工程的某些不为，可选择的材料品种很多。虽然采用不同的材料或不同的使用方法，但在土木工程中最终的体现效果相近，但是所学要的成本以及所消耗的资源相差可能很大。为此，可以通过优化选择和正确与充分使用材料，在满足工程各项使用要求的条件下，见地材料的资源消耗或能源消耗，节约与材料有关的费用。因此，从工程技术经济及可持续发展的角度来看，正确选择和使用材料，在土木工程建设中有着十分重要的意义。 3.材料对土木工程技术的影响土木工程建设过程中，工程的设计方法、施工方法往往都与材料密切有关，材料的性能直接决定了土木工程所采用的结构形式、使用方法或操作技术工艺等。通常情况下，

人工神经网络综述

人工神经网络综述 摘要：人工神经网络是属于人工智能的一个组成部分，它的提出是基于现代神经科学的相关研究，并且在诸多领域得到了广泛的应用，为人工智能化的发展提供了强大的动力。首先论述了人工神经网络的发展历程，并介绍了几种常见的模型及应用现状，最后总结了当前存在的问题及发展方向。 关键词：神经网络、分类、应用 0引言 多年以来，科学家们不断从医学、生物学、生理学、哲学、信息学、计算机科学、认知学、组织协同学等各个角度探索人脑工作的秘密，希望能制作模拟人脑的人工神经元。特别是近二十年来。对大脑有关的感觉器官的仿生做了不少工作，人脑含有数亿个神经元，并以特殊的复杂形式组成在一起，它能够在计算某些问题（如难以用数学描述或非确定性问题等）时，比目前最快的计算机还要快许多倍。大脑的信号传导速度要比电子元件的信号传导要慢百万倍，然而，大脑的信息处理速度比电子元件的处理速度快许多倍，因此科学家推测大脑的信息处理方式和思维方式是非常复杂的，是一个复杂并行信息处理系统。在研究过程中，近年来逐渐形成了一个新兴的多学科交叉技术领域，称之为“人工神经网络”。神经网络的研究涉及众多学科领域，这些领域互相结合、相互渗透并相互推动。 1人工神经网络概述 1.1人工神经网络的发展 人工神经网络是20世纪80年代以来人工智能领域中兴起的研究热点，因其具有独特的结构和处理信息的方法，使其在许多实际应用中取得了显著成效。 1.1.1人工神经网络发展初期 1943年美国科学家家Pitts和MeCulloch从人脑信息处理观点出发，采用数理模型的方法研究了脑细胞的动作和结构及其生物神经元的一些基本生理特性，他们提出了第一个神经计算模型，即神经元的阈值元件模型，简称MP模型，这是人类最早对于人脑功能的模仿。他们主要贡献在于结点的并行计算能力很强，为计算神经行为的某此方面提供了可能性，从而开创了神经网络的研究。1958年Frank Rosenblatt提出了感知模型(Pereeptron)，用来进行分类，并首次把神经网络的研究付诸于工程实践。1960年Bernard Widrow等提出自适应线形元件ADACINE网络模型，用于信号处理中的自适应滤波、预测和模型识别。 1.1.2人工神经网络低谷时期

指标筛选技术在神经网络数据挖掘中的应用

指标筛选技术在神经网络数据挖掘模型中的应用 摘要 在简要介绍神经网络基本原理的基础上，以分类神经网络中的RBF 网络为例，讨论了神经网络数据挖掘模型中指标筛选的重要性，并以信用卡欺诈检测神经网络数据挖掘模型为实证案例，演示了指标筛选方法能有效地提高神经网络模型的分类效率与收敛速度，同时，讨论如何针对数据挖掘主题与数据特点选择合适的指标筛选技术。常用的指标筛选技术有相关分析、回归分析、信息增益、模糊集与主成分法等，本文重点介绍了基于回归分析的指标筛选与基于信息增益的指标筛选，目的在于通过引入指标筛选技术，提高神经网络数据挖掘模型的准确率、响应速度与减少资源占用等。 关键词：数据挖掘、神经网络、指标筛选、信息增益 1. 引言 根据Universal Approximation Theore，即神经网络具有对任何复杂函数的模拟逼近功能，这为神经网大规模应用提供了强有力的理论依据。由于神经网络是基于生物神经网络的模拟，通过不断学习来认识事物潜在的规律。同时，由于神经网络没有对数据分布进行相应的假设，这使神经网络在各行业中的应用具有广泛的适用性。另一方面，由于没有对数据分布进行假定，使神经网络对噪声数据具有相当的柔性，这进一步使人们在面对高维空间与海量数据时，更偏向于采用基于生物模拟的神经网络，而非基于传统的统计分析与计量方法，如多元统计分析等。但是，神经网络的柔性与通用逼近性在实践中有时并未给研究分析带来理想的效果，其根本原因在于，直接导入高维空间数据致使神经网络的效率急剧下降，也使得神经网络很难满足实时响应的要求，如实时欺诈监控、实时风险评级、工业实时控制等。 因此，本文针对神经网络的应用，提出了高维空间的预处理，即指标筛选。文章安排具体如下，首先介绍了神经网络的基本原理；其次，介绍几种指标筛选方法，并进行比较，重点讨论信息增益方法在指标选择中的优势； 再次，根据一银行信用卡欺诈数据集，演示了指标筛选技术在神经网络中的作用，同时比较了不同指标筛选技术的效率；最后，总结了指标筛选技术在神经网络模型中应用要点。 2. 神经网络的基本原理 人工神经网络（Neural Networks）是对生物神经网络进行仿真研究的结果。它通过采集样本数据进行学习的方法来建立数据模型，系统通过样本不断学习，在此基础上建立计算模型，从而建立神经网络结构[2]。神经网络通过训练后可以执行复杂函数的功能，能对所有函数进行逼近，Universal Approximation Theorem。这就是说，如果一个网络通过训练后呈收敛状态，那么神经网络就具备了执行输入到输出这种线性或非线性的函数功能。当然，这种函数不是基于理论或经验的假设，而是基于对样本的有监督的训练，使神经网络具备了模拟复杂系统的功能。根据数据挖掘主题的类型，神经网

浅谈土木工程中新材料的应用

浅谈土木工程中新材料的应用 发表时间：2017-09-13T13:44:16.027Z 来源：《防护工程》2017年第10期作者：张晶梅 [导读] 本文将围绕当前土木工程建设中几种新型材料的应用进行研究，让人们认识到这些新型材料的应用价值。 荣盛建设工程有限公司河北省廊坊市 065001 摘要：随着社会的发展与进步，土木工程建设也发生了翻天覆地的变化，而新型材料的应用也加快了土木工程建设的发展。本文将围绕当前土木工程建设中几种新型材料的应用进行研究，让人们认识到这些新型材料的应用价值，在今后土木工程建设中起到更加重要的作用。关键词：土木工程；新材料；应用价值；混凝土；碳纤维 随着当前我国科学技术的不断发展，其在很多行业中都得到了较为理想的积极作用价值体现，这一点在建筑行业中也不例外，新型科学技术的应用不仅仅较好创新优化了相应的土木工程项目施工技术手段，还在具体的土木工程项目施工材料方面表现出了较强的作用效果。这种土木工程项目施工操作中新材料的运用也确实能够表现出较为理想的作用效果，相对于各类传统材料的应用，其价值是多方面的，值得进行深入研究，促使各类新材料能够在土木工程项目实施过程中发挥出更强的作用价值效果。 1土木工程中新材料的应用价值分析 在当前我国土木工程项目的发展变化中，相应的新型施工材料的有效运用确实能够表现出较为理想的积极作用效果，围绕着这种土木工程新材料的应用价值来看，随着各类新型施工材料种类的不断增加，其价值也表现在很多方面，其中比较突出的作用价值有以下几点： 1.1有助于提升土木工程稳定性效果 基于土木工程项目施工操作中很多新材料的应用而言，其都能够在强度方面表现出较为理想的实用性效果，相对于传统建筑材料的应用而言，其对于提升土木工程项目的稳定性同样也具備着较为突出的作用价值效果。这种稳定性提升方面的积极作用表现也就值得在今后土木工程项目施工中，尤其是对于一些墙体结构的施工处理中，尽可能的采用一些新材料进行处理，确保其自身应用价值能够得到保障。 1.2有助于提升土木工程耐久性效果 围绕着土木工程项目后续的长期应用来看，为了较好提升其作用价值效果，尽可能延长其使用年限也是比较重要的一个方面，而以往很多施工材料的应用，因为其自身的耐腐蚀性不高，进而也就很可能会在后续应用中出现腐蚀或者是破损问题，最终干扰其使用耐久性效果。而各类新材料的应用，很多都能够具备理想的耐腐蚀性效果，不仅仅能够较好低于外界常见侵蚀性物质的威胁，对于一些腐蚀性极为突出物质的耐久性也是比较理想的，同样值得较好运用。 1.3有助于提升土木工程节能性效果 在当前社会发展中，节能已经成为了比较重要的战略目标，而作为能耗较为突出的建筑行业，切实做好节能工作也就显得极为必要。具体到土木工程项目的施工建设过程中，合理运用各类新型施工材料，进而也就能够充分提升其节能表现效果，尤其是在一些墙体结构构建以及外层围护结构的设置上，这种节能效果更是极为突出，如此也就能够提升其后续应用价值效果。 1.4有助于提升土木工程经济效益 对于土木工程项目施工操作过程中各类新材料的应用而言，相应的经济效益体现也是比较重要的一个方面，很多新材料的应用都能够较好提升优化传统施工技术手段，促使其能够具备更为理想的创新性和便捷性效果，进而也就能够降低施工操作过程中可能存在的一些资金浪费问题，在缩短工程量的同时，为施工企业谋求更高的利润。此外，在达到同等施工作用效果的基础上，新型施工材料的数量需求更少，进而同样也能够表现出一定的积极作用表现，经济效益突出。 2土木工程中新材料的应用实例 在现阶段我国土木工程项目的发展过程中，其存在的新材料越来越多，并且在土木工程项目中的应用也越来越全面，最终也就表现出了越来越明显的价值效果，结合这种土木工程中新材料的应用而言，其中比较有代表性的为以下几类： 2.1新型混凝土材料的应用 在当前土木工程项目的具体实施构建过程中，混凝土材料的应用越来越普遍，并且在很多方面都取得了较大的价值，尤其是对于土木工程项目的结构处理而言，合理运用新型混凝土材料更是能够表现出较强的作用价值效果。结合这种混凝土材料方面的创新优化来看，根据其不同的应用需求，其也出现了多种不同类型的新型混凝土材料，比如高性能混凝土就是比较突出的一个基本类型，这种高性能混凝土材料的适用性极为突出，即使在寒冷的冬季条件下进行施工操作也能够达到较为理想的作用效果，这也就突破了混凝土施工技术对于外界条件的限制，促使其能够得到更为理想的施工落实；而自密实混凝土材料的应用则能够更好简化施工操作流程，尤其是在混凝土材料的浇筑处理过程中，这种自密实混凝土材料的应用能够有效避免在未搅拌，或者是搅拌不充分的基础上，获取较为理想的施工构建效果；轻质混凝土材料在当前很多土木工程项目中同样也得到了较好运用，因为其自身密度较小，并且还具备着理想的抗冻保温性能，进而也就能够提升土木工程墙体的节能效果，也值得进行有效推广运用。 2.2纤维复合材料的应用 在土木工程项目的具体施工操作过程中，各类纤维复合材料的应用也能够表现出较为理想的积极作用效果，这种纤维复合材料的应用主要就是能够充分提升土木工程相关区域的强度效果，避免出现土木工程项目承载力不足，或者是老化损坏问题。围绕着土木工程项目中对于纤维复合材料的具体应用来看，其在很多领域都得到了较为理想的运用，尤其是在一些跨度较大或者是超高层建筑中，更是可以借助于这种纤维复合材料进行有效布置，最终促使其能够实现较为理想的可靠性效果。此外，对于一些土木工程项目的加固修复操作而言，同样也可以借助于这种纤维复合材料进行操作落实。 2.3碳纤维复合材料的应用 碳纤维复合材料同样也是现阶段土木工程项目施工建设中比较常见的一种新型施工材料，这种碳纤维复合材料的应用在力学性能方面极为突出，相对于传统的一些施工建设材料，其作用还是比较理想的，进而也就可以土木工程项目结构施工处理等方面得到较好运用。基于这种土木工程项目中碳纤维复合材料的应用来看，其抗拉强度是比较理想的，能够达到传统钢材的7-9倍，进而也就能够充分提升结构的承载效果，在实际的应用处理中，这种碳纤维复合材料的应用主要就是以一种碳纤维筋的方式进行处理，进而也就能够促使其依托于相应

人工神经网络在数据挖掘中的潜在应用

人工神经网络在数据挖掘中的潜在应用 摘要：随着存储在文件，数据库，和其他的库中的数据量巨大，数据正在变得越来越重要，开发用于分析或解释这些数据和用于提取有趣的知识的强有力的手段可以帮助决策。数据挖掘，也普遍被称为数据库中的知识发现（KDD），是指从数据库中的数据中提取隐含的，先前未知的，潜在地有用的信息。因此，数据挖掘的过程就是从大型数据库中自动提取隐藏的，预测的信息。数据挖掘，包括：提取，转换和加载到数据仓库系统的数据。神经网络已经成功地广泛的应用在监督和无监督的学习应用当中。神经网络方法不常用于数据挖掘任务当中，因为它们可能会结构复杂，训练时间长，结果的表示不易理解并且经常产生不可理解的模型。然而，神经网络对嘈杂的高精度的数据具有高度的接受能力在数据挖掘中的应用是可取的。在本论文中，调查探索人工神经网络在数据挖掘技术的应用，关键技术和实现基于神经网络的数据挖掘研究方法。鉴于目前的行业状态，神经网络作为一个工具盒在数据挖掘领域是非常有价值的一点。 关键词：数据挖掘；KDD；SOM；数据挖掘的过程 一、引言 数据挖掘，从大型数据库中提取隐藏的预测性信息，是一个功能强大的具有巨大潜力的新技术在帮助公司集中重要的信息在他们的数据仓库中。数据挖掘工具预测未来的趋势和行为，允许企业作出主动的，知识驱动的决策。所提供的数据挖掘超越过去的事件进行回顾性工具的典型的决策支持系统提供了自动、前瞻性的分析。数据挖掘工具可以回答那些，传统上耗费太多的时间来解决的业务问题。他们寻找隐藏的模式数据库，寻找专家们可能由于超出在他们期望之外而错过的预测信息。不同类型的数据挖掘工具，在市场上是可用的，每个都有自己的长处和弱点。内部审计人员需要了解数据挖掘工具的不同种类和推荐的工具，满足组织电流检测的需要。这应该在项目的生命周期中尽早考虑，甚至可行性研究。 数据挖掘通常包括四类任务。 分类：把这些数据整理到组。例如一个电子邮件程序会试图将一封电子邮件分类为合法的或垃圾邮件。常见的算法包括决策树学习，最近邻，朴素贝叶斯分类和神经网络算法。 聚类：就像分类但这些组却没有被预定义，因此该算法会尝试将类似的物品放在一起进行分组。 回归：试图找到一个以最小的误差的数据函数模型。 关联规则的学习：变量之间的关系搜索。例如，超市会对将消费者的购买习惯的数据集合起来。利用关联规则的学习，超市可以决定哪些产品经常一起购买和利用此信息实现营销的目的。有时将这种方法称为“市场分析”。 人工神经网络是一个基于人类大脑的松散的系统建模。现场有许多名字，如联结，并行分布处理，神经计算，自然智能系统，机器学习算法，人工神经网络。它必须考虑任何功能的依赖性。网络发现（学习，模型）无需提示的依赖性。最初的数据挖掘应用中神经网络不被使用是由于其结构复杂，训练时间长，且操作性较差。而神经网络是解决许多现实世界的问题的一个有力的技术。他们从经验中学习，以提高其性能和适应变化的能力环境。此外，他们能够处理不完备信息或嘈杂的数据，特别是在无法定义的规则或步骤导致一个问题的解决方案的情况下是非常有效的。

土木工程材料习题及答案

一、单选题 1. (4分)建筑材料可分为脆性材料和韧性材料，其中脆性材料具有的特征是（） A. 破坏前没有明显变形 B. 抗压强度是抗拉强度的２倍以上 C. 抗冲击破坏时吸收的能量大 D. 破坏前不产生任何变形 得分： 0 知识点： 土木工程材料作业题展开解析 .答案A .解析脆性材料在外力作用下;直至断裂前只发生很小的弹性变形;不出现塑性变形而突然破坏。这是脆性材料的一个特征。而这类材料的抗压强度比抗拉强度大得多;可达几倍到几十倍。因此;其抗冲击和振动荷载的能力较差。大部分无机非金属材料如石材、砖、水泥、混凝土、砂浆、陶瓷及玻璃等属于这类材料。 .2. (4分)在一定范围内，钢材的屈强比小，表明钢材在超过屈服点工作时（） A. 可靠性难以判断 B. 可靠性低，结构不安全 C. 可靠性较高，结构安全 D. 结构易破坏 得分： 0 知识点： 土木工程材料作业题展开解析 .答案B .解析 .3. (4分)生石灰消解反应的特点是()。 A. 放出大量热且体积大大膨胀 B. 吸收大量热且体积大大膨胀 C. 放出大量热且体积收缩 D. 吸收大量热且体积收缩

得分： 0 知识点： 土木工程材料作业题展开解析 .答案A .解析 .4. (4分)在钢结构中常用（），轧制成钢板、钢管、型钢来建造桥梁、高层建筑及大跨度钢结构建筑。 A. 碳素钢 B. 低合金钢 C. 热处理钢筋 D. 冷拔低碳钢丝 得分： 0 知识点： 土木工程材料作业题展开解析 .答案B .解析 .5. (4分)抹灰砂浆中掺入麻刀纤维材料是为了（）。 A. 提高强度 B. 提高保温性 C. 节约水泥 D. 减少收缩开裂 得分： 0 知识点： 土木工程材料作业题展开解析 .答案D .解析抹灰砂浆中掺入纤维增强材料（如麻刀、纸筋等），主要是为了提高抹灰层的抗拉强度，防止抹灰层开裂。 .6. (4分)配制有抗渗要求的混凝土时，不宜使用()。 A. 硅酸盐水泥 B. 普通硅酸盐水泥 C. 矿渣水泥 D. 火山灰水泥 得分： 0 知识点：

介绍人工神经网络的发展历程和分类.

介绍人工神经网络的发展历程和分类 1943年，心理学家W.S.McCulloch 和数理逻辑学家W.Pitts 建立了神经网络和数学模型，称为MP 模型。他们通过MP 模型提出了神经元的形式化数学描述和网络结构方法，证明了单个神经元能执行逻辑功能，从而开创了人工神经网络研究的时代。1949年，心理学家提出了突触联系强度可变的设想。60年代，人工神经网络的到了进一步发展，更完善的神经网络模型被提出。其中包括感知器和自适应线性元件等。M.Minsky 等仔细分析了以感知器为代表的神经网络系统的功能及局限后，于1969年出版了《Perceptron 》一书，指出感知器不能解决高阶谓词问题。他们的论点极大地影响了神经网络的研究，加之当时串行计算机和人工智能所取得的成就，掩盖了发展新型计算机和人工智能新途径的必要性和迫切性，使人工神经网络的研究处于低潮。在此期间，一些人工神经网络的研究者仍然致力于这一研究，提出了适应谐振理论（ART 网）、自组织映射、认知机网络，同时进行了神经网络数学理论的研究。以上研究为神经网络的研究和发展奠定了基础。1982年，美国加州工学院物理学家J.J.Hopfield 提出了Hopfield 神经网格模型，引入了“计算能量”概念，给出了网络稳定性判断。 1984年，他又提出了连续时间Hopfield 神经网络模型，为神经计算机的研究做了开拓性的工作，开创了神经网络用于联想记忆和优化计算的新途径，有力地推动了神经网络的研究，1985年，又有学者提出了波耳兹曼模型，在学习中采用统计热力学模拟退火技术，保证整个系统趋于全局稳定点。1986年进行认知微观结构地研究，提出了并行分布处理的理论。人工神经网络的研究受到了各个发达国家的重视，美国国会通过决议将1990年1月5日开始的十年定为“脑的十年”，国际研究组织号召它的成员国将“脑的十年”变为全球行为。在日本的“真实世界计算（RWC ）”项目中，人工智能的研究成了一个重要的组成部分。 人工神经网络的模型很多，可以按照不同的方法进行分类。其中，常见的两种分类方法是，按照网络连接的拓朴结构分类和按照网络内部的信息流向分类。按照网络拓朴结构分类网络的拓朴结构，即神经元之间的连接方式。按此划分，可将神经网络结构分为两大类：层次型结构和互联型结构。层次型结构的神经网络将神经

土木工程材料习题

第一章材料的基本性质 1.土木工程材料应具备哪些基本性质为什么 答：土木工程材料要承受各种不同的作用，因而要求土木工程材料具有相应的不同性质，如用于土建结构物的材料要受到各种外力的作用，因此，选用的材料应具有所需要的力学性能。又如根据土建结构物各种不同部位的使用要求，选用的材料应具有防水、绝热、吸声、粘结等性能。对于某些土建结构物，要求材料具有耐热、耐腐蚀等性能。此外，对于长期暴露在大气中的材料，如路面材料，要求材料能经受风吹、日晒、雨淋、冰冻等引起的温度变化、湿度变化及反复冻融等的破坏作用。 2.材料的内部结构分为哪些层次不同层次的结构中，其结构状态或特征对材料性质有何影响 3.材料的密度、表观密度、体积密度和堆积密度有差别 4.材料的密实度和孔隙率与散粒材料的填充率和空隙率有何差别 5.材料的亲水性、憎水性、吸水性、吸湿性、耐水性、抗渗性及抗冻性的定义、表示方法及其影响因素是什么 6.什么是材料的导热性导热性的大小如何表示材料导热性与哪些因素有关 7.脆性材料与韧性材料有什么区别 8.材料在荷载作用下的强度有几种 9.试验条件对材料强度有无影响影响怎样为什么 10.什么是材料的强度等级、比强度强度等级与强度有何关系与区别 11.说明材料的脆性与韧性、弹性和塑性的区别。 12.说明材料的疲劳极限、硬度、磨损及磨耗的概念。 13.什么是材料的耐久性材料为什么必须具有一定的耐久性 14.建筑物的屋面、外墙、基础所使用的材料各应具备哪些性质 15.当某种材料的也隙率增大时，下表内其他性质如何变化 16.某岩石试样经烘干后其质量为482g，将其投入盛水的量筒中，当试样吸水饱和后水的体积由452g增为630g。饱和面干时取出试件称量，质量487g。试问：（1）该岩石的开口孔隙率为什么（2）表观密度是多少 17.称取堆积密度为1500kg/m3的干砂200g，将此砂装入容量瓶内，加满水并排尽气泡（砂已吸水饱和），称得总质量为510g，将些瓶内的砂倒出，向瓶内重新注满水，此时称得总质量为386g，试

人工神经网络基本概念

《神经网络》讲稿 主讲人：谷立臣教授 2003年9月

第1章基本概念 ?作为自然实例的人脑 ?人工神经元模型 ●人工神经网络的拓扑结构及其学习规则?神经网络的学习策略 ?人工神经网络与生物神经网络的比较?人工神经网络的发展与现状 ?人工神经网络与自动控制 ?人工神经网络与设备故障诊断 ?参考文献

?脑神经生理学家告诉我们:人脑借以记忆与思维的最基本单元是神经元,其数量 约为个; ?每一神经元约有个突触; ?神经元间通过突触形成的网络，传递着彼此间的兴奋与抑制；全部大脑神经元构成拓扑上极其复杂的网络群体，由这一网络群体实现记忆与思维。见图1－1。 111210~103410~10

每一个神经元包括细胞体（Cell body或Soma）和突起（Process）两部分。 ◆细胞体是神经元新陈代谢的中心，还是接收与处理信息的部件 ◆突起有两类，即轴突(Axon)与树突(Dendrite)。轴突的长度相差很大，长的可达1米。轴突的末端与树突进行信号传递的界面称为突触(synapse)，通过突触向其他神经元发送出生物信息，在轴突中电脉冲的传导速度可达到10～100米／秒。另一类突起——树突（输入），一般较短，但分枝很多，它能接收来自其他神经元的生物电信号，从而与轴突一起实现神经元之间的信息沟通。突起的作用是传递信息。 ◆通过“轴突---突触――树突”这样的路径，某一神经元就有可能和数百个以至更多的神经元沟通信息。那些具有很长轴突的神经元，更可将信息从一脑区传送到另一脑区。

?绝大多数神经元不论其体积﹑形状﹑功能如何，不论是记忆神经元还是运动神经元，均可分为一个输入（或感知）器官，一个代数求和器官，一个长距离传递器官和一个输出器官。见图1－2。 ?既然所有神经元的功能均是相近的，那么何以实现复杂的功能呢？答案是：无一功能是由单个神经元实现的，而是由许多神经元以不同的拓扑结构所共同产生的。这一平行处理性提高了神经网路系统的冗余度与可靠性。

基于神经网络型数据挖掘技术的股价预测_冯家诚

收稿日期:2008-11-11;修订日期:2009-01-15。 作者简介:冯家诚(1979-),男,安徽无为人,硕士研究生,主要研究方向:数据挖掘;　马锐(1972-),女,北京人,副教授,主要研究方向:人工智能。 文章编号:1001-9081(2009)S1-0155-02 基于神经网络型数据挖掘技术的股价预测 冯家诚1 ,马　锐 2 (1.华商基金管理有限公司运营保障部,北京100034;　2.北京理工大学软件学院,北京100081) (fengjc@hsfund .com ) 摘　要:提出适用于神经网络型数据挖掘的过程模型。按照选取数据样本、数据转换、网络建模、网络仿真、结果评价这样一个完整的数据挖掘过程,对上证指数走势进行预测,得到了较高的预测精度。说明了神经网络型数据挖掘技术在非线性系统预测中的优势,探讨了非线性系统预测的一种新思路。 关键词:数据挖掘;BP 网络;股价预测中图分类号:TP309 文献标志码:A Stock pr i ce foreca st ba sed on da t a m i n i n g of neura l networks FENG J ia 2cheng 1 ,MA Rui 2 (1.O peration and Support D epart m ent,Huashang Fund M anage m ent Co m pany L i m ited,B eijing 100034,China; 2.School of Soft w are,B eijing Institute of Technology,B eijing 100081,China ) Abstract:The authors gave a p r ocedure model for data m ining based on neural net w orks .According t o each step of the model,the technol ogy of data m ining could p r ovide a higher accuracy of p redicti on of st ock p rice forecast,which p r oved the advantage of data m ining in the field of no 2linear f orecast .M ean while,a ne w method t o the non 2linear f orecast was als o poposed . Key words:data m ining;BP N;st ock p rice forecast 0　引言 就股市投资而言,辨认市场的运动规律,对将来时刻的股价指数进行预测,是股票市场投资决策的关键。 目前,经常采用的预测方法主要通过移动平均、回归分析等线性方法展开。随着科学技术的发展,出现了一些新型的股票价格预测方法,如基于神经网络和遗传算法的股价预测、基于小波分析的股价预测和基于行为金融学的股价预测。 对于神经网络在股价预测中的应用,研究者们已经做了大量的研究 [1-2] 。但是,现有的研究主要是围绕神经网络模 型的构建和模型的优化展开的,着重于技术方面的解决,缺少对解决此类问题方法的讨论。 本文根据数据挖掘过程,以BP 神经网络模型作为技术关键,通过实证分析,定量预测了上证指数走势,说明了BP 神经网络在预测股票市场方面的有效性。 1　基于神经网络的数据挖掘过程 在运用数据挖掘技术预测股价走势之前,需要确定数据挖掘的一般过程。参考S AS 研究所的SE MMA 模型和SPSS 公司的5A 模型[3],并结合神经网络数据挖掘技术的自身特点,确定基于神经网络型数据挖掘一般过程如图1所示。 以上步骤不是一次完成的,其中某些或者全部步骤可能需要反复进行。 2　股价预测过程 2.1　问题定义 在对股票市场预测分析之前,辨认其运动规律是非常必 要的。如果市场是线性的,则线性的预测方法就能够与之相适应。但如果市场是非线性的,那么仅依靠线性的方法去预测股价,就容易丢失很多有用的信息[4]。已有的研究成果表明,现阶段的中国股市具有非线性的特征。因此,运用神经网络的方法进行股价预测具有特殊的优越性。 在这样的背景下,此次数据挖掘的目的就是针对我国股市的非线性特征,建立符合这种特征的神经网络模型。在此 基础上,通过实证研究来证明模型预测的有效性,说明基于神经网络的预测方法在股价预测中的优势 。 图1　基于神经网络的数据挖掘过程 2.2　数据选样2.2.1　数据样本的选取 就股票市场而言,数据样本的选取主要遵循两个原则:一是尽可能选择符合交易规律、并且交易特征相对明显的样本;二是顾及神经网络模型本身的性能。 在此次试验中,选取2004211230—200524229间连续100个交易日的上证综合指数作为待挖掘数据样本,并根据需要将其划分为训练样本和测试样本两个部分。上证综合指数作 第29卷2009年6月 　 计算机应用 Journal of Co mputer App licati ons 　 Vol .29June 2009