高速公路工程质量风险分析与评价

,当2个网络使用同一数据库进行训练时,高斯分布的数量大大减小。(2)在该算法中,采用动态网络结构,从而使模型具有更好的适应性。(3)模式层到求和层的权值在训练阶段可进行调节,当训练数据集发生变化时,权值可被相应地进行调整。权值为0的分布将从网络中移除,从而实现网络修整,有效控制网络大小。4结论(1)隧道作为公路的特殊路段,其封闭性、行车环境的复杂性以及起步较晚等特点,致使隧道交通事件多发,因此探索适合于隧道的交通事件检测算法迫在眉睫。(2)传统事件检测算法因其具有局限性,需要进行改进和完善。(3)动态概率神经网络事件检测算法,克服了传统算法的缺陷,结合公路隧道实际情况,充分利用交通数据中包含的交通事件信息来检测事件,为隧道交通控制提供了依据。(4)如果将事件检测结果与隧道交通控制联系起来,在检测到事件后,能够运用智能控制手段来对交通进行控制与诱导,这是以后工作中需要认真考虑的问题。参考文献[1]吕琪,王慧.基于动态神经网络模型的交通事件检测算法[J ].公路交通科技,2003(6):105 - 108.[2]姜紫峰,刘小坤.基于神经网络的交通事件检测算法[J ].西安公路交通大学学报,2000(3):67 - 73.[3]R. L. Streit , T. E. Luginbuhl. MaximumLikelihood Training ofProbabilistic works [ J ]. IEEE Trans. works , 1994(5):764 - 782.[4]董长虹. Matlab神经网络与应用[M].北京:国防工业出版社,2005.1412008年第3期谭举鸿:高速公路工程质量风险分析与评价? 1994-2008 China Academic Journal Electronic Publishing House. All rights reserved.