基于神经网络理论的炼钢企业安全评价研究

介绍了神经网络的基本原理,对反向传播算法神经网络(Back Propagation Algorithm Neural Network,简称BP神经网络)模型结构和模型基本算法进行了研究,并在此基础上针对炼钢企业建立了基于神经网络理论的安全评价模型.通过将神经网络理论的安全评价方法与传统安全评价方法比较,说明了基于神经网络理论的炼钢企业安全评价方法是可行的.     

神经元网络在安全评价中的应用

利用人工神经元网络进行安全评价可以克服传统的安全评价方法的缺点,提高安全评价方法的精确度和可靠性。笔者在BP神经网络基本原理的基础上,利用机会约束的思想建立了综合安全评价模型;运用反向传播算法和遗传算法对神经元网络进行训练;进而就系统综合安全评价模型进行求解,并对运用神经元网络进行综合安全评价的优点进行了分析。最后,通过对实例进行综合安全评价,得出计算结果,同时也证明将人工神经元网络应用于安全评价的可行性     

改进粒子群神经网络在煤矿安全评价中的应用

基于改进粒子群的神经网络基本原理,综合考虑煤矿安全评价的各项指标,建立了一个综合型的评价模型。该模型的方法以神经网络为基础,用改进粒子群算法来寻找最佳平衡的惯性权值,提高神经网络训练速度和精度。实践证明,模型具有改进粒子群算法的全局寻优能力和神经网络的广泛映照能力,有很强的预测能力,为煤矿安全评价提供了重要的途径。     

连续弯曲航道的船舶碰撞风险评估方法研究

在连续弯曲航道航行时，船舶的碰撞风险急剧增加。首先，基于船舶碰撞风险理论构建船舶经过连续弯道时的碰撞风险评价指标体系；然后，采用粗糙集理论、序关系分析法与模糊综合评价相结合的方法对连续弯曲航道船舶碰撞风险进行综合评价；最后，计算指标体系中各项指标的组合权重，并将组合权重与模糊综合评价模型中各个指标所对应的隶属度相结合，得到连续弯曲航道船舶碰撞风险综合评价等级。以东博寮海峡与蓝塘海峡为例，对连续弯曲航道的船舶碰撞风险进行安全评估。结果显示东博寮海峡与蓝塘海峡的船舶碰撞风险处于较高风险等级，与实际风险相接近，这表明RS-G1-Fuzzy(Rough Set theory-G1 method-Fuzzy comprehensive evaluation)模型可准确评价连续弯曲航道船舶碰撞风险水平，有助于制定相关船舶碰撞风险减缓措施。     

基于主成分分析和BP神经网络的综合安全评价模型

提出了基于主成分分析法和BP神经网络的综合安全评价模型.利用主成分分析法的数据降维功能对评价指标进行特征提取,选用合适的主成分作为神经网络的输入,构建网络拓扑结构.在建立多层次道路危险货物运输企业安全评价指标体系的基础上,采用MATLAB对企业安全现状进行实证仿真分析.结果表明,基于主成分分析法和BP神经网络的综合安全评价模型的评价结果优于其他评价模型.研究表明,本文得到的综合模型能够更加客观、准确地反映评价对象的实际情况.     

基于人工神经网络理论的系统安全评价

阐述了人工神经网络基本原理 ,研究分析了 BP神经网络模型的缺陷并提出了优化策略。在此基础上 ,将神经网络理论应用于系统安全评价之中 ,提出了基于此理论的系统安全评价模型、实现方法和优点 ;评价实例证明了此方法的可行性。     

BP神经网络在矿井本质安全程度评价中的应用

采用BP神经网络对矿井本质安全程度进行评价。介绍了矿井本质安全程度评价方法以及BP神经网络的结构及原理；按照BP神经网络训练的步骤，以matlab6．0为平台，利用其内嵌的神经网络工具箱，生成通用的神经网络评价模型；输入经过标准化后的矿井本质安全程度指标的评价分数，投入神经网络运算，就可以得出该矿井的本质安全程度。     

基于人工神经网络理论的系统安全评价

阐述了人工神经网络基本原理,研究分析了BP神经网络模型的缺陷拼提出优化策略。在此基础上,将神经网络理论应用于系统安全评价之中,提出了基于此理论的系统安全评价模型、实现方法和优点;评价实例证明了此方法的可行性。     

基于BP网络的建筑安装施工现场安全综合评价的研究

针对目前我国建筑安装施工现场安全评价技术的不成熟和欠科学性的现状 ,笔者分析和综合了目前安全评价技术 ,结合建筑业特点 ,提出了基于BP神经网络的建筑安装施工现场安全评价方法 ,并对该评价模型的原理、方法及算法进行了研究。首先 ,结合建筑安装施工现场安全生产的特点建立评价指标体系 ,随后 ,运用层次分析法确定指标及准则层的权重 ,并运用模糊综合评价法生成评价样本集 ,最后 ,利用样本集训练BP网络 ,待误差满足要求后 ,即可运用训练成功的BP神经网络进行安全评价。     

基于BP神经网络的非煤地下矿山安全评价模型

针对非煤地下矿山安全评价的复杂性和非线性特性,BP神经网络对非线性动态系统较强的适应性,提出并建立了一种基于BP神经网络的非煤地下矿山安全评价模型。为提高该模型的可靠性,结合非煤地下矿山生产工艺特点,提出了一套便于统计和赋值的安全评价指标体系;确定了BP神经网络结构和评价结果表征方法;为提高BP神经网络算法的收敛速度和稳定性,对标准BP算法进行有效改进;通过实例运算验证了该模型的可行性。基于BP神经网络的安全评价模型为评价非煤地下矿山安全管理现状及水平提供了可操作的方法,为矿山有关部门提供了科学安全管理的依据。     

基于小波神经网络的事故隐患危险性评价

提出了基于小波神经网络的事故隐患危险性评价方法,建立了小波神经网络模型.以事故隐患危险性评价指标为输入节点,以评价结果作为输出节点,对兴隆庄煤矿的安全状况进行了评价,比较误差得出此方法优于BP网络评价.     

基于IPSO-BP的受损钢结构改造施工安全预警评估研究

为研究受损钢结构改造施工安全预警状况,建立受损情况下钢结构改造施工安全预警指标体系,并针对BP神经网络算法易陷入局部最优的问题,提出了用改进粒子群算法（IPSO）对BP神经网络权重及阈值进行调整的IPSO-BP安全预警评估模型。通过分析某单层重钢厂房受损现状,针对其结构损伤情况和已构建的安全控制指标体系进行数值模拟分析。研究结果表明:与传统的BP模型相比,IPSO-BP模型具有更好的预测能力,构建的安全预警指标体系及预警模型可以很好地对受损钢结构改造施工过程安全状况进行综合评估,对受损钢结构改造施工安全控制具有一定的参考价值。     

基于神经网络的民航安全态势评估模型及仿真

民航安全态势评估可以向管理者提供民航安全态势和未来态势变化的信息,帮助管理者作出科学的决策,是预防事故发生的关键。航空器事故征候、事故征候率和灾变的科学预测评估是民航安全态势评估的核心内容,分析选取影响民航安全态势的安全运行因素,尝试建立了民航安全态势评估模型,结合BP神经网络和Elman神经网络进行民航安全态势评估。2008-2010年民航安全态势评估结果如下：民航安全态势整体良好但事故征候较多,其中2009年的民航安全态势相对严峻,需要密切注意民用航空器事故的发生,同时应对2010年民用航空器事故进行高度关注,希望管理者采取积极措施进行事故预防。结果表明,基于神经网络建立的民航安全态势评估模型是可行的,可以作为我国民航安全态势评估的有效工具。     

人工神经网络对矿山安全状态的评判能力分析

通过改变神经网络训练样本等方法,对比分析了神经网络对不同训练样本的反映能力,讨论了人工神经网络对矿山安全程度进行评价的适应性.为了研究人工神经网络用于矿山安全评价时的优化设计,通过改变神经网络的神经元数目及初值赋值方式等方法,测试了不同结构、不同参数的神经网络对相同训练样本的评价结论.本文的研究为人工神经网络用于矿山安全评价时的进一步改进及其优化设计提出了合理的建议.     

基于信息融合的自然灾害等级评估方法研究

为对自然灾害灾情等级进行准确评估,在BP神经网络模型的基础上,结合DS证据理论建立基于信息融合的自然灾害灾情等级评估模型。该模型通过对输入的灾害评估指标数据进行分类,建立网络组,对网络组的输出,建立对于各类信任度的基本概率分配函数,最后利用DS证据理论融合,从而实现灾害的最终等级评估。在MATLAB环境下,以我国45个自然灾害的灾情历史资料数据为训练样本进行模型训练,并对2009年自然灾害灾情进行评估测试。结果表明,该模型能改善单一BP神经网络不稳定、误差大的缺点,得到较优的结果。