解决土木工程问题的人工神经网络和模糊神经网络

---

基于实时循环工程方面，如建议的预测，设计，评估，维护和管理，以及根据基于绩效的方法，土木工程结构必须满足抵御能力，可持续性和安全性的基本要求，如地震，火灾，洪水，极端风和爆炸。

性能指标的分析对结构的性能和满足上述要求具有重要意义，不进行复杂的数学计算是不可能的。人工神经网络和模糊神经网络是现代跨学科领域的典型例子，它们提供了基本的知识原理，可用于解决许多不同的和复杂的工程问题，否则无法解决(使用传统建模和统计方法)。神经网络能够收集、记忆、分析和处理从一些实验或数值分析中获得的大量数据。正因为如此，与一些经典的和传统的计算方法相比，神经网络往往是更好的计算和预测方法。它们在预测数据方面非常出色，可以用于创建预测模型，从而解决各种工程问题和任务。经过训练的神经网络可作为分析工具，用于对结果的合格预测，以及任何未包含在网络学习过程中的输入数据。它们的使用相当简单和容易，但正确和精确。这些积极的效果完全证明了它们作为预测模型在工程研究中的应用。

本特殊问题的目的是突出使用人工神经网络和模糊神经网络的可能性，以解决工程问题的有效和强大的工具。从12份提交，6篇论文发布。每份审查员至少审查了两份审查员，并根据审查评论进行修订。论文涵盖了广泛的主题，例如评估房地产市场价值;估算建筑工程的成本和持续时间以及维护成本;并预测自然灾害，如风和火灾，以及对财产和环境的损害预测。

I. Marovic等人的论文提出了人工神经网络(ANN)在风速预测过程中的应用，并将其作为决策支持工具在预警系统(EWS)中实现。根据当地气象站的输入数据，建立了人工神经网络预测模型。通过可视化和通用计算方法对预测模型进行了验证和评价，发现该模型是可行的，并给出了很好的风速预测结果。开发的模型在EWS中实施，作为对改进现有的“在暴风雨或飓风、雪和里耶卡大学校园发生冰的紧急情况下的程序计划”的决策支持。

人工神经网络和计量经济模型的应用都有各自的优缺点。尽管如此，神经网络已经成为计量经济学方法的一个真正的替代品，作为评估和预测的一个强有力的工具，例如，在评估房地产领域。特别强调指出，可以找到估计值而不是精确值。J. Cetkovic等人的研究目的是构建一个基于宏观经济指标影响的欧盟国家房地产市场价值预测模型。本文试图从现有的投入数据-影响房地产价格决定的宏观经济变量入手，获得比较正确的产出数据-所观测国家房地产市场的价格预测。

要约准备一直是建立过程中的一个特定部分，对公司业务有重大影响。由于收入在很大程度上取决于报价的准确性以及计划成本(包括直接费用和间接费用)与期望利润之间的平衡，因此有必要在所需的时间和可用的资源内准备一份精确的报价，但这些时间和资源总是不足的。I. Peško等人的论文研究了在使用人工智能估算建设项目的成本和工期时可以达到的精度。对人工神经网络和支持向量机进行了分析和比较。根据调查结果，得出结论:采用成本和工期分别估算的模型，可以提高工程造价和工期估算的准确性。其原因主要在于投入参数对成本估算的影响与对项目工期估算的影响不同。通过将它们集成到单个模型中，在输入数据的重要性方面做出了妥协，导致对于ANN模型的估计精度较低。支持向量机模型具有更强的泛化能力，同时提供了更准确的估计，无论是对项目的成本估计还是工期估计。

M. Juszczyk等人也处理了同样的问题。他们的研究是关于人工神经网络在体育场地建设成本估算中的适用性。通过对一组不同人工神经网络的初始训练结果，验证了多层感知器网络的适用性。此外，还专门设计了一个网络，用于绘制建筑工程总成本与选定的体育场地成本预测指标之间的关系。对其预测质量和准确性进行了积极评价。研究结果证明了该方法的有效性。

城市道路基础设施管理中的养护规划问题，从管理和技术经济两方面都是一个复杂的问题。I. Marovic等人的研究重点是城市道路基础设施项目管理中与规划阶段相关的决策过程。本研究的目的是设计和发展一个神经网络模型，以实现道路退化的成功预测，作为维修计划活动的工具。该模型是提出的城市道路基础设施管理决策支持概念的一部分，也是规划活动中的决策支持工具。输入数据由cirly 6.0路面设计软件获取，并用于确定应力值。研究发现，将该模型应用于城市道路基础设施维修规划的决策支持是可行和可取的。

土木工程结构的耐火性能可以根据每个建筑构件(柱、梁、板、墙等)的耐火性能来确定。由于结构构件的防火性能直接影响到整个结构的功能和安全性，因此新的方法和计算工具对于实现对结构构件防火性能的快速、简便、简单的预测具有重要意义。M. Lazarevska等人的论文通过建立偏心加载钢筋混凝土柱的耐火预测模型，考虑了模糊神经网络的应用。利用模糊神经网络的概念和已完成的数值分析结果(作为输入参数)，建立了钢筋混凝土偏心受压柱的抗火性预测模型。数值结果作为输入数据来创建和训练模糊神经网络,所以它可以提供精确的输出为钢筋砼偏心受压构件的耐火列其他输入数据(RC柱截面的不同尺寸,不同厚度的混凝土防护层,不同的配筋率和不同的荷载)。

这些论文代表了一个激动人心的，有洞察力的观察到的国家的艺术和新兴的未来主题在这个重要的跨学科领域。我们希望这期特刊能引起土木工程界的广泛关注。

我们愿意对所有作者和审查人员表示赞赏，这些作者和审核人员为出版了这一特殊问题。

的利益冲突

作为特邀编辑，我们声明，我们对本期特刊的出版没有任何经济利益。

米洛斯岛Knezevic
梅里Cvetkovska
生田斗真šHanak
路易斯·布拉干萨
Andrej Soltesz

版权

版权所有©2018 Milos Knezevic等。这是一篇发布在知识共享署名许可协议，允许在任何媒介上不受限制地使用、传播和复制，但必须正确引用原作。